اگر امروز برای ترجمهٔ مستندات فنی خود به مدل‌های عمومی تکیه می‌کنید، احتمالاً با «تلهٔ روانی» (Fluency Trap) روبرو هستید؛ متونی که زیبا و طبیعی خوانده می‌شوند اما اصطلاحات کلیدی محصول را در میانهٔ راه تغییر می‌دهند. مدل Lara 3 با ثبت نرخ ۸۲٪ ترجمهٔ بی‌نقص در ارزیابی‌های انسانی، ادعا می‌کند که این شکاف میان روانی متن و دقت فنی را پر کرده است. این بنچمارک به‌طور قابل‌توجهی از مدل‌های هوش مصنوعی با کاربرد عمومی پیشی گرفته است.
این سیستم تخصصی از شرکت Translated طراحی شده تا مشکلاتی را حل کند که در آن مدل‌های هوش مصنوعی، لحن برند یا اصطلاحات تخصصی را در طول یک پروژه طولانی فراموش می‌کنند. طبق گزارش این شرکت، یک ترجمه می‌تواند از نظر دستوری عالی باشد اما وقتی یک عبارت فنی در صفحه ۱۰ با صفحه ۱۰۰ متفاوت باشد، یا یک کمپین تبلیغاتی به زبانی دیگر منتقل شود اما صدای اصلی برند را از دست بدهد، کل خروجی برای کاربر نهایی بی‌ارزش می‌شود.
ترجمه مدت‌هاست که با شکافی میان دقت تحت‌اللفظی و ظرافت‌های بومی دست‌وپنجه نرم می‌کند. اگرچه مدل‌های مبتنی بر ترنسفورمر (Transformer) آگاهی معنایی را بهبود بخشیدند، اما آن‌ها اغلب در درک اصطلاحات منطقه‌ای یا حفظ ثبات اصطلاحات محصول در دفترچه‌های راهنمای طولانی شکست می‌خورند. این چالش‌ها نشان می‌دهد که چرا رویکردهای ساده در ترجمهٔ چندزبانه بدون مسیریابی دقیق برای هر زبان اغلب در مواجهه با پیچیدگی‌های زبانی شکست می‌خورند. شرکت Translated که در سال ۱۹۹۹ توسط ایزابل آندریو (زبان‌شناس) و مارکو ترومبتی (دانشمند علوم کامپیوتر) تأسیس شد، اکنون با تکیه بر تاریخچه عمیق خود در بومی‌سازی، قصد دارد از رویکرد مدل‌های عمومی عصر فعلی فاصله بگیرد. این شرکت در حال حاضر به بیش از ۳۰۰,۰۰۰ مشتری در ۲۰۰ زبان و بیش از ۴۰ حوزه موضوعی خدمات ارائه می‌دهد.
رویارویی در محک‌های ارزیابی
به نقل از اعلام این شرکت در ۷ اکتبر ۲۰۲۴، مدل Lara 3 به‌صورت عمومی از طریق API، سامانه TranslationOS و Lara Translate در دسترس قرار گرفت. این عرضه پس از یک دوره معرفی اولیه به شرکای منتخب در ماه ژوئیه صورت پذیرفت.
این شرکت داده‌های ارزیابی کور (Blind Evaluation) را منتشر کرد که شامل ۱۶٬۸۰۰ ترجمه در ۲۱ زبان بومی‌سازی سازمانی بود. مجموعه داده‌های تست، ترکیبی از متریال WMT25 (شامل اخبار، کتاب‌ها و گفتگوهای کاربران) و داده‌های اختصاصی از بخش‌های مالی، فناوری و سفر بود. بر اساس گزارش unite.ai، نتایج برای ترجمه‌های «بی‌نقص» (که به هیچ ویرایشی نیاز نداشتند) به شرح زیر است:
- Lara 3: ۸۲٪
- GPT-5.6 Sol: ۶۹٪
- Claude Fable 5: ۶۷٪
- DeepL: ۵۷٪
- Google Translate: ۵۳٪
گزارش شده است که Lara 3 در ۲۰ جفت‌زبانی از ۲۱ مورد بررسی‌شده، رتبه اول را کسب کرد. متدولوژی این ارزیابی بر اساس قضاوت اکثریت (حداقل ۲ نفر از ۳ مترجم حرفه‌ای) بود. با این حال، باید توجه داشت که این‌ها نتایج گزارش‌شده توسط خود شرکت روی یک مجموعه داده تعریف‌شده است. عملکرد در مسیر «انگلیسی به زبان مقصد» لزوماً رتبه‌بندی مشابهی را برای تمام جهت‌های ترجمه ایجاد نمی‌کند و امتیازات کلی ممکن است تفاوت‌های موجود بین زبان‌های خاص یا انواع محتوا را پنهان کند.
سازوکار فنی: یادگیری از طریق اجرا
مدل Lara 3 صرفاً بر پایه تقلید از داده‌ها آموزش ندیده است. این مدل از متدی به نام «یادگیری از طریق اجرا» (Learning by Doing) استفاده می‌کند. در این چرخه، مدل چندین نسخه از ترجمه را تولید کرده و سپس یک «داور خودکار» که بر اساس تخصص انسان‌های حرفه‌ای شکل گرفته است، آن‌ها را ارزیابی می‌کند. مدل میلیون‌ها بار انتخاب‌های موفق را تقویت و خطاها را اصلاح می‌کند تا پیش از استقرار، به بهینه‌ترین حالت برسد. این رفتار در مدل مستقر شده نهادینه شده است؛ به این معنا نیست که هر درخواست مشتری باعث شروع یک فرآیند آموزش جدید می‌شود.
این رویکرد به این واقعیت پاسخ می‌دهد که چندین نسخه از یک جمله می‌توانند از نظر دستوری درست باشند، اما تنها یکی از آن‌ها با متریال محیطی و بستر متن سازگار است. با یادگیری ارزیابی جایگزین‌ها، مدل اولویت را به «کاربرد مورد نظر» می‌دهد تا یک «پاسخ مرجع عمومی». مارکو ترومبتی، هم‌بنیان‌گذار و مدیرعامل شرکت، استدلال می‌کند که روانی متن به‌تنهایی کافی نیست؛ زیرا یک عبارت مبهم، یک اصطلاح فنی نادرست یا نادیده گرفتن یک نشانه فرهنگی می‌تواند درک خواننده را به‌طور کلی تغییر دهد.
یکپارچگی زمینه‌ای و اقتصاد تولید
علاوه بر معماری مدل، این سیستم برای حفظ ثبات در متون طولانی، از تحلیل سطح سند (Document-level context) استفاده می‌کند. برای ورودی‌های طولانی، مدل می‌تواند جملات را به‌صورت موازی ترجمه کند و در عین حال، متن‌های اطراف را به‌عنوان ورودی اضافی به مدل بازگرداند تا انسجام متن حفظ شود.
توسعه‌دهندگان همچنین می‌توانند زمینه‌های خارجی (External Context) را به مدل تزریق کنند؛ مثلاً متن بدنه یک وبلاگ را برای ترجمه دقیق‌ترِ عنوان آن ارسال کنند، یا یک گفتگوی قبلی را برای درک بهتر پیام جدید در چت ارائه دهند، بدون اینکه خودِ این متون زمینه ترجمه شوند. این قابلیت به‌ویژه زمانی مفید است که ابزارهای ترجمه حرفه‌ای، سند را به بخش‌های مجزا تقسیم کرده باشند.
برای تضمین استانداردهای سازمانی، سه ابزار کلیدی به کار گرفته شده است:
- واژه‌نامه‌ها (Glossaries): برای اطمینان از اینکه واژگان خاص محصول در تمام وب‌سایت‌ها و مستندات پشتیبانی یکسان باقی می‌مانند.
- حافظه‌های ترجمه (Translation Memories): بهره‌گیری از ترجمه‌های تأییدشده قبلی برای حفظ یک لحن واحد.
- زمینه خارجی: ارائه داده‌های غیرترجمه برای درک ظرافت‌های یک بخش خاص.
از نظر اقتصادی، Translated ادعا می‌کند که Lara 3 در تست‌های تک‌رشته‌ای (Single-thread)، ۲۳ برابر توان عملیاتی (Throughput) بیشتری نسبت به Claude Fable 5 دارد. علاوه بر این، این مدل با بودجه‌ای یکسان، ۳.۷۵ برابر کاراکتر بیشتری را ترجمه می‌کند.
این پلتفرم از بیش از ۷۰ فرمت سند با حفظ چیدمان (Layout preservation) پشتیبانی می‌کند و قابلیت‌های خود را به HTML، محتوای بومی‌سازی XLIFF، تصاویر و صوت گسترش داده است. این گسترش به حوزه‌های صوتی، یادآور تحولاتی است که در صنعت نشر رخ داده و برای مثال، ناشران با استفاده از اتوماسیون ElevenLabs توانسته‌اند هزینه‌های تولید کتاب‌های صوتی را به شدت کاهش دهند. با این حال، شرکت اشاره می‌کند که پوشش خدمات بسته به نوع ورودی متفاوت است؛ به این معنی که پشتیبانی از زبان در متن لزوماً به همان شکل در صوت یا تصاویر اعمال نمی‌شود.
برای جامعه فنی، این تغییر سیگنالی است از فاصله گرفتن از فلسفه «یک مدل برای همه کارها». در حالی که مدل‌های زبانی بزرگ (LLM) عمومی روان هستند، نیازهای تولیدی در بومی‌سازی، قابلیت اطمینان و پایبندی به اصطلاحات است. آزمون واقعی برای Lara 3 این خواهد بود که آیا می‌تواند به‌طور معناداری حجم ویرایش انسانی و کارهای یکپارچه‌سازی را در خط لوله‌های تولید سازمانی بزرگ کاهش دهد یا خیر.
کاربران اکنون می‌توانند از طریق Lara API، TranslationOS و Lara Translate به این مدل دسترسی پیدا کنند تا این ادعاها را با اصطلاحات اختصاصی خود آزمایش کنند.
گام بعدی شما
- اگر مدیر محصول یا توسعه‌دهنده هستید، از Lara API برای تست اصطلاحات تخصصی برند خود در برابر مدل‌های عمومی استفاده کنید.
- در پروژه‌های بومی‌سازی، به‌جای تکیه بر روانی متن، نرخ «ویرایش صفر» را به‌عنوان معیار کیفیت قرار دهید.
- بررسی کنید که آیا استفاده از حافظه‌های ترجمه در خط لوله تولید شما، هزینه استنتاج را کاهش می‌دهد یا خیر.
اما تأثیر این تخصص‌گرایی بر مدل‌های بازمتن و دسترسی توسعه‌دهندگان مستقل، ابعاد پیچیده‌تری دارد — به تحلیل ما درباره‌ی مدل‌های کوچک زبانی (SLM) مراجعه کنید.
گفتگو