Videos de Conceptos Relacionados
Stereotype Content Model
Translation
Translation is the process of synthesizing proteins from the genetic information carried by messenger RNA (mRNA). Following transcription, it constitutes the final step in the expression of genes. This process is carried out by ribosomes, complexes of protein and specialized RNA molecules. Ribosomes, transfer RNA (tRNA), and other proteins produce a chain of amino acids—the polypeptide—as the end product of translation.
Translation Produces the Building Blocks of Life
Improving Translational Accuracy
Non-equilibrium in the Cell
Translation
Translation Produces the Building Blocks of Life
Proteins are called the...
Automatic Processing and Automatic Social Behavior
También podría leer
Artículos Relacionados
Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.
Integrative Multi-Omics Analysis Reveals the Tumor-Suppressive and Immunoregulatory Roles of SEMA5B in Prostate Cancer.
Micro-ultrasound guided versus multiparametric MRI-guided prostate biopsy: a systematic review and meta-analysis.
Genotoxicity Effects of Polylactic Acid Microplastic Present with Antibiotic Sulfamethoxazole on the Pacific Oyster Crassostrea Gigas (Thunberg, 1793).
Ribosome biogenesis programs define a three-gene RBscore with prognostic relevance in bladder cancer.
Co-Curricular Science Experiences Support Undergraduate Students' Science GPA, Degree Completion, Workforce Entry, and Motivation.
Dosimetric comparison of implantable rectal spacers for low-dose-rate prostate brachytherapy.
A GenAI Pipeline for Violinist Kinematic Data Management.
AMAL-For-Qatar: A Comprehensive AI Ecosystem for Fetal Ultrasound Analysis - Project Overview and Achievements.
Longitudinal Treatment-Aware Multimodal AI for Dermatology: A Scoping Review.
Predicting Postpartum Depression Using Imbalance-Aware Machine Learning.
Validation of Deep-Learning Models for Autosegmentation of Brain Metastases.
Delay-Dependent Gating in Modular RNNs.
Video Experimental Relacionado
Updated: Jun 19, 2026

Reversible Cooling-induced Deactivations to Study Cortical Contributions to Obstacle Memory in the Walking Cat
Published on: December 11, 2017
IA de bajo código/sin código para traducción automática: Democratización de la IA generativa para la Transformación
Mercedes Arguello Casteleiro1, Saihong Li2, Arsenio Andrades Moreno3
1BCS SGAI, UK.
La traducción automática neuronal (TA) con IA generativa muestra potencial para romper las barreras lingüísticas en iniciativas globales como la Transformación Azul. Los modelos de código abierto, aunque accesibles, demostraron una calidad moderada en la traducción de términos clave.
Área de la Ciencia:
- Salud Planetaria
- Sistemas Alimentarios Acuáticos
- Iniciativas de Salud Global
Sus antecedentes:
- La malnutrición y las enfermedades impactan la salud humana.
- La Salud Planetaria conecta el bienestar humano con la salud de la Tierra.
- La Transformación Azul tiene como objetivo mejorar los sistemas alimentarios acuáticos globales, erradicar el hambre y mejorar los niveles de vida.
Objetivo del estudio:
- Investigar el potencial de la traducción automática neuronal (TA) impulsada por Inteligencia Artificial (IA) generativa.
- Evaluar si la TA impulsada por IA puede reducir las barreras lingüísticas y mejorar el acceso a información crítica.
- Centrarse en términos clave relacionados con la iniciativa de Transformación Azul.
Principales métodos:
- Se evaluó la calidad de la TA para un conjunto de datos de Transformación Azul utilizando métricas automáticas y juicio humano.
- Se evaluó la calidad semántica (adecuación) de las traducciones.
- Se empleó un enfoque de IA de bajo código/sin código con bibliotecas de Python de código abierto y modelos de lenguaje grandes (LLM), incluida la IA generativa multimodal.
Principales resultados:
- Se confirmó la viabilidad de un enfoque simple de IA de bajo código/sin código para la traducción automática.
- Se demostró un acuerdo moderado entre los expertos sobre la alta calidad de la traducción automática automatizada utilizando SeamlessM4T de Facebook.
- Se destacó la efectividad de la IA generativa en la traducción de terminología especializada.
Conclusiones:
- Los hallazgos sugieren que los modelos de lenguaje grandes (LLM) de código abierto pueden tener un rendimiento inferior en comparación con alternativas de código cerrado como GPT4 de OpenAI.
- El estudio valida el uso de herramientas de IA accesibles para mejorar la difusión de información en los esfuerzos de salud y sostenibilidad global.
- Se necesita investigación adicional para optimizar la TA de código abierto para iniciativas multilingües complejas.

