Low-Code/No-Code AIによる機械翻訳：ブルー・トランスフォーメーションのための生成AIの民主化 | JoVE Visualize

科学分野:

プラネタリー・ヘルス
水産食料システム
グローバルヘルスイニシアチブ

背景:

栄養失調と病気は人間の健康に影響を与えます。
プラネタリー・ヘルスは、人間の幸福と地球の健康を結びつけます。
ブルー・トランスフォーメーションは、世界の水産食料システムを改善し、飢餓を根絶し、生活水準を向上させることを目指しています。

研究の目的:

生成人工知能（AI）を搭載したニューラル機械翻訳（MT）の可能性を調査すること。
AI駆動型MTが言語の壁を減らし、重要な情報へのアクセスを改善できるかを評価すること。
ブルー・トランスフォーメーションイニシアチブに関連する専門用語に焦点を当てること。

主な方法:

自動評価指標と人間の判断を用いて、ブルー・トランスフォーメーションデータセットのMT品質を評価しました。
翻訳の意味的品質（適切性）を評価しました。
オープンソースのPythonライブラリと、マルチモーダル生成AIを含む大規模言語モデル（LLM）を使用したローコード/ノーコードAIアプローチを採用しました。

主要な成果:

機械翻訳（MT）のためのシンプルでローコード/ノーコードなAIアプローチの実現可能性を確認しました。
FacebookのSeamlessM4Tを使用した自動MTの高い品質について、専門家間の中程度の合意を実証しました。
専門用語の翻訳における生成AIの効果を強調しました。

結論:

オープンソースの大規模言語モデル（LLM）は、OpenAIのGPT4のようなクローズドソースの代替と比較してパフォーマンスが低い可能性があることが示唆されました。
この研究は、グローバルヘルスと持続可能性の取り組みにおける情報普及を強化するために、アクセス可能なAIツールの使用を検証しました。
複雑で多言語なイニシアチブのためにオープンソースMTを最適化するには、さらなる研究が必要です。