{"id":21948,"date":"2024-06-13T16:05:49","date_gmt":"2024-06-13T14:05:49","guid":{"rendered":"https:\/\/www.act-translations.com\/llms-und-uebersetzung-zukunft-der-ki-sprachmodelle\/"},"modified":"2024-09-04T09:15:53","modified_gmt":"2024-09-04T07:15:53","slug":"llms-und-uebersetzung-zukunft-der-ki-sprachmodelle","status":"publish","type":"post","link":"https:\/\/www.act-translations.com\/de-ch\/llms-und-uebersetzung-zukunft-der-ki-sprachmodelle\/","title":{"rendered":"Large Language Models: Was sie f\u00fcr \u00dcbersetzungen bedeuten"},"content":{"rendered":"\n

Texte \u00fcbersetzen, interpretieren und selbst erstellen \u2013 K\u00fcnstliche Intelligenz beherrscht all dies bereits. Large Language Models (LLM) gehen <\/strong>hier noch <\/strong>einen bedeutenden Schritt weiter: Unter Einsatz von Deep Learning sollen die Ergebn<\/strong>isse nicht mehr von menschlich generierten Texten unterscheidbar werden. Die Sprachmodelle sind sehr weit gediehen und geraten doch an ihre Grenzen \u2013 die Grenzen der menschlichen Kultur. Wie Sprachdienstleister auf die maschinellen Sprachmodelle reagieren.<\/strong><\/p>\n\n\n\n

Das \u00d6sterreichische kennt zum Beispiel eine Form des Superlativs, die in Deutschland v\u00f6llig unbekannt ist. Macht der Nachbar L\u00e4rm, ist es \u201elaut\u201c. Macht er viel L\u00e4rm, ist es \u201ezu laut\u201c. Macht er aber richtig Krach, ist es nun \u201eein bisserl sehr laut\u201c. Das typisch \u00f6sterreichische Relativieren massiver Kritik ist grammatikalisch nicht zu erfassen \u2013 man muss die Bedeutung kennen und vor allem f\u00fchlen. Das ber\u00fchmte Bonmot, \u00d6sterreicher:innen und Deutsche w\u00fcrden durch die gemeinsame Sprache getrennt, stammt zwar nicht von Karl Kraus, wie meist kolportiert wird, es h\u00e4tte dem Meister aber wohl gefallen.<\/p>\n\n\n\n

Large Language Models: wie sie sich anf\u00fchlen<\/strong><\/p>\n\n\n\n

Wer regelm\u00e4\u00dfig mit Programmen wie ChatGPT arbeitet oder zumindest damit gespielt hat, kennt den Effekt: Die Ergebnisse sind beeindruckend, echte Fehler werden immer seltener. Doch immer wieder generiert die K\u00fcnstliche Intelligenz Phrasen, die sich eigenartig anf\u00fchlen, die einfach nicht zu stimmen scheinen, ohne dass man den Finger auf die konkrete Textwunde legen k\u00f6nnte. Kein Zufall daher, dass man von Lehrenden an Schulen oder Universit\u00e4ten immer h\u00e4ufiger die gleiche Aussage h\u00f6rt: Sie w\u00fcrden KI-generierte Texte<\/a> bereits beim ersten Anlesen erkennen. Hier liegt auch die Gefahr f\u00fcr \u00dcbersetzungen: wenn die Quelle schon sprachlich holpert, wird das durch die abermalige \u00dcbersetzung durch die K\u00fcnstliche Intelligenz eher schlimmer als besser.<\/p>\n\n\n\n

Dem Menschen auf der Spur?<\/strong><\/p>\n\n\n\n

ChatGPT geh\u00f6rt in den Bereich der Large Language Models, und die verfolgen das Ziel, genau diesen Effekt zu eliminieren. Die Grundlage daf\u00fcr bilden Techniken des Deep Learning und k\u00fcnstlicher neuronaler Netzwerke. LLM sollen die K\u00fcnstliche Intelligenz letztlich dazu bef\u00e4higen, so zu kommunizieren, dass Menschen den Unterschied nicht mehr erkennen \u2013 etwa im Zusammenhang mit Chatbots. Dazu geh\u00f6rt auch die Vision, die KI werde eines Tages die Stimmungslage des menschlichen Gegen\u00fcbers erkennen und ad\u00e4quat darauf reagieren k\u00f6nnen. Noch aber sind die Sprachmodelle nicht so weit.<\/p>\n\n\n\n

Der Mensch ist das beste Sprachmodell<\/strong><\/p>\n\n\n\n

Die Basis von LLM ist die Berechnung von Vorhersagen: Wie wird ein Text mit der h\u00f6chsten Wahrscheinlichkeit fortgesetzt? Daf\u00fcr werden die LLM mit Unmengen an Texten \u201egef\u00fcttert\u201c und im Anschluss trainiert. Ein Training, das meist dem gleichen Ablauf folgt: W\u00e4hrend des unsupervised Learnings wird das Modell mit unstrukturierten Daten trainiert \u2013 es durchforstet also eigenst\u00e4ndig Texte aus Quellen wie Wikipedia, Medien oder \u00f6ffentlich zug\u00e4nglichen B\u00fcchern. Im zweiten Schritt, dem self-supervised Learning, werden unstrukturierte Daten eliminiert und strukturierte Daten eingespielt. Und schlie\u00dflich kommt es zum Feintuning, etwa in Form positiven oder negativen Feedbacks. Mit anderen Worten: Am Ende legen Menschen Hand an den Algorithmus beziehungsweise dessen Ergebnisse.<\/p>\n\n\n\n

Die un\u00fcberwindliche H\u00fcrde: Zwischent\u00f6ne und Emotion<\/strong><\/p>\n\n\n\n

Dieser Schritt ist es, der den Menschen noch lange nicht aus der Gleichung nehmen wird. So beeindruckend die Ergebnisse maschineller \u00dcbersetzungs- und Textgenerierungs-Technologien auch sind: Das eigentliche Sprachverst\u00e4ndnis, die Zwischent\u00f6ne und die Emotion, die in Texte verwoben sind, k\u00f6nnen sie nicht abdecken. Hinzu kommt, dass sich Sprache permanent ver\u00e4ndert. Als Sprechende und Schreibende formen wir sie jeden Tag neu. Eine andauernde Metamorphose, die nur gef\u00fchlt und nicht berechnet werden kann. Ein Beispiel daf\u00fcr: W\u00e4hrend sich in deutschen Texten das Gendern l\u00e4ngst als Norm etabliert hat, liefern die meisten \u00dcbersetzungs-Tools ausschlie\u00dflich maskuline Formen. Die immer wieder bef\u00fcrchteten massiven Auswirkungen von LLM auf das eigenst\u00e4ndige Arbeiten von Sch\u00fcler:innen und Student:innen scheinen \u2013 siehe oben \u2013 am Sprachgef\u00fchl der Lehrenden zu zerschellen. Gleiches gilt im Business-Umfeld, auch hier m\u00fcssen Menschen nach wie vor Hand an den Text legen.<\/p>\n\n\n\n

\u00dcbersetzungen <\/strong>von Mensch <\/strong>und Maschine<\/strong><\/p>\n\n\n\n

Die Entwicklung der Sprachmodelle vom Typ LLM hat selbstverst\u00e4ndlich auch Auswirkungen auf Sprachdienstleister. Dass die Technologie immer h\u00e4ufiger bessere Ergebnisse liefert als die Machine Translation (etwa durch DeepL), ist mittlerweile unumstritten. Was jedoch im Falle interner Kommunikation oder Produkt-Informationen ausreicht, kann im Zusammenhang mit Marketing, mit Vertr\u00e4gen oder gar medizinischen Produktinformationen schnell sehr kritisch werden. LLM sind dabei keineswegs die \u201eGegner\u201c der Sprachdienstleister \u2013 im Gegenteil: Sie erweitern deren Palette um Angebote wie Post Editing<\/a>, die im ersten Schritt eine automatisierte \u00dcbersetzung bieten, die dann im zweiten Schritt von Profis \u00fcberarbeitet, auf Kontext und kulturelle Unterschiede \u00fcberpr\u00fcft und entsprechend angepasst und optimiert wird. Die Kund:innen erhalten somit das Beste aus beiden Welten. Ein weiteres Zitat, das Karl Kraus zugeschrieben wird, lautet: \u201eAm unverst\u00e4ndlichsten reden die Leute daher, denen die Sprache zu nichts anderem dient, als sich verst\u00e4ndlich zu machen.\u201c Falls er es wirklich so gesagt hat, hat er es gut gesagt.<\/p>\n","protected":false},"excerpt":{"rendered":"

Texte \u00fcbersetzen, interpretieren und selbst erstellen \u2013 K\u00fcnstliche Intelligenz beherrscht all dies bereits. Large Language Models (LLM) gehen hier noch einen bedeutenden Schritt weiter: Unter Einsatz von Deep Learning sollen die Ergebnisse nicht mehr von menschlich generierten Texten unterscheidbar werden. Die Sprachmodelle sind sehr weit gediehen und geraten doch an ihre Grenzen \u2013 die Grenzen\u2026<\/p>\n","protected":false},"author":7,"featured_media":18471,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1086,1087,1088,1044,1056,1057,1089,1],"tags":[1090,1091,1092,1093],"class_list":["post-21948","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-maschinelle-uebersetzungen-de-ch","category-sprachen-de-ch","category-sprachtechnologie-de-ch","category-terminologiemanagement-de-ch","category-trends-de-ch","category-uebersetzung-de-ch","category-uebersetzungsqualitaet-de-ch","category-unkategorisiert","tag-kuenstliche-intelligenz-de-ch","tag-large-language-models-de-ch","tag-llm-de-ch","tag-sprachdienstleister-de-de-de-ch"],"_links":{"self":[{"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/posts\/21948","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/comments?post=21948"}],"version-history":[{"count":3,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/posts\/21948\/revisions"}],"predecessor-version":[{"id":26326,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/posts\/21948\/revisions\/26326"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/media\/18471"}],"wp:attachment":[{"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/media?parent=21948"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/categories?post=21948"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.act-translations.com\/de-ch\/wp-json\/wp\/v2\/tags?post=21948"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}