Az kaynaklı diller: Neden konuşmak düşündüğünüzden daha değerli olabilir
· 2 dk okuma · languages, pay
Bu çeviri makine tarafından üretilmiştir ve ana dili konuşan biri tarafından kontrol edilmemiştir. Tereddüt halinde İngilizce sürüm esastır. Yanlış görünen bir şey varsa bize bildirin, düzeltelim. English
AI veri çalışmalarında değer, konuşmacı sayısından ziyade kıtlıkla ilişkilidir. Az konuşulan ve neredeyse hiç veri seti kapsamı olmayan bir dil, kazıma, çeviri veya sentetik veri ile doldurulamaz. Bu ancak konuşmacılar tarafından doldurulabilir, bu da az kaynaklı bir dilde akıcılığı gerçekten güçlü bir konum haline getirir.
Kısaca
- Az kaynaklı, az sayıda konuşmacı değil, mevcut veri seti kapsamının az olması anlamına gelir.
- Kazıma ve çeviri, ana dil konuşmacısı verisinin yerini tutamaz.
- Twi, Karakalpak ve Wayuu, Corpshore'un aktif olarak kapsadığı dillere örnektir.
- Az kaynaklı bir dil ile büyük bir dil arasında kod değiştirme özellikle değerlidir.
- Dil seviyesini abartmak, başvuruların başarısız olmasının en yaygın nedenidir.
Az kaynaklı gerçekten ne anlama geliyor?
Bu, bir dil için ne kadar kullanılabilir veri olduğuna, kaç kişinin konuştuğuna değil, atıfta bulunur. On milyonlarca konuşmacıya sahip bazı diller, dijital olarak neredeyse hiçbir şey yazılmadığı veya bir sistemin öğrenebileceği bir biçimde kaydedilmediği için az kaynaklıdır.
Bu, ödenen boşluktur. Bu boşluk kendiliğinden kapanmaz, çünkü materyal gerçekten birisi tarafından üretilene kadar mevcut değildir.
Bu neden çeviri ile çözülemez?
Çünkü çevrilmiş metin, insanların konuşma şekli değildir. İngilizce cümlelerin Twi'ye çevrilmiş bir derlemi, bir modeli çevrilmiş Twi'yi işlemesi için öğretir, bu da aslında kimsenin kullandığı Twi ile aynı dil değildir ve fark gerçek kullanımda hemen ortaya çıkar.
Aynı şey, bir model tarafından üretilen sentetik veri için de geçerlidir. Bir dilde kötü olan bir model, o dil için iyi eğitim verisi üretemez, bu da yalnızca insan konuşmacıların kırabileceği bir döngüsel sorundur.
Dillerinizi bir başvuruda nasıl sunmalısınız?
Gerçekten çalıştığınız her dili dürüst bir seviye ile listeleyin ve daha az yaygın olanları daha büyük bir akraba altında toplamak yerine açıkça adlandırın. Karakalpak, Özbek altında listelendiğinde kaybolur; Karakalpak, kendi başına listelendiğinde işe alınma nedeniniz olur.
Seviye konusunda doğru olun. Seviyeler işe alım sürecinde kontrol edilir ve kontrolü geçemeyen bir abartı başvuruya mal olur. Dürüst bir orta seviye sıklıkla olmaz.
Diğer sorular
AI'de az kaynaklı bir dil nedir?
Kaç kişinin konuştuğuna bakılmaksızın, eğitim için mevcut dijital verinin az olduğu bir dil. Boşluk ancak yeni materyal üreten ana dil konuşmacıları tarafından doldurulabilir.
Nadir diller, açıklama çalışmalarında daha fazla mı ödeme yapar?
Genellikle evet, çünkü değer kıtlıkla ilişkilidir. Az sayıda nitelikli kişinin çalışabileceği bir dil, büyük bir mevcut havuza sahip olandan daha fazla talep görür.
Resmi olarak yazamadığım bir dili listelemeli miyim?
Evet, seviyenizin dürüst bir tanımı ile. Konuşma çalışmaları genellikle resmi yazarlar yerine akıcı konuşmacılara ihtiyaç duyar ve farkı doğru bir şekilde belirtmek yardımcı olur, zarar vermez.