هوش مصنوعی مِتا می‌تواند ۲۰۰ زبان مختلف را ترجمه کند

این کار به لطف فعالیت آنچه مارک زاکربرگ (Mark Zuckerberg)، مدیرعامل متا، آن را "یکی از سریع‌ترین ابررایانه‌های جهان" می‌نامد، انجام می‌شود. این شرکت تلاش‌های خود در این جهت را "No Language Left Behind" (هیچ زبانی از قلم نیفتاده) یا به اختصار NLLB می‌نامد و امیدوار است بتواند امکان انجام روزانه بیش از ۲۵ میلیارد ترجمه در برنامه‌های متا را فراهم کند. اگرچه امروزه بیش از ۷۱۰۰ زبان شناخته شده در سراسر جهان صحبت می‌شود، اما  بسیاری از آنها مجموعه داده‌های کافی را برای آموزش هوش مصنوعی ندارند. به گزارش ایتنا از ایسنا، این زبان‌های به اصطلاح کم منابع عبارتند از: عربی مصری، بالی (Balinese)، ساردینی (Sardinian)، فولانی (Nigerian Fulfulde)، پانگاسینانی (Pangasinan) و اومبوندو (Umbundu) که اگرچه توسط جمعیت قابل توجهی صحبت می‌شوند، اما در فضای اینترنت به همان اندازه از آن‌ها استفاده نمی‌شود. مارک زاکربرگ، مدیر عامل متا در بیانیه‌ای که در فیسبوک منتشر شد، گفت: روش‌های مدل‌سازی هوش مصنوعی که ما استفاده می‌کنیم، به ترجمه‌ با کیفیت زبان‌هایی که میلیاردها نفر در سراسر جهان صحبت می‌کنند، کمک می‌کند. این مدل جدید می‌تواند ۵۵ زبان آفریقایی را با "با کیفیت بالا" ترجمه کند. این مدل ۲۰۰ زبانه دارای بیش از ۵۰ میلیارد پارامتر است و ما آن را با استفاده از یکی از سریع‌ترین ابررایانه‌های هوش مصنوعی در جهان به نام "SuperCluster"، آموزش دادیم. برقراری ارتباط بین زبان‌ها یکی از ابرقدرت‌های هوش مصنوعی است، هوش مصنوعی همه کارهای ما را بهبود می‌بخشد؛ از نمایش جالب‌ترین محتواها در فیسبوک و اینستاگرام و ارائه تبلیغات مرتبط‌ گرفته تا ایمن نگه‌داشتن خدماتمان برای همه. یکی از محققان هوش مصنوعی متا می‌گوید: این بدان معناست که میلیاردها نفر می‌توانند به زبان مادری خود با دیگران ارتباط برقرار کنند. این غول فناوری برای انجام پروژه "هیچ زبانی از قلم نیفتاده"، ابتدا نیاز به انجام مصاحبه‌های اکتشافی با افراد بومی که این زبان‌های کم منابع را صحبت می‌کنند، داشت. آن‌ها سپس یک مدل محاسباتی ایجاد کردند که با استفاده از داده‌های به‌دست‌آمده با روش‌های جدید و مؤثر آموزش داده می‌شود. محققان همچنین به مزایای گسترده‌تر وارد کردن این نوع زبان‌ها به عنوان راهی برای کاهش نابرابری دیجیتال اشاره می‌کنند. محققان می‌گویند که هدف اصلی این پروژه کاهش نابرابری‌های زبانی در یک بستر جهانی است.