Dengan layanan terjemahan AI yang menyaingi para profesional, Lengoo menarik putaran $ 20 juta baru – TechCrunch


Kebanyakan orang yang menggunakan alat terjemahan yang didukung AI melakukannya untuk tugas-tugas biasa yang relatif tidak penting seperti memahami satu frasa atau kutipan. Layanan dasar tersebut tidak akan berfungsi untuk perusahaan yang menawarkan dokumen teknis dalam 15 bahasa – tetapi Lengoo model terjemahan mesin kustom mungkin bisa membantu. Dan dengan putaran $ 20MB baru, mereka mungkin dapat membangun keunggulan yang cukup besar.

Bisnis penerjemahan adalah bisnis yang besar, jumlahnya miliaran, dan tidak ke mana-mana. Tugas yang terlalu umum untuk perlu merilis dokumen, perangkat lunak, atau situs web langsung dalam berbagai bahasa – mungkin lusinan.

Saat ini pekerjaan tersebut dilakukan oleh agen penerjemahan, yang mempekerjakan pembicara ahli untuk menyediakan terjemahan sesuai permintaan dengan kualitas tingkat tinggi. Munculnya terjemahan mesin sebagai alat sehari-hari tidak mempengaruhi mereka sebanyak yang Anda kira, karena kadang-kadang pengguna Portugis menggunakan terjemahan halaman web bawaan Google di situs web Korea adalah kasus khusus, dan hal-hal seperti menerjemahkan media sosial posting atau kalimat individu sebenarnya bukan sesuatu yang Anda bisa atau akan berikan kepada para profesional.

Dalam kasus-kasus yang lazim ini, “cukup baik” adalah aturannya, karena makna yang sebenarnya adalah semua yang diinginkan atau dibutuhkan oleh semua orang. Tetapi jika Anda merilis produk di 10 pasar berbeda yang berbicara dalam 10 bahasa berbeda, tidak perlu instruksi, peringatan, perjanjian hukum, atau dokumentasi teknis yang sempurna dalam satu bahasa dan baik-baik saja dalam sembilan bahasa lainnya.

Lengoo memulai dari sebuah tim yang bekerja untuk mengotomatiskan alur kerja antara perusahaan dan penerjemah.

“Langkah selanjutnya yang harus diambil jelas adalah mengotomatiskan terjemahan itu sendiri,” kata CEO dan pendiri Christopher Kränzler. “Kami masih membutuhkan manusia untuk waktu yang lama – tujuannya adalah untuk membawa model ke tingkat di mana mereka benar-benar dapat digunakan dan manusia memiliki lebih sedikit terjemahan untuk dibuat.”

Dengan kemampuan pembelajaran mesin yang terus ditingkatkan, itu sama sekali bukan tujuan yang tidak realistis. Perusahaan lain telah memulai jalan itu – DeepL dan Irama, misalnya, yang membuat kasus mereka dengan menunjukkan peningkatan besar atas kerangka kerja Google dan Microsoft, tetapi tidak pernah mengklaim menghapus manusia dari proses tersebut.

Lengoo mengulangi pekerjaan mereka dengan berfokus pada kecepatan dan spesifisitas – yaitu, membuat model bahasa yang mengintegrasikan semua jargon, preferensi gaya, dan persyaratan pemformatan klien tertentu. Untuk melakukan ini, mereka membuat model bahasa kustom dengan melatihnya tidak hanya dengan dokumen dan situs pelanggan sendiri, tetapi dengan terus menambahkan masukan dari proses terjemahan itu sendiri.

Representasi fantastis dari proses model yang memperbaiki diri.

“Kami memiliki pipeline pelatihan otomatis untuk model,” kata Kränzler. Semakin banyak orang berkontribusi pada proses koreksi, semakin cepat prosesnya. Akhirnya kami menjadi sekitar tiga kali lebih cepat dari Google atau DeepL. ”

Klien baru dapat memulai dengan model yang disesuaikan pada beberapa ribu dokumen dari beberapa tahun terakhir. Tetapi setiap kali model menghasilkan teks yang perlu dikoreksi, model tersebut mengingat koreksi khusus itu dan mengintegrasikannya dengan sisa pelatihannya.

Diagram yang menunjukkan seberapa sedikit koreksi yang diperlukan setelah AI menerima umpan balik tambahan.

Grafik batang yang menarik. Setelah 30 iterasi, segmen yang tidak memerlukan koreksi menjadi dua kali lipat, dan segmen yang memerlukan sedikit koreksi akan bertambah banyak.

Meskipun “kualitas” terjemahan sulit untuk diukur secara objektif, dalam hal ini tidak ada masalah, karena bekerja sebagai alat penerjemah manusia berarti ada pemeriksaan kualitas yang terpasang. Seberapa baik terjemahan dapat diukur dengan “jarak koreksi , ”Pada dasarnya jumlah perubahan yang harus dilakukan manusia pada teks yang disarankan model. Koreksi yang lebih sedikit tidak hanya berarti terjemahan yang lebih baik, tetapi lebih cepat, yang berarti kualitas dan kecepatan keduanya memiliki metrik yang objektif.

Perbaikan tersebut telah memenangkan hati pelanggan yang mencurigai otomatisasi berlebihan di masa lalu.

“Awalnya ada perlawanan,” Kränzler mengakui. “Orang-orang beralih ke Google Terjemahan untuk terjemahan sehari-hari, dan mereka melihat kualitasnya semakin baik – mereka dan DeepL telah mendidik pasar, sungguh. Orang-orang sekarang mengerti bahwa jika Anda melakukannya dengan benar, terjemahan mesin berfungsi dalam kasus penggunaan profesional. Pelanggan besar mungkin memiliki 30, 40, 50 penerjemah, dan mereka masing-masing memiliki gaya mereka sendiri … Kami dapat menegaskan bahwa kami lebih cepat dan lebih murah, tetapi juga kualitas, dalam hal konsistensi, meningkat. ”

Meskipun menyesuaikan model dengan data klien bukanlah pendekatan yang unik, Lengoo tampaknya telah membangun keunggulan atas pesaing dan perusahaan besar yang lebih lambat yang tidak dapat meningkatkan produk mereka cukup cepat untuk mengimbanginya. Dan mereka bermaksud untuk memperkuat keunggulan itu dengan mengubah tumpukan teknologi mereka.

Masalahnya adalah karena mengandalkan lebih banyak atau kurang teknologi pembelajaran mesin tradisional, loop umpan balik penerjemah-AI yang penting menjadi terbatas. Seberapa cepat model diperbarui bergantung pada seberapa banyak penggunaannya, tetapi Anda tidak akan melatih model besar hanya untuk mengintegrasikan konten yang bernilai beberapa ratus kata lagi. Secara komputasi mahal untuk melatih ulang, jadi ini hanya bisa dilakukan secara sporadis.

Namun Lengoo berencana untuk membangun framework terjemahan mesin neural miliknya sendiri yang lebih responsif yang mengintegrasikan berbagai pipeline dan proses yang terlibat. Hasilnya tidak akan meningkat dalam waktu nyata, tepatnya, tetapi akan menyertakan informasi terbaru dengan cara yang lebih cepat dan tidak terlalu rumit.

“Anggap saja sebagai perbaikan segmen demi segmen,” kata pimpinan riset terapan Ahmad Taie (segmen bervariasi dalam ukuran tetapi umumnya merupakan “potongan” teks yang logis). “Anda menerjemahkan satu segmen, dan pada segmen berikutnya, Anda sudah memiliki perbaikan yang dilakukan pada model.”

Membuat fitur produk utama itu lebih baik, lebih cepat, dan lebih mudah diimplementasikan oleh pelanggan oleh pelanggan adalah kunci untuk menjaga klien tetap terhubung, tentu saja. Dan meskipun kemungkinan akan ada persaingan ketat dalam ruang ini, Kranzler tidak mengharapkannya datang dari Google atau perusahaan besar mana pun yang ada, yang cenderung mengejar pendekatan akuisisi dan integrasi daripada pendekatan pengembangan yang gesit.

Sedangkan untuk penerjemah ahli manusia, bidang ini tidak akan menggantikannya tetapi dapat memperluas efektivitasnya, pada akhirnya, sebanyak urutan besarnya, yang dapat menyusutkan tenaga kerja di sana. Tetapi jika pasar internasional terus tumbuh dan dengan mereka kebutuhan akan terjemahan profesional, mereka mungkin akan mengikuti.

Putaran $ 20 juta, yang dipimpin oleh Inkef Capital akan memungkinkan Lengoo untuk melakukan lompatan ke pasar Amerika Utara serta pasar Eropa tambahan, dan berintegrasi dengan lebih banyak tumpukan perusahaan. Investor lama Redalpine, Creathor Ventures, Techstars (dari program mana perusahaan berasal), dan angel Matthias Hilpert dan Michael Schmitt semuanya bergabung dalam putaran tersebut, bersama dengan investor baru Polipo Ventures dan Volker Pyrtek.



Sumber

Related Articles

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Stay Connected

21,582FansLike
0FollowersFollow
0SubscribersSubscribe
- Advertisement -

Latest Articles