Syntax as a Rosetta Stone: Universal Dependencies for In-Context Coptic Translation
Dit artikel presenteert een nieuwe in-context leermethode voor de vertaling van het Coptisch naar het Engels die, door het combineren van tweetalige woordenboeken met syntactische informatie uit Universal Dependencies-parses, nieuwe state-of-the-art resultaten bereikt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De Koptische Vertaal-Rosetta: Hoe Grammatica en Woordenboeken LLM's Helpen
Stel je voor dat je een oude, vergeten taal probeert te vertalen, zoals Koptisch (de taal van de oude christenen in Egypte). Het probleem is dat er heel weinig voorbeelden van deze taal op internet staan. Moderne kunstmatige intelligentie (zoals GPT-4 of Gemma) is als een superintelligente student die alles heeft gelezen op het internet, maar Koptisch heeft hij nooit gezien. Als je hem vraagt om een tekst te vertalen, raakt hij in paniek en verzint hij zinnen die klinken als goed Nederlands, maar die volledig fout zijn.
Dit onderzoek is als het geven van een speciale "cheat sheet" aan die student, zodat hij de tekst eindelijk begrijpt.
Het Probleem: De "Grote Leegte"
Koptisch is een "low-resource" taal. Dat betekent dat er niet genoeg digitale boeken of teksten zijn om de AI te trainen.
- Zonder hulp: De AI gis maar wat. Het is alsof je iemand vraagt om een recept in een taal te vertalen die hij niet kent, en hij raadt de ingrediënten op basis van hoe ze eruitzien. Het resultaat is vaak onzin.
- Met alleen een woordenboek: Als je de AI een woordenboek geeft, weet hij wat de losse woorden betekenen. Maar hij weet niet hoe die woorden aan elkaar hangen. Het is alsof je iemand een lijst met bouwstenen geeft, maar geen instructies hoe je er een huis van moet bouwen. De muren staan scheef.
De Oplossing: De "Rosetta Stone" aanpak
De onderzoekers van Georgetown University hebben een nieuwe manier bedacht om de AI te helpen. Ze gebruiken twee dingen tegelijk:
- Het Woordenboek (Lexicon): De betekenissen van de woorden.
- De Grammatica-analyse (Syntaxis): Een kaart die laat zien welke woorden bij elkaar horen en welke rol ze spelen (wie is het onderwerp? wie is het lijdend voorwerp?).
Ze noemen dit "Universal Dependencies" (UD). Denk hierbij aan een bouwtekening of een spoorwegnet. Het laat zien hoe de trein (het woord) van het ene station naar het andere moet rijden.
Hoe werkt het in de praktijk?
De onderzoekers hebben de AI verschillende "hulpmiddelen" gegeven in de vorm van instructies:
- De "Raw Data" (De CoNLL-U): Dit is alsof je de AI de ruwe bouwtekening geeft in een vreemde code. Voor grote, slimme modellen (zoals GPT-4) werkt dit goed; ze kunnen de code "lezen" en begrijpen.
- De "Vertaalde Grammatica" (DEP): In plaats van code, schrijven ze de regels in gewoon Engels. Bijvoorbeeld: "Het woord 'X' is het onderwerp van het werkwoord 'Y'." Dit werkt als een duidelijke uitleg voor de AI.
- De "Specifieke Tips" (CON): Soms zijn er lastige zinsconstructies die de AI vaak fout maakt. De onderzoekers hebben een module gemaakt die zegt: "Let op! Als je dit patroon ziet, betekent het dit, en vertaal het zo." Dit is als een ervaren leraar die zegt: "Vergeet niet dat in deze taal het werkwoord soms aan het einde staat!"
Wat bleek eruit?
De resultaten waren verrassend goed:
- Woordenboek alleen is niet genoeg: Het helpt, maar de zinnen blijven vaak onlogisch.
- Grammatica alleen is ook niet genoeg: Als je alleen de bouwtekening geeft zonder de namen van de stenen, weet de AI niet wat hij moet bouwen.
- De combinatie is de winnaar: Als je de AI zowel het woordenboek als de grammaticale kaart geeft, schiet de vertaalkwaliteit omhoog. Het is alsof je de student niet alleen de woorden geeft, maar ook uitlegt hoe je een zin bouwt.
Zelfs de kleinere modellen (die minder "slim" zijn) profiteerden enorm van deze aanpak. En het mooie is: de computer hoeft niet perfect te zijn. Zelfs als de grammatica-analyse een paar foutjes maakt (ongeveer 10%), werkt de vertaling nog steeds veel beter dan zonder hulp.
Waarom is dit belangrijk?
Koptisch is een taal die bijna uitgestorven is en die cruciaal is voor de geschiedenis van de religie en de Middellandse Zee. Veel oude manuscripten liggen in musea en zijn nog nooit vertaald.
Met deze methode kunnen we deze oude teksten veel sneller en beter vertalen. Het betekent dat experts minder tijd hoeven te besteden aan het corrigeren van fouten, en dat de wereld meer toegang krijgt tot deze historische schatten.
Kortom: Deze studie toont aan dat je een AI niet alleen kunt laten gissen met een woordenboek. Als je hem ook de "bouwplaat" van de zinnen geeft, kan hij zelfs de meest obscure, oude talen vertalen alsof het zijn moedertaal is. Het is de moderne Rosetta Stone voor de digitale wereld.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.