Гость этого выпуска – Александр Антонов, аналитик в Яндекс.Переводчике и создатель корпусов для чувашского языка [https://huggingface.co/alexantonov]. С Александром мы обсудили механизмы автоматического перевода и специфику работы с малоресурсными языками. А еще поговорили: 📍 Об истории развития моделей машинного перевода: от словарей и статистических моделей до нейронок и LLM 📍  Об автоматической обработке малоресурсных языков: где берутся данные для обучения моделей и как создаются параллельные корпуса 📍 Как разработчики учат модели учитывать контекст, интерпретировать метафоры и идиомы Ведущая, продюсер: Мария Бочарова Монтажер: Андрей Чиркин 🎧 Подписывайтесь на нас в соц. сетях: t.me/lingvo_podcast vk.com/lingvopodcast 📩 Вопросы и предложения отправляйте на почту: lingvopodcast.hse@gmail.com Таймкоды: 01:20 Как все начиналось: Манхэттанский проект и правиловые переводчики 04:05 Первые модели статистического перевода 07:50 Как нейросети поменяли правила игры 10:50 Как работает перевод для разных грамматических систем 12:40 Перспективы использования больших языковых моделей 15:50 Как собираются параллельные корпуса 20:10 Как оценивать модели перевода: бенчмарки, эталонные корпуса, нейросетевые метрики, люди 25:25 Путь Александра в Яндекс и автоматический перевод 27:40 Чувашско-русский переводчик, над которым работал Александр 33:25 Зачем большому бизнесу перевод для малых языков 35:00 Какие были сложности при сборе данных для чувашского языка 36:40 Лайфхаки по обучению моделей для малых языков 40:10 Перспективы корпуса чувашского языка: распознавание и генерация речи 43:05 Достигли ли своего предела технологии перевода? Технологии speech-to-speech, мультимодальные GPT, перевод по фото, локализация.