شهریور
اخبار
کوهیر با نورثاسمالترنسلیت از گوگل و دیپال در ترجمه جلو زد
شرکت کوهیر با رونمایی از مدل نورثاسمالترنسلیت، ادعا میکند در ترجمهی ماشینی از گوگل ترنسلیت و دیپال جلو زده است؛ مدلی رایگان، متنباز و آماده برای رقابت جدی در بازار ترجمه.
لیست مطالب
۱. رونمایی از نورثاسمالترنسلیت: چرا این خبر مهم است
ترجمهی ماشینی یکی از قدیمیترین و در عین حال چالشبرانگیزترین کاربردهای هوش مصنوعی است؛ همان مسئلهای که در واقع انگیزهی اصلی طراحی معماری ترنسفورمر نزدیک به یک دهه پیش بود. حالا کوهیر با انتشار نورثاسمالترنسلیت، بار دیگر تمرکز صنعت را به همین حوزه برگردانده. برخلاف بسیاری از مدلهای همهکاره که ترجمه فقط یکی از قابلیتهای جانبی آنهاست، این مدل مستقیماً و تنها برای ترجمه ساخته شده و همین تمرکز باعث شده در آزمونهای تخصصی نتایج چشمگیری بگیرد.
نکتهی مهم این است که این مدل فقط یک آپدیت تدریجی نیست، بلکه به گفتهی کوهیر نخستین عضو خانوادهی «نورث» است که بهطور اختصاصی برای ترجمه طراحی شده؛ پیش از این، مدلهایی مثل تینیآیا و کامند-ای-ترنسلیت هم در همین مسیر منتشر شده بودند اما با هدف عمومیتر. برای آشنایی بیشتر با روند توسعهی اینگونه مدلها میتوانید سری اخبار هوش مصنوعی در بخش اخبار سایت را دنبال کنید.
برای کاربران عادی که تجربهی روزمرهشان با ترجمهی ماشینی محدود به گوگل ترنسلیت یا ابزارهای مشابه بوده، این خبر شاید در نگاه اول فقط یک بهروزرسانی فنی دیگر به نظر برسد. اما وقتی به عمق تفاوت امتیازها نگاه میکنیم، مشخص میشود که فاصلهی کیفی بین این مدل تخصصی و ابزارهای عمومی، آنقدر زیاد است که میتواند مسیر انتخاب ابزار ترجمه در سازمانها، ناشران و حتی توسعهدهندههای مستقل را تغییر دهد.
۲. معماری فنی: آمیزهای از متخصصان با ۲۱۸ میلیارد پارامتر
نورثاسمالترنسلیت از معماری آمیزهای از متخصصان (که در ادبیات فنی به آن MoE گفته میشود) استفاده میکند. این مدل در مجموع ۲۱۸ میلیارد پارامتر دارد، اما در عمل برای هر توکن فقط حدود ۲۵ میلیارد پارامتر، یعنی چیزی حدود ۱۱.۵ درصد از کل وزنها، فعال میشود. طراحی مدل شامل ۱۲۸ متخصص است که از این میان ۸ متخصص برای هر توکن فعال میشوند، بهعلاوه چند متخصص مشترک که همیشه در محاسبات حضور دارند.
مسیریابی و توجه ترکیبی
مکانیزم مسیریابی مدل بر پایهی تابع سیگموید روی امتیاز متخصصهاست که پس از آن در میان بهترین گزینهها نرمالسازی میشود. در بخش توجه (attention) هم از ترکیبی از لایههای پنجرهی لغزان و لایههای سراسری با نسبت سهبهیک استفاده شده؛ طراحیای که برای اولین بار در مدل کامند-ای کوهیر معرفی شده بود. پنجرهی زمینهی این مدل هم به ۱۶ هزار توکن ورودی و خروجی میرسد که برای ترجمهی اسناد طولانی کفایت میکند.
این نوع طراحی فنی دقیقاً همان چیزی است که باعث میشود مدلهای امروزی با وجود حجم بالای پارامتر، همچنان قابل اجرا روی سختافزار محدودتر باشند؛ موضوعی که در تحلیل امکانات و محدودیتهای واقعی هوش مصنوعی هم به آن پرداخته شده است.
۳. نتایج بنچمارک WMT26: کوهیر جلوتر از گوگل و دیپال
در آزمون استاندارد صنعت ترجمه یعنی WMT26 که توسط مدل جیپیتی-۵.۶-سول داوری شده، نورثاسمالترنسلیت در حالت استاندارد امتیاز ۸۳.۶ و در نسخهی عاملمحور (agentic) امتیاز ۸۴.۳۶ گرفته است. این در حالی است که کوئن ۳.۵ با ۳۹۷ میلیارد پارامتر تنها به امتیاز ۸۱.۵۶ رسیده، دیپال نکستجن ۸۱.۳۷ گرفته، جما ۴ روی ۷۹.۴۶ ایستاده و جیالام ۵.۲ با امتیاز ۷۶.۵۰ رتبه پایینتری داشته است.
اما نکتهای که بیشتر از همه توجهها را جلب کرده، فاصلهی زیاد با گوگل ترنسلیت است؛ ابزاری که سالهاست بهعنوان استاندارد صنعت ترجمهی آنلاین شناخته میشود اما در این آزمون تنها امتیاز ۶۸.۲ را ثبت کرده. در ترجمهی زبانهای اتحادیهی اروپا هم نورثاسمالترنسلیت با امتیاز ۸۲.۱۷ در برابر ۷۲.۷۳ جما ۴ پیش افتاده و در زبانهای جنوب آسیا هم امتیاز ۸۶.۱۶ را ثبت کرده است.
۴. برتری در ترجمهی متنهای طولانی
یکی از بزرگترین چالشهای مدلهای ترجمه، حفظ کیفیت و انسجام در متنهای بلند است؛ جایی که بسیاری از ابزارهای رایج بهسرعت افت میکنند. کوهیر برای سنجش این موضوع، آزمونی طراحی کرده که در آن دو فصل کامل از یک کتاب باید در یک درخواست واحد ترجمه شوند. نتیجه قابلتوجه است: نورثاسمالترنسلیت امتیاز ۴۸.۹ گرفته، در حالیکه گوگل ترنسلیت تنها ۲۱.۳ و جما ۴ فقط ۱۹.۴ امتیاز کسب کردهاند.
این فاصلهی بزرگ نشان میدهد مدلهای عمومیتر معمولاً برای ترجمهی پاراگرافهای کوتاه بهینه شدهاند، نه اسناد طولانی با ارجاعات داخلی و پیوستگی روایی. برای کسبوکارها و ناشرانی که با محتوای حجیم سروکار دارند، همین ویژگی میتواند تفاوت اصلی در انتخاب ابزار ترجمه باشد؛ نکتهای که در بحث اهمیت هوش مصنوعی برای کسبوکارها هم بارها به آن اشاره شده است.
۵. پوشش زبانی: از اروپا تا جنوب آسیا
نورثاسمالترنسلیت از ۵۰ زبان مختلف پشتیبانی میکند، از آلبانیایی گرفته تا ویتنامی. این پوشش گسترده باعث شده مدل بتواند در بازارهای منطقهای متنوعی بهکار گرفته شود، بدون اینکه نیاز به مدلهای جداگانه برای هر زبان یا هر منطقه باشد. کوهیر برای ساخت این مدل با تیم زبانشناسان شرکت آردبلیوسی همکاری کرده؛ همکاریای که تخصص انسانی در حوزهی زبان را با مقیاسپذیری مدلهای یادگیری عمیق ترکیب کرده است.
این رویکرد ترکیبی، یعنی استفاده از دانش تخصصی زبانشناسان در کنار دادههای آموزشی حجیم، یکی از دلایلی است که نتایج مدل در زبانهای کممنبعتر هم قابلقبول باقی مانده؛ موضوعی که در بحث محدودیتهای واقعی مدلهای زبانی معمولاً کمتر به آن پرداخته میشود.
۶. هزینه و سرعت: چرا این مدل مقرونبهصرفه است
در کنار کیفیت ترجمه، سرعت و هزینهی اجرا هم از نقاط قوت این مدل است. نورثاسمالترنسلیت در حالت همزمانی پایین، ۱۱۲ توکن در ثانیه تولید میکند، در برابر ۸۱ توکن برای جما ۴، و در مقیاس بزرگتر هم تا ۱.۴ برابر توان عملیاتی بیشتری دارد. از نظر هزینه هم مدل روی امتیاز ۸۰.۱ با هزینهای معادل ۰.۰۰۰۶۷۶ دلار برای هر وظیفهی ۶۶۱ توکنی قرار گرفته که تقریباً ۵۸ برابر ارزانتر از جمینای ۳.۱ پرو پریویو تمام میشود.
از نظر سختافزاری هم گزینههای متنوعی برای اجرا در نظر گرفته شده: نسخهی BF16 به چهار پردازندهی بی۲۰۰ یا هشت پردازندهی اچ۱۰۰ نیاز دارد، نسخهی FP8 با دو بی۲۰۰ یا چهار اچ۱۰۰ اجرا میشود و نسخهی فشردهشدهی چهاربیتی حتی روی یک پردازندهی بی۲۰۰ یا دو اچ۱۰۰ هم قابل اجراست. همین انعطاف باعث شده مدل هم برای شرکتهای بزرگ و هم برای تیمهای کوچکتر قابل استفاده باشد.
۷. دسترسی، لایسنس و نحوهی استفاده
کوهیر دسترسی به این مدل را از طریق رابط برنامهنویسی چت نسخهی دو، بهصورت رایگان تا سقف محدودیت نرخ درخواست فراهم کرده است. برای توسعهدهندههایی که میخواهند مدل را بهصورت محلی اجرا کنند هم نسخهی غیرتجاری در دسترس است. کسبوکارهایی که قصد استفادهی تجاری دارند هم میتوانند از طریق لایسنس اختصاصی به مدل دسترسی پیدا کنند. سه نسخهی مختلف از مدل شامل BF16، FP8 و NVFP4 روی هاگینگفیس منتشر شده تا هر تیم بسته به سختافزار خودش، نسخهی مناسب را انتخاب کند.
برای کسانی که تازه با مفهوم استفاده از اینگونه مدلها آشنا میشوند، مطالعهی راهنمای سادهی نوشتن پرامپت میتواند نقطهی شروع خوبی باشد، چون بسیاری از اصول تعامل با مدلهای زبانی در ابزارهای ترجمه هم کاربرد دارد.
۸. پیامد این رونمایی برای صنعت ترجمه و هوش مصنوعی
انتشار نورثاسمالترنسلیت نشان میدهد رقابت در حوزهی ترجمهی ماشینی دیگر محدود به چند غول شناختهشده مثل گوگل نیست. با پیشرفت مدلهای تخصصی و ارزانتر شدن هزینهی اجرای آنها، احتمال دارد شرکتهای کوچکتر و متوسط هم بتوانند ابزارهای ترجمهی اختصاصی خودشان را با کیفیتی نزدیک به بازیگران بزرگ بسازند. این روند شباهت زیادی به مسیری دارد که در چتباتهای عمومی طی شده؛ روندی که در مقایسهی چتجیپیتی و دیپسیک هم بررسی شده است.
از سوی دیگر، این خبر یادآوری میکند که هوش مصنوعی همچنان محدودیتها و ملاحظات خودش را دارد و باید با دیدی واقعبینانه بررسی شود، نه صرفاً از زاویهی هیجان بازار. برای فهم بهتر این موضوع، مقالهی توهم هوش مصنوعی و تفاوت توسعهدهندهی تنها با مهندس واقعی نگاه دقیقتری به این موضوع دارد. اگر هم میخواهید بدانید این رقابت چه معنایی برای شرکتهایی مثل اوپنایآی دارد، مطلب اوپنایآی چیست پسزمینهی خوبی به دست میدهد.
۹. سوالات متداول
نورثاسمالترنسلیت دقیقاً چیست؟ مدلی اختصاصی برای ترجمهی ماشینی است که شرکت کوهیر آن را با ۲۱۸ میلیارد پارامتر و معماری آمیزهای از متخصصان منتشر کرده است.
آیا این مدل واقعاً از گوگل ترنسلیت بهتر است؟ بر اساس آزمونهای اعلامشده توسط خود کوهیر، بله؛ این مدل در بنچمارک WMT26 امتیاز بسیار بالاتری نسبت به گوگل ترنسلیت ثبت کرده، هرچند نتایج مستقل هنوز بهطور کامل منتشر نشدهاند.
چطور میتوان از این مدل استفاده کرد؟ از طریق رابط برنامهنویسی رایگان کوهیر، یا با دانلود وزنهای مدل از هاگینگفیس برای اجرای محلی و غیرتجاری.
آیا این مدل برای فارسی هم کاربرد دارد؟ مدل از ۵۰ زبان پشتیبانی میکند؛ برای بهرهگیری کامل، بهتر است پیش از استفادهی عملیاتی، کیفیت ترجمه برای زبان فارسی بهطور مستقل بررسی شود.
آیا این مدل جایگزین مترجم انسانی میشود؟ برای متون فنی، تجاری و حجم بالا میتواند سرعت کار را چند برابر کند، اما برای متون حساس، ادبی یا حقوقی، بازبینی انسانی همچنان توصیه میشود.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
