虽然大型语言模型(LLMs)正在迅速取代神经机器翻译(NMT)模型，正如Unbabel的首席技术官João Graca最近在Slator播客中提到的那样，在某些利基领域，NMT仍在坚持下去。
Logrus Global、Ocean Translations和曼彻斯特大学在2023年12月进行的一项研究发现，在临床领域微调小型语言模型产生的翻译效果明显好于LLMs，并于2024年7月26日发表了一项新研究。
在这项最新研究中，专门从事人工智能模型训练的人工智能研究和基础设施公司AI Amplified的Bunyamin Keles、Murat Gunay和Serdar Caglar进一步探索了定制化NMT模型在医学翻译中的作用。
具体来说，AI Amplified团队使用MarianMT基本模型开发了为医学文本量身定制的小型NMT模型。
与2023年12月的研究不同，他们将LLMs纳入到循环中，以创建综合训练数据。Murat Gunay在接受Slator采访时表示:“我们观察到LLMs在生成合成数据方面特别有效，这对于训练我们的模型来说是非常宝贵的。”他们的模型接受了来自科学文章、临床文件和其他医学文本的合成和真实医学数据的训练，并以六种语言提供: 英语、德语、土耳其语、法语、罗马尼亚语、西班牙语和葡萄牙语。
作者认为，他们的方法，结合对高质量、特定领域数据的微调，使这些专门的NMT模型优于通用模型，甚至优于一些领先的LLMs。
他们指出，有更多参数的模型不一定能得到更高质量的分数，并强调数据的质量和微调过程往往比模型大小本身更重要。他们强调:“LLMs不一定比NMT更好，而且数据集和训练的质量也很重要。”
小型专业模型优于LLMs
作者将他们的模型的翻译质量与谷歌翻译、DeepL、GPT-4-Turbo在所有语言对中的翻译质量进行了比较。对于英-德医学翻译模型，他们将比较扩展到Claude-3。
他们的模型在多个自动评估指标(包括BLEU、METEOR、ROUGE和BERT)上的表现优于谷歌翻译、DeepL和GPT-4-Turbo，并通过ChatGPT和Claude AI作为“公正法官”的评估。他们选择了自动和基于LLMs的评估，而不是人工评估，“以减轻时间和成本限制”，同时仍然获得“对翻译质量的有价值的见解”。
“分析[…]表明我们的模型取得了非常令人满意的统计显著结果，”他们说，尽管他们仍然致力于不断改进他们的数据集和模型，以获得更高的性能分数。
为此，他们还强调需要“更多共享的开源基准测试数据”。为了使该领域的评估标准化，他们引入了一个新的医学翻译测试数据集。
他们的模型可以在他们的网站上进行测试，用户可以在那里探索演示翻译并亲眼目睹模型的功能。
作者的主要目标是实现“医学文本的零错误翻译”，认识到错误翻译在医疗保健环境中可能带来的潜在风险。“病人和医生之间的错误翻译可能会危及病人的安全，”他们说。
尽管有一些不同语言的医学翻译模型，但他们指出，鉴于医疗领域“对高端翻译服务的持续需求”，“对医学文本翻译模型的需求仍然很大”。
他们还强调，医学翻译对于弥合沟通差距“至关重要”，强调了机器翻译在医疗保健领域“不可或缺”的作用。
这些模型旨在供医疗保健专业人员和各种利益相关者使用，旨在“为全球卫生界做出重大贡献”，为“改进知识传播和改善医疗保健结果”铺平道路。
作者总结道:“这项研究为未来与医疗保健相关的人工智能发展铺平了道路。”
（机器翻译，轻度译后编辑，仅供参考。）
编辑：陈驭格
