人工智能的最新发展重启了该行业的创新精神和动力。由于炒作似乎已经降温，我们现在处于一个不同的境况，可以实事求是地评估哪些似乎是死胡同，哪些已经奏效。
技术通信与本地化之间存在着微妙的联系和重合。我们不再生活在源内容和目标层层递进的世界中。现在，传播多语种信息比以往任何时候都要容易，这也意味着传统的翻译模式已经跟不上时代的步伐。
从业务角度看，神经机器翻译并没有完全解决专业领域和不常用语言中小型项目的这一问题。所有这些都激发了在内容生命周期的各个环节进行创新并应用自动化和人工智能相关技术的需求。然而，这也是一把双刃剑，带来了一些新的挑战。
Agenor Hofmann-Delbor 将在演讲中介绍以下内容：
* 为什么带有人工智能插件的传统计算机辅助翻译工具无法充分发挥大语言模型的现有能力？
* 自动出版的普遍需求对出版过程的不良影响，以及避免这种影响的方法。
* 作者团队和本地化工程师如何找到各自独立但又互补的领域，在不放弃多年标准化工作的前提下，通过本地化工具提高日常工作效率。
* 我们身边缺少哪些难题的信息，以及如何帮助人工智能为我们提供更多帮助。
* 大语言模型的多模式如何为提高效率开辟全新的领域。
* 大语言模型如何帮助处理训练数据中从未包含的内容。
