Au tour du traducteur (S2_16) : Marc-Antoine Rondeau, Mila Québec скачать в хорошем качестве

Au tour du traducteur (S2_16) : Marc-Antoine Rondeau, Mila Québec

Je me suis entretenue avec Marc-Antoine Rondeau, titulaire d'un doctorat en génie électrique et électronique, de l'Université McGill. Il s'est spécialisé en compréhension du langage naturel. Il est maintenant scientifique senior en recherche appliquée, Recherche appliquée en apprentissage automatique, Mila Québec, l'Institut québécois de recherche en intelligence artificielle. Il est ingénieur électricien, titulaire d'une maîtrise en génie électrique de l'École de technologie supérieure (ÉTS) et d'un doctorat en compréhension du langage naturel de l'Université McGill. Ensemble, nous tenterons d'établir si une collaboration entre traductrices et traducteurs, d'une part, et la communauté de la recherche en intelligence artificielle, d'autre part, serait possible. Marc-Antoine expliquera l'évolution de l'informatique depuis l'apparition de l'apprentissage profond jusqu'à nos jours. Il nous fera découvrir les grands modèles de langage (GML), communément appelés LLM (large language models). À cette fin, nous répondrons aux questions suivantes. 1. Le monde de la traduction et la communauté de la recherche en intelligence artificielle semblent se parler très peu. Auraient-ils intérêt à collaborer? Les deux auraient intérêt à travailler ensemble, les traductrices et les traducteurs, pour augmenter le productivité tout en améliorant la qualité de leurs traduction, et les développeurs, pour régler les hallucinations causées notamment par les limites des modèles de connaissance du monde. Or, on le sait, les traductrices et les traducteurs, appelés de plus en plus à faire de la postédition, se rendent compte qu'on leur demande de travailler avec un outil développé sans qu'aucun langagier n'ait apporté sa contribution dans son développement. 2. Dans quelle mesure les traductrices et les traducteurs pourraient-ils mettre à contribution leur expertise dans le développement des outils d'aide à la traduction, des grands modèles de langage (LLM), entre autres? 3. Dans quelle mesure les outils d'intelligence artificielle font-ils l'objet d'un battage publicitaire extravagant (hype)? Comment cette publicité se présente-t-elle? Quels sont les arguments de vente? 4. Pourquoi les résultats des recherches en cognition (traduction) ne sont-ils pas pris en compte par les agences et les cabinets de traduction? Pourquoi ceux-ci ne s'en inspirent pas pour améliorer leurs processus et former mieux et plus rapidement leurs recrues, par exemple? Publications 1. "LSTM-based NeuroCRFs for named entity recognitionLSTM-based NeuroCRFs for named entity recognition", Interspeech, ·1er juillet 2016 2. "Recent improvements to NeuroCRFs for named entity recognition. Conférence: 2015 IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU)", 1er décembre 2015 3. "Full-rank linear-chain NeuroCRF for sequence labelingFull-rank linear-chain NeuroCRF for sequence labeling" Conférence : IEEE 2015 International Conference on Acoustics, Speech and Signal Processing, Brisbane, · 1er avril 2015