Nga GPT-3 në GPT-5: Si ndryshoi realisht cilësia e përkthimit me AI

GPT-3, GPT-4 dhe GPT-5 janë pesë vjet dhe disa breza arkitekturash larg njëri-tjetrit, por pyetja e dobishme për përkthimin nuk është "cili është më i zgjuari". Ajo është më specifike: çfarë ndryshoi konkretisht në mënyrën se si këta modele trajtojnë ato pjesë të një gjuhe që nuk përkthehen fjalë për fjalë, si idiomat, dykuptimësia dhe regjistri? Përmirësimi ndodhi në vende specifike, në pika specifike, dhe nuk ndoqi një vijë të drejtë nga më i vjetri tek më i riu.

Çfarë ofroi në të vërtetë GPT-3 për përkthimin

OpenAI e publikoi GPT-3 në vitin 2020, përpara se të ekzistonte vetë programi i testimit të MachineTranslation.com, ndaj asgjë këtu nuk është një standard vlerësimi pronësor. Është një histori e mirëdokumentuar, jo një rezultat testimi i brendshëm. GPT-3 ishte modeli i parë i llojit të tij i aftë për të prodhuar tekst të rrjedhshëm dhe me tingull natyral njerëzor në disa gjuhë pa trajnim specifik për detyrën, gjë që e bëri atë një arritje të vërtetë historike. Për përkthimin konkretisht, po ajo rrjedhshmëri krijoi një rrezik real: GPT-3 mund të prodhonte një fjali me vetëbesim dhe të formuar mirë në gjuhën e synuar që prapëseprapë ishte e gabuar, pa asnjë element në rezultat që të sinjalizonte se kishte ndodhur një gabim.

Çfarë ndryshoi kur erdhi GPT-4

GPT-4 u lançua në mars 2023, dhe testimi i modeleve nga vetë MachineTranslation.com nis pikërisht rreth këtij brezi. Përmirësimi ishte real, por i pabarabartë. Duke testuar frazën angleze me dy kuptime "That's sick" në japonisht, GPT-4.1-nano ishte i vetmi model nga gjashtë të testuarit që e ngushtoi kuptimin e dyfishtë të qëllimshëm të frazës në një interpretim të vetëm, ndërsa pesë të tjerët ruajtën dykuptimësinë që synonte fraza origjinale. Idiomat ishin një dobësi më e madhe: duke kaluar idiomën spanjolle "llevarse el gato al agua" në pesë versione të GPT-së njëherësh, modelet më të vogla GPT-4o-mini dhe GPT-4.1-nano prodhuan të dy të njëjtin përkthim fjalë për fjalë dhe të pasaktë, duke e humbur plotësisht idiomën.

I njëjti model u shfaq edhe diku tjetër. Një idiomë gjermane, "ich verstehe nur Bahnhof", e kaluar nëpër tetë nën-versione të GPT dhe Claude, u përkthye fjalë për fjalë dhe gabimisht konkretisht nga GPT-4o-mini, ndërsa një model më i vogël dhe më i ri në të njëjtin test, GPT-4.1-nano, e përktheu saktë. Brezi dhe madhësia e modelit nuk korrespondonin në ndonjë mënyrë të qëndrueshme, një model sjelljeje ky që testimi i versioneve të modeleve nga MachineTranslation.com e trajton më në thellësi.

Çfarë ndryshoi GPT-5 për përkthimin

OpenAI e prezantoi GPT-5 si një sistem të unifikuar që bën rrugëzimin midis një modeli standard të shpejtë dhe një modeli arsyetimi më të thellë në varësi të detyrës, një ndryshim strukturor ky nga dizajni me një model të vetëm i GPT-4. Vetë GPT-5 System Card nga OpenAI raporton se shkalla e përgjithshme e gabimeve faktike të modelit është afërsisht 45% më e ulët se ajo e GPT-4 dhe 80% më e ulët se ajo e GPT-3, një fitim i përgjithshëm i besueshmërisë që shfaqet konkretisht edhe për përkthimin. Testimet e MachineTranslation.com tregojnë përparimet më të qarta aty ku modelet e epokës së GPT-4 hasën më shumë vështirësi: në të njëjtën idiomë spanjolle ku GPT-4o-mini dhe GPT-4.1-nano gabuan, si GPT-5.4-mini ashtu edhe GPT-5.4 arritën përkthime korrekte dhe idiomatike, secili duke e formuluar pak më ndryshe, por që të dy duke e kuptuar vetë idiomën.

Kjo pikë e fundit ka rëndësi: një testim më vete i një fraze standarde biznesi, "please confirm receipt of this document," e përkthyer në gjermanisht, dha rezultate pothuajse identike në të gjitha modelet e testuara, përfshirë GPT-4o-mini dhe modelet e gjeneratës GPT-5. Hendeku midis gjeneratave është specifik për gjuhën figurative dhe të paqartë, jo një diferencë e përgjithshme në cilësi.

A nënkupton gjithmonë një gjeneratë më e re e GPT përkthim më të mirë?

Jo. Duke testuar një shprehje frazeologjike në hebraisht nëpër familje të ndryshme modelesh, GPT-5.4-mini dhe GPT-5.4 arritën në dy interpretime të ndryshme dhe të pjesshme të së njëjtës shprehje, asnjëra prej të cilave plotësisht e saktë, ndërsa një model më i vjetër dhe i palidhur iu afrua më shumë. Një model më i ri nuk është automatikisht më i saktë, dhe një model më i madh ose më i fundit nuk është automatikisht zgjedhja më e sigurt për një fjali të caktuar.

Ku qëndron GPT-5 për përkthimin sot

GPT-3 dhe GPT-4 janë hequr të dy nga ChatGPT; GPT-4 mbetet i arritshëm vetëm përmes API-së së OpenAI për integrimet ekzistuese. Brezi aktual, GPT-5.4 dhe GPT-5.5, është ai që MachineTranslation.com përdor sot, dhe performon në mënyrë konkurruese kundrejt modeleve aktuale nga ofrues të tjerë, megjithëse jo uniformisht më mirë në çdo çift gjuhësh. Për një vështrim më të hollësishëm mbi mënyrën se si nën-versionet aktuale të GPT krahasohen me njëri-tjetrin dhe me modele si Claude dhe DeepSeek, shikoni testimin ballë për ballë të nën-versioneve nga MachineTranslation.com, i cili shkon më thellë sesa mund të shkojë një përmbledhje e përgjithshme brezash.

Çfarë do të thotë kjo nëse po bëni lokalizim në shkallë të gjerë

Gjetja që ka më shumë rëndësi për një program të madh lokalizimi nuk është se "GPT-5 mund GPT-3". Është fakti se versioni i modelit, dhe jo vetëm familja e modelit, përcakton nëse një shprehje frazeologjike apo një frazë e paqartë përkthehet saktë, dhe kjo vlen për çdo çift gjuhësor, jo vetëm për pak prej tyre të paraqitura këtu. Kjo ka më shumë rëndësi në përmbajtjet që mbështeten para së gjithash te toni dhe gjuha figurative, veçanërisht tekstet e marketingut dhe përmbajtja e krijuar nga përdoruesit, ku një shprehje e vetme frazeologjike e përkthyer fjalë për fjalë mund të ndryshojë të gjithë kuptimin e një postimi ose të një reklame. Një program që transferon përmbajtje në dhjetëra gjuhë do të ndeshet pikërisht me këtë lloj gjuhe në secilën prej tyre. Seria e testimeve të nën-versioneve dhe testimi i plotë krahasues i modeleve nga MachineTranslation.com e trajtojnë këtë më thellësisht. Qasja e platformës, e cila ekzekuton modelet aktuale të GPT krahas më shumë se 20 të tjerëve në çdo përkthim, ekziston posaçërisht sepse historia e versioneve të asnjë modeli të vetëm nuk është një garanci mjaftueshëm e besueshme më vete.

Pyetjet më të shpeshta