En els últims anys, la intel·ligència artificial generativa ha revolucionat la manera com creem, traduïm i gestionem continguts en diferents idiomes. Termes com IA generativa, LLM o IA agentiva se senten cada vegada amb més freqüència, però no sempre queda clar què signifiquen ni en què es diferencien. En aquest article aclarim aquests conceptes, analitzem la seva aplicació en l’àmbit de la traducció i els continguts multilingües, i compartim recomanacions pràctiques perquè les empreses puguin aprofitar el seu potencial de manera segura i responsable.

Què és la IA Generativa?

Definició:

Sistema d’IA que té la funció principal de generar contingut (text, imatges, software, àudio o vídeo) responent a una instrucció o un prompt.

Funcionalitats principals

La IA generativa ens ajuda a crear contingut, ja sigui text escrit o imatges i vídeo. Algunes altres funcionalitats que té son les següents:

• Respondre preguntes: Podem tenir una conversa formulant preguntes i obtenint respostes fent servir llenguatge natural i en diversos idiomes.
• Completar textos: Podem començar un text i demanar a la IA que l’acabi.
• Elaborar resums: pot resumir contingut molt llarg en la dimensió que li demanem
• Redactar contingut: li podem demanar que ens elabori l’índex per un article o que ens faci la primera versió de l’article mateix.
• Anàlisi de sentiments: ens pot analitzar un text o un contingut i definir els sentiments o les emocions que s’hi expressen.

Exemples d’IA Generativa actuals

• ChatGPT:(OpenAI)
• Copilot:(Microsoft)
• Gemini: (Google)
• Claude: (Anthropic)
• Meta AI: (Meta)

Què és un LLM?

1. 1. Definició tècnica: models de llenguatge entrenats amb grans quantitats de texts i milions de paràmetres: basats en arquitectures transformadores.
   2. Característiques principals: escala, dades d’entrenament, capacitats d’aprenentatge transferit i comprensió contextual.
   3. Exemples d’LLMs actuals (alguns sistemes d’IA generativa son també LLMs al mateix temps): GPT‑4, PaLM, LLaMA, Claude

Quina diferencia hi ha entre IA Generativa i LLMs?

1. 1. 1. Relació entre la IA generativa i els LLM: els LLMs son un subconjunt de la IA generativa enfocats en el llenguatge; constitueixen els motors de moltes aplicacions de IA generativa.

Diferències principals:

1. 1. 1. 1. La IA generativa inclou models que creen textos, imatges, àudio i vídeo.
         2. Els LLM se centren únicament en el llenguatge; el seu tamany (número de paràmetres i dades) és el que defineix l’adjectiu “large”.

Alguns models generatius no son LLMs (p.ej., Midjourney o DALL·E) i fan servir altres arquitectures para generar imatges.

Recomanació per a implementar els LLMs de forma responsable: sempre amb avaluació humana.

¿Què es la IA agentiva i en què es diferencia de la IA generativa i dels LLMs?

Definició:

La IA agentiva és un sistema d’agents capaços de planificar i dur a terme de forma autònoma tasques complexes i especialitzades.

Diferències principals:

1. 1. Autonomia i funció
   2. Model d’interacció: La IA generativa i els LLMs son reactius (actuen quan se li dona una instrucció, és a dir un prompt), mentre que la IA agentiva és proactiva i decideix quan i com actuar.
   3. Eines i resultats: La IA generativa i els LLMs entreguen contingut que un humà ha de revisar o implementar; la IA agentiva no només genera contingut (que també s’ha de revisar) sinó que el converteix en accions concretes, fent servir eines i APIs per executar tasques. Es connecta a les teves eines i carpetes de l’ordinador per accedir a la informació i poder realitzar les tasques.

Relació entre IA agentiva i IA generativa: No son tecnologies enfrontades ni etapes evolutives diferents, sinó enfocs complementaris. La IA agentiva integra models generatius com els LLMs per a generar text, mentre que utilitza les seves capacitats autònomes per a decidir què fer. Per exemple, un agent pot planificar una campanya de marketing (IA agentiva) i fer servir un LLM per a redactar els missatges i crear les imatges (IA generativa o LLMs).

Per què serveix un LLM? Aplicacions i casos d’ús

1. 1. Generació de text i contingut: xatbots, redacció automàtica, storytelling.
   2. Resum, classificació i extracció d’informació.
   3. Preguntes i respostes, assistents virtuals i anàlisis de sentiments.
   4. Traducció i altres tasques relacionades amb serveis lingüístics.

Com es fan servir els LLMs en traducció i continguts multilingües?

1. 1. LLM com a eina de traducció
   2. Comparació amb la traducció automàtica neuronal (NMT): La NMT segueix sent més ràpida i precisa en àmbits especialitzats, però els LLMs poden oferir traduccions mes naturals en alguns àmbits.
   3. Avantatges i limitacions: rendiment segons l’idioma amb molts o pocs recursos (a LocalizationLab hem fet proves en diferents idiomes i el resultat varia molt. Idiomes amb més contingut i més entrenament donen resultats millors).
   4. Riscos: terminologia, context, al·lucinacions, invenció de dades i contingut. És important assegurar que el text està escrit adequadament, seguint la qualitat lingüística requerida, i que sigui una traducció fidel a l’original. Aquest darrer punt és especialment important, ja que, a diferència de la traducció automàtica, els LLM poden introduir invencions o al·lucinacions.

Conclusió i consideracions per a empreses

Oportunitats que ofereixen els LLMs per a empreses pel que fa a la traducció i la creació de continguts multilingües: major eficiència i personalització.

Els LLMs poden ajudar en tasques diàries de redacció, revisió i traducció de contingut en diversos idiomes, però hem de ser conscients de les limitacions i riscos que comporta. Si volem publicar un contingut per clients en un altre idioma, és important que un lingüista nadiu ho revisi.

Si el que volem és una ajuda a l’hora de redactar contingut, revisar-lo o fer una primera versió en un altre idioma, els LLMs poden ser útils i ajudar-nos a ser més eficients. Tot i així, cal revisar sempre el contingut i fer els canvis necessaris per tal que sigui acurat i personalitzat.

A més, cal tenir en compte que els LLMs no utilitzen memòries de traducció ni glossaris, com sí que fan els softwares de traducció assistida i traducció automàtica neuronal. Per tant, hi pot haver errors de terminologia especialitzada i pròpia.

Riscos i precaucions: biaixos, al·lucinacions i privacitat.

Els LLMs no incorporen terminologia ni memòries de traducció, a no ser que l’usuari pugi el contingut a l’hora de redactar el prompt. Per tant hi poden haver errors terminològics i de glossari que haurem de revisar o fer servir altres eines d’IA de verificació de glossari i terminologia.

A més, son comunes les al·lucinacions (informació errònia) i la invenció de dades i contingut. És important assegurar que el text està escrit adequadament, seguint la qualitat lingüística requerida, i que sigui una traducció fidel a l’original.

Si fem servir un LLMs gratuït hem de tenir en compte que el contingut que pugem es pot fer servir per entrenar els motors i pot anar a parar a altres empreses. És important llegir les especificacions de seguretat i privacitat de cada LLMs abans de pujar contingut sensible o confidencial.

Recomanacions per implementar LLMs de forma responsable: avaluació humana, proves de qualitat i adaptació gradual

Per tal de fer un bon ús de la IA i ser més eficients, recomanem el següent:

• Redacta un prompt detallat i complert amb tota la informació
• Llegeix la informació sobre privacitat i seguretat abans de pujar contingut
• Revisa sempre el contingut en el teu idioma i fes revisar el contingut en altres idiomes per lingüista expert.
• Fes servir altres eines d’IA per verificar el resultat

Fonts consultades i referenciades

1. 1. Stanford University – AI Demistified
   2. HPE (Hewlett Packard Enterprise), “What is a Large Language Model (LLM)?”
   3. OTRS Blog – “IA agéntica vs. IA generativa: comparación y buenas prácticas”. Explica que la IA generativa crea contingut a partir d’instruccions humanes i utilitza LLMs per generar resultats amb un so natural. Defineix la IA agentiva com a autònoma, capaç de planificar i executar accions, i subratlla que l’autonomia és la diferència clau.
   4. Databricks Blog – “Agentic AI vs Generative AI: Comparing Autonomy, Workflows, and Use Cases”. Proporciona una taula comparativa que destaca les diferències en autonomia, funció, ús d’eines i riscos, i explica que la IA generativa és adequada per a tasques específiques relacionades amb el contingut, mentre que la IA agentiva automatitza tot el flux de treball.
   5. Coursera – “Generative AI vs. Large Language Models: What’s the Difference?”. Defineix clarament que la IA generativa engloba qualsevol sistema capaç de generar contingut, mentre que un LLM és un model especialitzat en text.
   6. Microsoft Learn, “Using artificial intelligence and large language models for translation” – Explica que la IA generativa es basa en models com els LLM i que aquests són capaços de generar combinacions de text en diversos idiomes; detalla els avantatges i els reptes d’utilitzar-los en la traducció i compara la NMT amb els LLM.
   7. NYU – Generative AI and Large Language Models (LLMs): Generative AI
   8. NVIDIA Blog, “What Are Large Language Models Used For?”

LocalizationLab
Partner estratègic de localització per al creixement global
www.localizationlab.com

Image @zugraphics_canva