1722317684
2024-07-30 05:03:25
Galaxy AIはすでに 数百万 世界中のユーザーが接続してコミュニケーションをとることができます。ライブ翻訳、通訳、メモアシスト、ブラウジングアシストなど、大規模言語モデル（LLM）に基づくデバイス上のAI機能により、 16言語をサポート今年末までにさらに 4 台が追加される予定です。
言語ごとに独自の構造と文化があるため、Galaxy AI の言語機能を構築するプロセスには多くの時間と労力がかかりました。ブラジル、中国、インド、インドネシア、日本、ヨルダン、ポーランド、ベトナムなど、世界各地の Samsung の研究者が、Galaxy AI の開発の背後にある課題と成果を共有しました。Samsung ニュースルームでは、以下に彼らのストーリーを要約してまとめました。
翻訳モデルの開発
Live Translate などの Galaxy AI 機能は、自動音声認識 (ASR)、ニューラル機械翻訳 (NMT)、テキスト読み上げ (TTS) という 3 つのコア プロセスを実行します。
▲ 自動音声認識（ASR）、ニューラル機械翻訳（NMT）、テキスト読み上げ（TTS）は、それぞれトレーニングに異なる情報セットを必要とする。
サムスンR&D研究所ベトナム (SRV) は、ベトナム語が 6 つの異なる声調を持つ言語であるため、自動音声認識 (ASR) モデルで障害に直面しました。声調言語は、声調が言語のニュアンスに複雑さを加えるため、AI が認識するのが難しい場合があります。SRV は、約 20 ミリ秒の短いオーディオ フレームを区別するモデルでこの課題に対応しました。
サムスンR&D研究所ポーランド (SRPOL) は、ヨーロッパ大陸のように多様性に富んだ大陸向けにニューラル機械翻訳 (NMT) モデルをトレーニングするという巨大なハードルに直面しました。4 つのタイム ゾーンにまたがる 30 を超える言語にまたがるプロジェクトでの豊富な経験を活かして、SRPOL は特定のフレーズの翻訳不可能性を回避し、他の言語に直接相当する表現がない可能性のある慣用表現を処理することができました。
サムスンR&D研究所 ヨルダン (SRJO) は、20 か国以上で約 30 方言が話されているアラビア語を Galaxy AI に適応させました。発音区別符号と発音ガイドはアラビア語のネイティブ話者には広く理解されていますが、書き言葉では理解されないため、テキスト読み上げ (TTS) モデルの作成は容易な作業ではありませんでした。SRJO は、発音区別符号の欠落を予測する高度なモデルに基づいて、方言を理解し、標準アラビア語で回答できる言語モデルを公開することができました。
データの重要性
各言語で Galaxy AI をトレーニングするプロセス全体を通じて、現地の機関とのオープンなコラボレーションの重要性が重要なテーマでした。使用されるデータの品質は、ASR、NMT、TTS の精度に直接影響します。そのため、Samsung はさまざまなパートナーと協力して、各地域の専門用語、方言、その他のバリエーションを反映したデータを入手し、レビューしました。
▲ 各言語には独特の特性があり、AI 言語モデルの作成には課題が伴います。ベトナム語などの声調言語では、声調が複雑さを増します。
サムスンR&D研究所インド-バンガロール SRI-Bはヴェルール工科大学と協力し、会話の音声、単語、コマンドに関するセグメント化されキュレートされた約100万行の音声データを確保しました。学生たちは実際のプロジェクトで実践的な経験を積むとともに、サムスンの専門家から指導を受けました。豊富なデータにより、SRI-BはGalaxy AIをヒンディー語でトレーニングし、20以上の地方の方言とそれぞれの音調、句読点、口語表現をカバーしました。
ラテンアメリカのスペイン語モデルでは、言語の多様性がユーザー層の多様性に反映されているため、現地の言語的洞察が不可欠でした。たとえば、スイミングプールの単語は スイミングプール （メキシコ）、 プール （コロンビア、ボリビア、ベネズエラ）または シンク (アルゼンチン、パラグアイ、ウルグアイ) 出身の地域によって異なります。 サムスンR&D研究所ブラジル (SRBR) は、科学技術研究所の SiDi および Sidia と協力し、膨大な量のデータを収集および管理し、Galaxy AI のラテンアメリカスペイン語モデルの音声およびテキスト ソースを改良および改善しました。
サムスンR&D研究所中国-北京（SRC-B）とサムスンR＆D研究所中国広州（SRC-G）は、それぞれERNIE BotやMiracleVisionなどの大規模言語モデル（LLM）の開発から得た専門知識を活用するために、中国企業のBaiduおよびMeituと提携しました。その結果、Galaxy AIは北京語と広東語の両方の主要モードをサポートしています。
外部の協力に加えて、デューデリジェンスと内部リソースも不可欠でした。
インドネシア語は、社会的、状況的な手がかりに依存する文脈的、暗黙的な意味を多用することで有名な言語です。 サムスンR&D研究所インドネシア (SRIN) の研究者たちは、入力を歪める可能性のある実際の周囲の雑音を捉えるために、現場に出向いてコーヒーショップや職場環境での会話を録音しました。これにより、モデルは言語入力から必要な情報を認識することを学習し、最終的に音声認識の精度が向上しました。
日本語は音の数が限られているため、同音異義語が多くあります。そのため、文脈に基づいて単語を判断する必要があります。 サムスンR&D研究所日本 (SRJ) は、社内の LLM である Samsung Gauss を使用して、各シナリオに関連する単語やフレーズを含む文脈文を構成し、AI モデルが同音異義語を区別できるようにしました。
サムスンのグローバル研究ネットワーク
サムスンのさまざまな研究開発機関の専門家は、サムスンの世界的な研究ネットワークを最大限に活用しました。
SRI-B はヒンディー語に取り組む前に、世界中のチームと協力して、イギリス英語、インド英語、オーストラリア英語、タイ語、ベトナム語、インドネシア語の AI 言語モデルを開発しました。他のサムスン研究センターのエンジニアはインドのバンガロールを訪れ、ベトナム語、タイ語、インドネシア語を Galaxy AI に導入しました。
▲ スタッフと協力者がサムスンR&Dインスティテュートインドバンガロール（SRI-B）の前でポーズをとる
SRPOL は、多数の言語の ASR、NMT、TTS モデルの開発において豊富な経験を持っています。Galaxy AI の言語拡張における主要プレーヤーである SRPOL は、アラビア語方言の SRJO とブラジル系ポルトガル語およびラテンアメリカ系スペイン語の SRBR をサポートするために大陸を越えて協力してきました。
それぞれの拠点のサムスン開発者は、国境やタイムゾーンを越えて協力することを学びました。SRIN の開発者は、SRI-B の同僚と会う際に、インドの断食の習慣を観察しました。多くが誇りと感謝の気持ちを持って仕事を振り返り、このプロジェクトが言語、文化、伝統、アイデンティティに永続的な影響を与えていることを認識しました。
旅は続くが、努力は続く
サムスンは最近 紹介された サムスン電子は、最新の折りたたみ式デバイスやウェアラブルデバイスにGalaxy AIを搭載しています。今年初めの発売以来、Galaxy AIはすでに1億台以上のデバイスで使用されています。「2024年末までに2億台のデバイスに到達することを期待しています」と、サムスン電子のモバイルエクスペリエンス事業部門モバイルR&Dオフィスのエグゼクティブバイスプレジデント兼責任者であるウォンジュン・チェ氏は最近の発表会で述べました。 パネル・ディスカッション。
AI を民主化するというこの使命の中で、人類に利益をもたらし生活を向上させるこの安全で包括的なテクノロジーの提供につながった成果と進歩を振り返り、称賛することが重要です。Samsung は、さらに多くの機能、言語、地域の違いを備えた Galaxy AI エコシステムを構築することで、前例のない方法で異文化交流を促進し、すべての人のための AI というビジョンを実現しています。
#世界中のサムスンの研究開発機関が #Galaxy #に取り組んだ経緯 #サムスン #グローバル #ニュースルーム