04340ntm a22005657i 4500 000714393 CZ-PrVSE 20240623000300.0 m d cr n|||||||||| 240622s2024 xr fsbm 000 0 cze d NEZPRACOVANÝ IMPORT ABA006 cze ABA006 ABA006 rda Ponert, Samuel ISIS:162410 dis Comparison of translations of generative artificial intelligence eng Porovnání překladů generativní umělé inteligence / Samuel Ponert 2024 ?? stran : digital, PDF soubor Vedoucí práce: Ladislav Luc Bakalářská práce (Bc.)—Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky, 2024 Obsahuje bibliografii Textový (vysokoškolská kvalifikační práce) Rok obhajoby 2024 Hlavním cílem této bakalářské práce je porovnání schopnosti generativní umělé inteligence překládat text proti schopnostem neuronovému strojovému překladu. Pro dosažení tohoto cíle je představena historie, základní principy, výhody a nevýhody obou technologií. Jako dílčí cíle jsou zkoumány dopady oboru textu, délky textu a směru překladu, do češtiny a do angličtiny, na kvalitu překladu. Byly představeny způsoby měření kvality překladu, a to lidské, automatizované a spojení obou přístupů. Představeny byly metriky ChrF a HTER, které byly použity v empirické práci autora. Pro hodnocení kvality byly zvoleny texty ve čtyřech různých oborech a čtyřech různých délkách. Celkem bylo porovnáno osmdesát textů v šesti různých populárních službách. Jednalo se o tři služby neuronového strojového překladu a tři služby generativní umělé inteligence. Autor zjistil, že stávající populární přístup k překladu, neurální strojový překlad, má lepší výsledky. Přesto jedna ze sledovaných služeb generativní umělé inteligence, ChatGPT-4, překonala výsledky autorem dělaného lidského hodnocení jedné ze zvolených služeb neuronového strojového překladu. Dle autorových výsledků záleží na oboru textu a směru překladu při hodnocení kvality překladu. Jisté sledované obory mají významně lepší výsledky dle obou metrik a překlady do angličtiny mají ve všech sledovaných hodnotách lepší výsledky než výsledky překladu do češtiny. V případě dopadu délky textu na kvalitu překladu ukazují výsledky v autorově zvolených délkách na to, že délka nemá významný dopad na kvalitu překladu. Při růstu délky ale roste poměr chybných překladů z různých služeb, tedy s délkou roste počet překladů stejného textu od různých služeb, které potřebují alespoň jednu úpravu. Z dotazníkového šetření vyplynuly výsledky podobné těm Způsob přístupu: Internet aplikovaná informatika [obor bakal. práce] bakalářské práce fd132403 czenas bachelor's theses eczenas generativní umělá inteligence neuronový strojový překlad strojový překlad srovnání překladů metriky překladu Luc, Ladislav ISIS:57071 ths Novák, Richard, 1973- ntka173578 opn Vysoká škola ekonomická v Praze. Fakulta informatiky a statistiky kn20010709399 dgg https://insis.vse.cz/zp/86556/podrobnosti VŠKP v InSIS https://insis.vse.cz/zp/86556 Hlavní práce https://insis.vse.cz/zp/86556/posudek/vedouci Hodnocení vedoucího https://insis.vse.cz/zp/86556/posudek/oponent/81686 Oponentura https://insis.vse.cz/zp/86556/priloha/28477 Přiloha k práci https://insis.vse.cz/zp/86556/priloha/28478 Přiloha k práci https://insis.vse.cz/zp/86556/priloha/28479 Přiloha k práci https://insis.vse.cz/zp/86556/priloha/28480 Přiloha k práci https://insis.vse.cz/zp/86556/podrobnosti dc:identifier NEPOSILAT VSKP vse86556 240619 86556