24 июля 2026

Как ИИ понять предложение, если оно начинается на казахском, а заканчивается на русском? 🤖 В разговорной речи в Казахстане русский и казахский часто используются вперемешку. В NLP это называется код-свитчингом, и это одна из сложно решаемых задач в области машинного перевода. Главным образом потому, что готовых обучающих данных для ряда не самых распространенных языковых пар почти нет. В новой статье на Хабре рассказываем, как нашим исследователям в содружестве с коллегами из нескольких университетов удалось улучшить качество перевода смешанной русско-казахской речи, используя синтетические обучающие данные. Вы узнаете: ✅ как SimAlign помогает сохранять казахскую грамматику и учитывать смысл и контекст; ✅ зачем к юридическим документам и пресс-релизам добавили 127 тыс. сообщений из соцсетей; ✅ почему дообучение готовых моделей оказалось эффективнее обучения с нуля; ✅ каковы подводные камни обучения на синтетике и почему авторы сами не уверены в точности оценки качества перевода в рамках своего исследования. С полным разбором можно ознакомиться на Хабре MWS AI 👩‍🎓