M2M-100 kan vooral zo goed presteren vanwege het enorme aantal en assortiment aan taalinterpretaties dat het tijdens de ontwikkeling heeft voorbereid.
FAcebook gebruikte 2,200 sets dialecten om het nieuwe model te maken, een verscheidenheid van 7.5 miljard zinnen waarin de belangrijkste dialecten waren opgenomen, en een paar die niet zo breed gesproken werden.
Over het algemeen zijn interpretatiemodellen gepland rond een model voor iedereen taal, met Engels als middelpunt. Over het algemeen zal dat de interpretatie minder exact maken, zoals iedereen die een online tolk heeft gebruikt om een zin in een paar dialecten te sturen en daarna terug te zetten naar zijn unieke waarde, kan valideren. Facebook ging voor een meertalige machineinterpretatie (MMT)-model, waarbij alles gelijk blijft, een model dat de dialecten meet en op legitieme wijze ontcijfert.
Facebook presenteert het M2M-100-model als een behulpzame tolk in tal van unieke situaties, vooral voor dialecten die niet zo algemeen worden gesproken. Door het model open source te maken, zouden deze interpretaties aanzienlijk kunnen worden verbeterd, aldus Facebook. Het onlinemediapodium voert op een normale dag 20 miljard vertalingen uit, waarvan 66% geen Engels bevat. Om ervoor te zorgen dat minder mensen dialecten spreken die exacte interpretaties hebben, isoleerde Facebook de dialecten in 14 families en wees ze scaffold-dialecten toe van de meest populaire van die bijeenkomsten, vergelijkbaar met Hindi, Bengaals en Tamil, een associatie met de Indo-Arische dialecten.
1. De Messenger-regels voor Europese Facebook-pagina's veranderen. Hier is wat u moet weten
2. Dit is de reden waarom de chatbot-business sterft
3. Facebook neemt Kustomer over: een einde voor chatbotsbedrijven?
Het nieuwe model vormt een aanvulling op de levering door Facebook in juli van een geprogrammeerde erkenning van het discours (ASR) model uitgerust voor het begrijpen van 51 dialecten, gebaseerd op meer dan 16,000 uur aan gesproken kronieken. Het doel is om het voor stemcollega's werkbaar te maken om zowel te verwerken wat iemand zegt als over welke taal ze praten.
