Av Sarah Glaser, Laëtitia Joly og Katia Pinquier, studenter som studerer til en Mastergrad i anvendte fremmedspråk ved Grenoble Alpes University.

I – Fremveksten av kunstig intelligens i oversettelse 

Utviklingen av AI og dens integrering i oversettelse

Ettersom KI har opplevd store fremskritt de siste tiårene, har det påvirket flere sektorer, inkludert språkoversettelse. Bruken av KI i oversettelse oppsto på 1950-tallet med etableringen av regelbasert maskinoversettelse (RBMT) (Vinson, 2025). Den var avhengig av forhåndsdefinerte språklige regler for å oversette tekst fra ett språk til et annet. Reglene måtte imidlertid legges inn manuelt, noe som tok mye tid, og oversettelsene var ikke veldig nøyaktige.

Så dukket statistisk maskinoversettelse (SMT) opp på 1980-tallet. Den tillot datamaskiner å analysere store tospråklige korpuser for å justere ord og uttrykk ved hjelp av statistikk. Det var imidlertid vanskelig å oversette nøyaktig mellom språk med store grammatiske forskjeller, for eksempel engelsk og japansk.

På 2010-tallet førte nevral maskinoversettelse (NMT) til en stor endring innen feltet. I likhet med SMT ble datamaskinen trent ved hjelp av store tospråklige korpus, men takket være dyplæringsalgoritmer og nevrale nettverk var oversettelsene mer nøyaktige enn noen gang før («History of AI Translation», 2022). Denne nøyaktigheten gjorde NMT stort sett populært, noe som skapte et stort skifte i oversettelsesbransjen.

Siden begynnelsen av 2020-tallet har generative AI-modeller dukket opp. EUs AI-lov (2023, artikkel 28 b(4)) definerer generativ AI som «grunnleggende modeller som brukes i AI-systemer som er spesielt ment å generere, med varierende nivåer av autonomi, innhold som kompleks tekst, bilder, lyd eller video». Den skiller seg fra tradisjonell AI, som fokuserer på spesifikke oppgaver, som klassifisering, prediksjon eller definert problemløsning. Generativ AI tar sikte på å produsere nye data som ligner menneskeskapt innhold. Generative modeller, som OpenAIs ChatGPT, har vist ferdigheter i språkforståelse og oversettelse, og kan produsere kontekstuelt nøyaktige oversettelser, selv om de ikke er oversettelsesprogramvare i seg selv.

Oversettelsesverktøy og deres avhengighet av AI

Oversettelsesbransjen har sett en økning i bruk av AI-drevne verktøy for å gjøre oversettelse mer effektiv og tilgjengelig.

Oversettelsesverktøy, som DeepL eller Google Translate, bruker kunstig intelligens for å forbedre oversettelsene sine. Selv om disse verktøyene tilbyr noen fordeler, har de fortsatt sine begrensninger. For eksempel er misforståelser i kontekst, misforståelser av kulturelle nyanser og unøyaktig oversettelse av idiomatiske uttrykk tilbakevendende problemer i kunstig intelligens-oversettelse. Dessuten kan kunstig intelligens-genererte oversettelser slite med svært spesialisert eller sensitivt innhold der menneskelig ekspertise fortsatt er avgjørende.

Selv om AI har endret oversettelsesbransjen dypt, er den ennå ikke i stand til å erstatte menneskelige oversettere fullt ut. Selv om den utmerker seg ved å håndtere store tekstmengder raskt, bidrar menneskelige oversettere med kritiske elementer, som kulturell følsomhet, kreativ tilpasning og dyp kontekstuell forståelse.

II – Datainnsamling og etiske bekymringer

Som med alle digitale systemer må AI eller oversettelsesmodeller «opplæres». I denne sammenhengen snakker vi om å «opplære» systemet, som krever innsamling av bruksklare data uansett hvor de er tilgjengelige. Men i vår digitaliserte tidsalder, hvor alt må være mer effektivt og raskere, har lover om hvordan disse systemene fungerer en tendens til å bli hengende etter. AI-programmerere og -leverandører antar da at de har carte blanche til å operere som de vil. inntil beslutninger er tatt. Nylig har flere betydningsfulle organisasjoner forsøkt å øke bevisstheten rundt de etiske problemstillingene som oppstår ved drift av AI-systemer.

Behovet for store datasett i AI-opplæring

Når det gjelder AI-modeller, er det behov for et stort datasett for å fungere ordentlig. La oss ta forklaringen som er gitt på wonk.ai nettsted (Mohammed et al., 2024) som tilbyr AI-oversettelsesmodeller for ulike selskaper. Ifølge dem trenes oversettelsesmodellen deres av følgende fem trinn. Det første trinnet er å samle inn språkdata fra nettsteder, ordlister, språkdatabaser, dokumenter osv. Dette hjelper systemet med å integrere språkregler, definerte termer fra ordlister, tonefall eller skrivestil. Det andre trinnet innebærer å trekke ut språkparene fra de innsamlede dataene for å finne setningspar som hjelper systemet med å bedre forstå konteksten og forbedre oversettelsesresultatet. Det tredje trinnet er behandling, dvs. validering, rengjøring og kombinasjon av språkdataene for opplæringen. Dette er nødvendig ettersom oversettelser av noen innsamlede tekster finnes andre steder og må kobles sammen. Det fjerde trinnet er selve AI-opplæringen når de innsamlede dataene samles i et opplæringskorpus, og opplæringen fortsetter til AI-resultatet er godt nok for evaluering. Det femte og siste trinnet er vurderingen fra kundene, som er oversettelsesansvarlige.

Etter alt dette fortsetter AI-modellen å lære, og det er derfor den anses å være nyttig på ulike felt. For å gjøre dette er korrekturlesing avgjørende for å gi tilbakemelding til systemet og dermed forbedre det. Selvfølgelig tar det tid og koster penger å få en god AI-oversettelsesmodell, og alle AI-leverandører prøver å nå «menneskelig kvalitet».

Denne datainnsamlingen er imidlertid svært avhengig av sluttbrukeren av systemet og språkparet. I oversettelse varierer tonen, terminologien og fraseologien mye fra domene til domene. De siste årene har AI-oversettelsessystemer blitt i økende grad brukt til juridisk oversettelse, hovedsakelig for å redusere kostnader og forbedre effektiviteten. Det er da opplæringsfasen er avgjørende: juridiske tekster er nødvendige for å trene oversettelsessystemet, men de kan ikke finnes eller brukes så lett. Dessuten varierer rettssystemene fra land til land, noe som er en annen parameter å implementere i opplæringsfasen. Som konkludert i en studie publisert i mars 2024 (Moneus & Sahari, 2024), er det også spørsmålet om ulikheter mellom språk: kinesisk er abstrakt og metaforisk, mens engelsk er lineært og logisk. Dette betyr at AI-systemer fortsatt trenger noe forbedring, og det kan bli bedre med mer tilgjengelighet til tospråklige data for flere og sjeldnere språk.

Etiske implikasjoner av datainnhenting

Generative AI-systemer, som ChatGPT, er basert på en rekke data hentet fra bøker, artikler, nettsteder, innlegg på sosiale medier osv. Som vi sa tidligere, krever de en opplæringsfase der «et stort antall tekstdata [blir] brukt til å instruere talebehandlingsalgoritmene» (Lucchi, 2024, s. 617). Dette fører til en rekke problemer angående IP, ettersom kildene som brukes kan inneholde opphavsrettsbeskyttede verk, samt juridiske hensyn. I denne sammenhengen «har programmererne som er ansvarlige for utvikling og opplæring av ChatGPT ansvaret for å sikre at opplæringsdataene forblir fri for brudd på opphavsretten» (Lucchi, 2024, s. 617). Det er derfor de nyeste anbefalingene ber om mer åpenhet om kildene som brukes eller måten disse systemene fungerer på.  

Fra programmererens synspunkt er det akseptabelt å bruke fritt tilgjengelige opphavsrettsbeskyttede data fordi systemet bruker informasjonen som en kilde til inspirasjon for å presentere nytt materiale og oppfinnsomme resultater. AI-algoritmer er hovedsakelig avhengige av enorme mengder data som er essensielle for å forbedre systemets ytelse, og derfor ville det første trinnet være å etablere eksplisitte datadelingsavtaler mellom dataleverandører og AI-programmerere. Det ville tillate lovlig bruk av opphavsrettsbeskyttede data til opplæringsformål.

Hovedproblemet ligger i det faktum at AI ikke kan generere autentiske ideer. Tvert imot, den er avhengig av dataene den har blitt trent med for å generere omstokkede tekster. Når teksten er skrevet av et menneske, blir det sett på som et moralsk ansvar å sitere kildene som er brukt, samt en måte å unngå plagiering og sikre påliteligheten til arbeidet sitt. Men hvis vi tar ChatGPT som et eksempel, er svaret basert på en stor mengde treningsdata, men det er ikke alltid nøyaktig, og det kan «glemme» å sitere kildene. Selv når brukeren ber om dem, finner den noen ganger opp ikke-eksisterende verk, noe som ytterligere øker mangelen på troverdighet. Det er derfor uinformerte brukere kanskje ikke vet at de har brukt andres arbeid. Dessuten er ikke de opprinnelige skaperne av disse treningsdataene klar over at arbeidet deres blir stjålet!

III – Immaterielle rettigheter og juridiske utfordringer

Når vi diskuterer uautorisert bruk av en skapers verk, refererer vi til krenkelse av immaterielle rettigheter. Kjernen i immaterielle rettigheter ligger begrepet opphavsrett. Dette konseptet, som stammer fra den angelsaksiske rettstradisjonen, gir skapere eksklusive rettigheter over sitt originale verk, noe som sikrer at de har kontroll over reproduksjon, distribusjon og tilpasning. I dag er det i tråd med det europeiske konseptet om opphavsrett, tilsvarende opphavsrett, og legger til dimensjonen «moralske rettigheter». Disse rettighetene vektlegger en forfatters personlige tilknytning til verket sitt, inkludert retten til å bli anerkjent som skaperen (Blésius, 2008). Vi skal se hvordan disse er relevante i konteksten av en oversettelse.

Eierskap av oversettelser: Menneskelig oversettelse

Eierskap av oversettelser reiser viktige spørsmål. Det er interessant å vite hvem opphavsretten knyttet til en oversettelse tilhører, både fra et økonomisk og et anerkjennelsessynspunkt. Faktisk er eierskapsspørsmålet todelt, spesielt hvis et verktøy som SDL Trados Studio er brukt – Hvem eier det endelige oversettelsesarbeidet mellom oversetteren og bestilleren? Kan eierskapsrettigheter tilskrives AI-genererte oversettelser? Hvem eier innholdet som genereres fra en ledetekst?

Oversettelse er ikke bare et uttrykksmiddel, men også en kunstform, og som sådan er den beskyttet av ulike juridiske rammeverk som beskytter opphavsretten til skaperne. For eksempel, i henhold til artikkel 2(3) i Bernkonvensjonen for vern av litterære og kunstneriske verk (nd, avsnitt FI, .2), skal «Oversettelser, bearbeidelser, arrangementer av musikk og andre endringer av et litterært eller kunstnerisk verk beskyttes som originalverk uten at det berører opphavsretten til det originale verket.» I henhold til TRIPS-avtalen fra 1994 sier artikkel 10(2) at «[s]amlinger av data eller annet materiale, enten i maskinlesbar eller annen form, som på grunn av utvalget eller arrangementet av innholdet utgjør intellektuelle frembringelser, skal beskyttes som sådan.»

Som det fremgår av disse internasjonale konvensjonene, er oversettelsen som produseres av en oversetter beskyttet som ethvert annet kunstverk, og er derfor også en kilde til opphavsrett. Svaret på det første spørsmålet burde være enkelt. Ettersom en oversettelse anses som et originalt verk og er beskyttet av opphavsrett, tilhører disse opphavsrettene oversetteren.

Svaret er imidlertid ikke så enkelt. For det første må vi skille mellom frilansoversettere og oversettere ansatt av et byrå. For oversettere ansatt av et byrå «i henhold til arbeidslovgivningen i mange land, overfører arbeidstakere automatisk immaterielle rettigheter til verkene de lager til sine arbeidsgivere» (Smith, 2009, s. 8). I denne situasjonen er det tydelig at oversettelsen som lages tilhører selskapet, som deretter selger den til klienten som bestilte den. Dette gjelder også for oversettelsesminnene, enten de leveres av byrået eller av klienten: «når det gjelder lønnede ansatte som lager termbanker eller TM-er, vil disse rettighetene automatisk overføres til organisasjonene de jobber for» (op.cit.).

For frilansoversettere er alt et spørsmål om kontraktsavtale med klienten. En oversetter vil alltid være den første eieren av opphavsretten. Ved å selge arbeidet sitt til klienten, gir de bort denne opphavsretten. Selv når opphavsretten overføres, er imidlertid ikke oversetteren ansvarlig for uautoriserte endringer gjort av klienten (Blésius, 2008). Dette gjelder også for oversettelsesminner og termbanker opprettet av en oversetter for et gitt verk: «Med mindre opphavsretten tidligere er overført under kontrakt, tilhører oversettelsesminnene oversetterne som lager dem» (Smith, 2009, s. 8).

Men hva med en oversettelse generert av AI?

Eierskap av oversettelser: AI-systemer

Som nevnt tidligere i denne artikkelen, fungerer generative AI-systemer ved å trene på og innlemme store datasett i algoritmene sine. Disse dataene er ikke alltid innhentet på lovlig vis, og algoritmer siterer i de fleste tilfeller ikke kildene sine når de gir et svar på en forespørsel. Systemer som ChatGPT (amerikansk) eller Mistral (fransk) er i stand til å tilby nesten menneskelignende oversettelser og skaper dermed frykten for «slutten på menneskelig oversettelse». AI er et raskt utviklende teknologi som finnes i nesten alle felt og har blitt en integrert del av oversettelsesarbeid. Med dette oppstår nye juridiske spørsmål som bør vurderes – Hvem skal eierskapet til en slik oversettelse gis til? Til kunden av AI-verktøyet, til utvikleren, eller rett og slett til selve systemet? 

I 2022 ble det anlagt et gruppesøksmål i USA mot Stability AI av billedkunstnere som hevdet at selskapet brukte deres opphavsrettsbeskyttede verk til å trene AI-modellen deres uten deres samtykke. Retten ga delvis medhold i og avviste delvis tiltaltes begjæringer. Retten tillot kravet om direkte brudd på opphavsretten å fortsette, i erkjennelse av at spørsmålet om hvorvidt AI-modeller krenker opphavsretten er uavklart og avhenger av detaljene i hver enkelt sak (Madigan, 2024). 

Nylig ble en ny beslutning tatt av den amerikanske regjeringen 29. januar 2025 (Dreyfus Law Firm, 2025). Den understreker kravene som er nødvendige for å akseptere AI-generert innhold som et opphavsrettsbeskyttet verk. I følge denne beslutningen kan AI-generert innhold være opphavsrettsbeskyttet under følgende betingelser: Det er tilstrekkelig menneskelig involvering i den kreative prosessen, dvs. at materialet ikke genereres kun av AI, og at AI brukes som et verktøy for å fremme menneskelig kreativitet. Den forklarer også viktigheten av instruksjoner gitt til systemet, som må være tilstrekkelig kreative. I denne ideen, hvis en kunstner modifiserer, arrangerer eller velger elementer av AI-generert innhold, vil dette innholdet kan være kvalifisert for delvis opphavsrettsbeskyttelse.

Fra et globalt perspektiv håndterer alle land KI- og opphavsrettsspørsmål på forskjellige måter. For eksempel nevner EUs KI-lov, publisert 6. august 2023, en forpliktelse for KI-systemer til å overholde IP-rettigheter, noe som betyr at leverandører av KI-modeller er pålagt å «offentlig dele et detaljert sammendrag av teksten og dataene som brukes i opplæringen av KI-modellene deres» (Fitzpatrick, 2025).

Ettersom det juridiske rammeverket fortsatt er i utvikling for å imøtekomme disse nye teknologiene, kan vi kanskje ikke gi et klart svar angående opphavsrett knyttet til kunstig intelligens i kunst eller oversettelse. Utviklere av kunstig intelligens bør imidlertid sørge for at de overholder loven angående dataene de anskaffer til treningsmodellene sine. Dette innebærer å innhente nødvendige lisenser og kompensere de personene som eier den immaterielle rettigheter de ønsker å innlemme i treningsdatasettene sine (Deloitte AI Institute, nd).

Konklusjon  

AI-verdenen er i stadig endring. Teknologien i seg selv forbedres dag for dag og innlemmes i stadig flere domener og aspekter av livene våre. Dessverre kan ikke lover utvikle seg like raskt – selv i en digitalisert verden. AI har virkelig et potensial for kreativitet eller å akselerere arbeidsoppgaver, men på grunn av måten den er utviklet på, bryter den flere lover. Som vi så, spiller IP en stor rolle innen kreativitet, men AI-programmerere ser ikke ut til å bry seg så mye, og mer enn det, de er ikke tvunget til å overholde loven, da det er en klar mangel på regulering angående AI og opphavsrett. Denne teknologien kan bare bruke det den har blitt matet med, som for det meste er opphavsrettsbeskyttede verk. 

Flere løsninger har allerede blitt foreslått, og et økende antall selskaper, organisasjoner og land prøver for tiden å belyse de juridiske problemstillingene knyttet til AI på ulike felt. Det første kravet gjelder mer åpenhet om kildene som brukes av AI-systemer til opplæring eller generering av svar, og åpenhet når det gjelder den generelle måten den fungerer på, noe som kan være dødelig for AI-programmerere. Noen land har sine egne løsninger, og Den europeiske union leder an i kampen for åpenhet.

Nylig, i februar 2025, ble AI Action Summit holdt i Paris. Målet var å «kollektivt etablere vitenskapelige grunnlag, løsninger og standarder for mer bærekraftig AI som arbeider for kollektiv fremgang og i allmennhetens interesse» (France Diplomacy, 2025) med mer enn 800 deltakere. Resultatene viste følgende: viljen til å skape en bærekraftig, trygg, pålitelig og transparent AI og til å bruke den klokt der den er mest nødvendig, for eksempel innen helsevesen og/eller utdanning. Mens 62 land signerte den endelige avtalen, gjorde ikke USA det – til tross for at de var en av lederne innen AI-området.
 

Bibliografie

Avtale om handelsrelaterte aspekter ved immaterielle rettigheter (TRIPS-avtalen). (nd). WIPO Lex. Hentet 16. februar 2025 fra https://www.wipo.int/wipolex/en/treaties/details/231

AI Action Summit (10. og 11. februar 2025)(2025). Frankrikes diplomati – Europa- og utenriksdepartementet. https://www.diplomatie.gouv.fr/en/french-foreign-policy/digital-diplomacy/news/article/ai-action-summit-10-11-feb-2025

AI Action Summit-konferanse: AI, vitenskap og samfunn. (2025, 6. februar). Institut Polytechnique de Paris. https://www.ip-paris.fr/en/news/ai-action-summit-conference-ai-science-and-society-ip-paris

AI og opphavsrett: Forståelse av US Copyright Offices andre rapport om opphavsrettsbarhet(2025. februar 10). Dreyfus. https://www.dreyfus.fr/en/2025/02/10/ai-and-copyright-understanding-the-u-s-copyright-offices-second-report-on-copyrightability/

Kunstig intelligens og åndsverk. (nd). WIPO Pearl. Hentet 16. februar 2025 fra https://www.wipo.int/about-ip/en/frontier_technologies/ai_and_ip.html

Bernkonvensjonen for beskyttelse av litterære og kunstneriske verk. (nd). WIPO Pearl. Hentet 16. februar 2025 fra https://www.wipo.int/treaties/en/ip/berne/index.html

Bharati, RK (2024). KI og immaterielle rettigheter: Juridiske rammeverk og fremtidige retninger. Internasjonalt tidsskrift for lov, rettferdighet og rettsvitenskap, 4(2), 207-215. https://doi.org/10.22271/2790-0673.2024.v4.i2c.141

Bird & Bird LLP, Generaldirektoratet for oversettelse (Europakommisjonen), Debussche, J., og Troussel, J.-C. (2014). Oversettelse og immaterielle rettigheter: sluttrapportDen europeiske unions publikasjonskontor. https://data.europa.eu/doi/10.2782/72107

Blésius, C. (også kjent). Opphavsrett og oversetteren. Hvem eier oversettelsene dine? Hentet 16. februar 2025 fra https://cblesius.co.uk/articles/CopyrightAndTheTranslator-WhoOwnsYourTranslations.html

Creamer, E. (2024. april 16). Undersøkelse viser at generativ kunstig intelligens er en stor trussel mot oversetteres arbeid. The Guardian. https://www.theguardian.com/books/2024/apr/16/survey-finds-generative-ai-proving-major-threat-to-the-work-of-translators

Devin, V. (2025. januar 29). Fra fortid til fremtid: Virkningen av kunstig intelligens på oversettelsesteknologi - Lokaliser artiklerLokaliser. https://localizejs.com/articles/the-impact-of-ai-on-translation-technology

Fitzpatrick, D. (2025. februar 3). Ny opphavsrettsavgjørelse har nettopp gjort AI-ferdigheter til den største fordelenForbes. https://www.forbes.com/sites/danfitzpatrick/2025/02/03/new-copyright-ruling-just-made-ai-skills-the-biggest-advantage/

Gil, A., Juliana, N., og David, AS (2023. april 7). Generativ AI har et problem med immaterielle rettigheterHarvard Business Review. https://hbr.org/2023/04/generative-ai-has-an-intellectual-property-problem

Guadamuz, A. (2017. oktober 1). L'intelligence artificielle et le droit d'auteurOMPI-magasinet. https://www.wipo.int/fr/web/wipo-magazine/article-details/?assetRef=40141&title=artificial-intelligence-and-copyright

Hartley, V. (også kjent). AI-oversettelse eller maskinoversettelse: Hva er forskjellen? Language Wire. Hentet 16. februar 2025 fra https://www.languagewire.com/en/blog/ai-translation-vs-machine-translation

Slik bruker du AI til juridiske oversettelser: Fordeler, begrensninger og beste praksis. (2024. juli 1). LegalTranslations.com. https://www.legaltranslations.com/fr/blog/how-to-use-ai-for-legal-translations

Immaterielle rettigheter i ChatGPT. (2023. februar 20). Europakommisjonen. https://intellectual-property-helpdesk.ec.europa.eu/news-events/news/intellectual-property-chatgpt-2023-02-20_en

Introduksjon til historien om AI-oversettelse og populær programvare. (2022. desember 19). Human Science Co., Ltd. https://www.science.co.jp/nmt/blog/32553/

Kupferschmid, K. (2024. desember 12). Innsikt fra rettskjennelser i saker om brudd på opphavsrett knyttet til kunstig intelligens. Copyright Alliance. https://copyrightalliance.org/ai-copyright-infringement-cases-insights/

Lacruz Mantecón, ML (2023). Forfatterskap og rettighetseierskap i maskinoversettelsestiden. I H. Moniz og C. Parra Escartín (red.), Mot ansvarlig maskinoversettelse: Etiske og juridiske hensyn i maskinoversettelse (s. 71–92). Springer International Publishing. https://doi.org/10.1007/978-3-031-14689-3_5

Leschen, S. (2024, 27. september). Oversettelse, en kunst som er verdt å beskytteInstitutt for oversettelse og tolking. https://www.iti.org.uk/resource/translation-an-art-worth-protecting.html

Lucchi, N. (september 2024). ChatGPT: En casestudie om opphavsrettsutfordringer for generative kunstig intelligenssystemer, Cambridge University Press. https://www.cambridge.org/core/journals/european-journal-of-risk-regulation/article/chatgpt-a-case-study-on-copyright-challenges-for-generative-artificial-intelligence-systems/CEDCE34DED599CC4EB201289BB161965

Madigan, K. (2024. august 29). Viktigste konklusjoner fra Order i Andersen v. Stability AI-saken om opphavsrett. Copyright Alliance. https://copyrightalliance.org/andersen-v-stability-ai-copyright-case/

Mohamed, YA, Khanan, A., Bashir, M., Mohamed, AHHM, Adiel, MAE, og Elsadig, MA (2024a). Virkningen av kunstig intelligens på språkoversettelse: En oversikt. IEEE-tilgang, 12, 25553-25579. https://doi.org/10.1109/ACCESS.2024.3366802

Moneus, AM, og Sahari, Y. (2024). Kunstig intelligens og menneskelig oversettelse: En kontrasterende studie basert på juridiske tekster. Heliyon, 10(6). https://doi.org/10.1016/j.heliyon.2024.e28106

Ong, J., Lo Khai Yi og Winn Wong, HW (2024, 3. september). EUs KI-lov: Den viktigste veiledningen for overholdelse av opphavsrettsregler for generelle KI-modellerChambers and Partners. https://chambers.com/articles/eu-ai-act-the-essential-guide-to-copyright-compliance-for-general-purpose-ai-models

Smith, R. (2009. november 19). Opphavsrettsproblemer knyttet til eierskap av oversettelsesminner. Proceedings of Translating and the Computer 31. TC 2009, London, Storbritannia. https://aclanthology.org/2009.tc-1.13/

Uttalelse om inkluderende og bærekraftig kunstig intelligens for mennesker og planeten. (2025. februar 11). Élysée. https://www.elysee.fr/en/emmanuel-macron/2025/02/11/statement-on-inclusive-and-sustainable-artificial-intelligence-for-people-and-the-planet

De juridiske implikasjonene av generativ AI. (nd). Deloitte AI Institute. Hentet 16. februar 2025 fra https://www2.deloitte.com/us/en/pages/consulting/articles/generative-ai-legal-issues.html

Trente oversettelsesmodeller. (nd). Wonk.Ai. Hentet 16. februar 2025 fra https://wonk.ai/en/training-of-translation-models/

Del denne artikkelen: