Vi har samlet et bredt team af eksperter inden for AI- og NLP-området. Deres uovertrufne forskning og prisvindende gennembrud fortsætter med at sætte branchestandarder og bringer os tættere på vores vision: At skabe en verden uden sprogbarrierer.
Førende stemmer på området
João Graça
Medstifter og Chief Technology Officer
André Martins
VP for forskning
Paulo Dimas
VP for produktinnovation
Helena Moniz
Formand for den europæiske sammenslutning for maskinoversættelse og lingvistisk konsulent
José Souza
Senior AI-forsker
M. Amin Farajian
AI-chef
Fabio Kepler
Senior AI-forsker
Ricardo Rei
AI-forskningsingeniør
Catarina Farinha
AI-forskningsingeniør
João Alves
AI-forskningsingeniør
Daan van Stigt
AI-forskningsingeniør
Miguel Vera
AI-forskningsingeniør
Maria Ana Henriques
R&D Projektleder
Nuno André
Grants-koordinator
Christine Maroti
Senior AI-forskningsingeniør
Vera Cabarrão
Senior Natural Language Analyst
Craig Stewart
Forsker i RD
Marina Sánchez Torrón
Senior Natural Language Analyst
Almut Silja Hildebrand
Senior forskningsingeniør
Marianna Buchicchio
Linguistic Services Team Lead
António Lopes
AI-forsker
Maximilian Kohl
Senior produktchef
Joseph Szurley
Senior forskningsingeniør
João Godinho
AI-forskningsingeniør
Eduardo Farah
AI-chef
Pedro Mota
Senior AI-forskningsingeniør
MT-Telescope
MT-Telescope giver en finkornet, visuel sammenligning af to maskinoversættelse (MT)-systemers kvalitetspræstationer. Den løfter kølerhjelmen på den automatiske kvalitetsscore og giver brugerne mulighed for at filtrere kvalitetspræstationer efter nøgleord, terminologi og segmentlængde. MT-Telescope er tilgængelig som åben kildekode til gavn for det bredere MT R&D-fællesskab.
COMET
COMET (Crosslingual Optimized Metric for Evaluation of Translation) er en ny neural ramme til træning af flersprogede evalueringsmodeller til Maskinoversættelse (MT). COMET forudsiger menneskelige vurderinger af MT-kvalitet. Denne "klar til brug" trænede COMET-model er tilgængelig som åben kildekode til gavn for det bredere MT R&D-fællesskab.
MAIA
MAIA vil anvende avanceret maskinlæring og teknologier til behandling af naturligt sprog til at opbygge flersprogede AI-assistenter, der fjerner sprogbarrierer. MAIAs 'oversættelseslag' vil gøre det muligt for menneskelige agenter at yde kundesupport i realtid på alle sprog og med menneskelig kvalitet.
Brugerfokuseret Marian
Improve the pre-existing neural machine translation toolkit “Marian” to address the needs of CEF eTranslation and to broaden its user base (H2020 Co-Funded Project). Terminology, on-the-fly domain adaptation, better documentation and GPU optimization are the focus areas in this Marian iteneration.
MT4ALL
Aims at building data for under-resourced languages in fields of public interest, such as Health and Justice. It’ll contribute to the CEF Automated Translation Building block by enlarging its coverage for language pairs and domains for which parallel data does not exist (H2020 Co-Funded Project).
Unbabel4EU
We’re working on advancing European language engines for borderless business communication. Create Europe’s Translation Layer, specifically, by enabling seamless human-quality translation between any pairing of the 24 official languages of the EU in different content types such as Email, Chat and Listings (P2020 Co-Funded Project).
OpenKiwi
Quality estimation (QE) is one of the challenges in MT: it evaluates a system’s quality without access to reference translations. We released OpenKiwi, a PyTorch-based open-source framework that implements the best QE systems from WMT 2015-18 shared tasks. The accompanying paper won the best system paper at ACL 2019.
APE-QUEST
Setting up a quality gate and crowdsourcing workflow to improve translation quality in specific domains. Boost CEF eTranslation with Automated Post-Editing (APE) & Quality Estimation (QE) for Electronic Exchange of Social Security Information (EESSI) and Online Dispute Resolution (ODR) DSIs and related national services (H2020 Co-Funded Project).
INTERACT
Rettidig og præcis kommunikation er afgørende for krisestyring, men hvad nu, hvis den eneste information, du har adgang til, er på et sprog, du ikke forstår? INTERACT er et tværfagligt europæisk projekt, der er skabt for at imødekomme behovet for kvalitetsoversættelse i scenarier med sundhedskrise.
Unbabel Scribe
Transcription can be a big piece of translation flows, especially when it comes to audiovisual content. This project aims to research & develop a technical solution for automatic transcription and translation of audiovisual content by leveraging a community of human translators (P2020 Co-Funded Project).
DeepSPIN
Deep learning er ved at revolutionere Natural Language Processing (NLP)-området med gennembrud inden for maskinoversættelse, talegenkendelse og spørgeskemabesvarelse. Nye sproggrænseflader (digitale assistenter, messenger-apps, kundeservicebots) er ved at blive de næste teknologier til problemfri, flersproget kommunikation mellem mennesker og maskiner.
Center for Responsible AI
The Center for Responsible AI is one of the largest centers dedicated to Responsible AI, bringing together ten startups, eight research centers, a law firm, and five industry leaders, that will collaborate to develop 21 innovative AI products leveraged by Responsible AI technologies such as equity, explainability, and sustainability. The center is co-funded by the Portuguese PRR.
UTTER
UTTER – Unified Transcription and Translation for Extended Reality – is a collaborative Research and Innovation project funded under Horizon Europe that aims to leverage large language models to build the next generation of multimodal eXtended reality (XR) technologies for transcription, translation, summarisation, and minuting. UTTER’s use-case prototypes will cover (i) a personal assistant for meetings that can improve communication in the online world and (ii) an advanced customer service assistant to support global markets.
QUARTZ
QUARTZ ("Quality-Aware Machine Translation") er et banebrydende forskningsprojekt, der er finansieret af ELISE Open Call, og som har til formål at opbygge ansvarlig MT for samtaledata: MT af høj kvalitet til at åbne nye markeder, hvor kritiske MT-fejl ikke kan tolereres.
MAIA
MAIA vil anvende avanceret maskinlæring og teknologier til behandling af naturligt sprog til at opbygge flersprogede AI-assistenter, der fjerner sprogbarrierer. MAIAs 'oversættelseslag' vil gøre det muligt for menneskelige agenter at yde kundesupport i realtid på alle sprog og med menneskelig kvalitet.
Brugerfokuseret Marian
Improve the pre-existing neural machine translation toolkit “Marian” to address the needs of CEF eTranslation and to broaden its user base (H2020 Co-Funded Project). Terminology, on-the-fly domain adaptation, better documentation and GPU optimization are the focus areas in this Marian iteration.
MT4ALL
Aims at building data for under-resourced languages in fields of public interest, such as Health and Justice. It’ll contribute to the CEF Automated Translation Building block by enlarging its coverage for language pairs and domains for which parallel data does not exist (H2020 Co-Funded Project).
Unbabel4EU
We’re working on advancing European language engines for borderless business communication. Create Europe’s Translation Layer, specifically, by enabling seamless human-quality translation between any pairing of the 24 official languages of the EU in different content types such as Email, Chat and Listings (P2020 Co-Funded Project).
APE-QUEST
Setting up a quality gate and crowdsourcing workflow to improve translation quality in specific domains. Boost CEF eTranslation with Automated Post-Editing (APE) & Quality Estimation (QE) for Electronic Exchange of Social Security Information (EESSI) and Online Dispute Resolution (ODR) DSIs and related national services (H2020 Co-Funded Project).
INTERACT
Rettidig og præcis kommunikation er afgørende for krisestyring, men hvad nu, hvis den eneste information, du har adgang til, er på et sprog, du ikke forstår? INTERACT er et tværfagligt europæisk projekt, der er skabt for at imødekomme behovet for kvalitetsoversættelse i scenarier med sundhedskrise.
Unbabel Scribe
Transcription can be a big piece of translation flows, especially when it comes to audiovisual content. This project aims to research & develop a technical solution for automatic transcription and translation of audiovisual content by leveraging a community of human translators (P2020 Co-Funded Project).
DeepSPIN
Deep learning er ved at revolutionere Natural Language Processing (NLP)-området med gennembrud inden for maskinoversættelse, talegenkendelse og spørgeskemabesvarelse. Nye sproggrænseflader (digitale assistenter, messenger-apps, kundeservicebots) er ved at blive de næste teknologier til problemfri, flersproget kommunikation mellem mennesker og maskiner.
Unbabels internationaliseringsplan
Unbabel’s Internationalization Plan (“Unbabel 2017-2019: Plano de Internacionalização”) is a project led by Unbabel and co-funded by Portugal 2020 – Sistema de Incentivos à Internacionalização das PME.
Unbabel 2017: Et nyt økosystem med maskin- og crowd-oversættelse
“Unbabel 2017: A new ecosystem of Machine + Crowd Translation” er et projekt, der drives af Unbabel og er medstiftet af Portugal 2020 – Sistema de Incentivos à Investigação e Desenvolvimento Tecnológico (SI I&DT)
MT-Telescope
MT-Telescope giver en finkornet, visuel sammenligning af to maskinoversættelse (MT)-systemers kvalitetspræstationer. Den løfter kølerhjelmen på den automatiske kvalitetsscore og giver brugerne mulighed for at filtrere kvalitetspræstationer efter nøgleord, terminologi og segmentlængde. MT-Telescope er tilgængelig som åben kildekode til gavn for det bredere MT R&D-fællesskab.
COMET
COMET (Crosslingual Optimized Metric for Evaluation of Translation) er en ny neural ramme til træning af flersprogede evalueringsmodeller til Maskinoversættelse (MT). COMET forudsiger menneskelige vurderinger af MT-kvalitet. Denne "klar til brug" trænede COMET-model er tilgængelig som åben kildekode til gavn for det bredere MT R&D-fællesskab.
OpenKiwi
Quality estimation (QE) is one of the challenges in MT: it evaluates a system’s quality without access to reference translations. We released OpenKiwi, a PyTorch-based open-source framework that implements the best QE systems from WMT 2015-18 shared tasks. The accompanying paper won the best system paper at ACL 2019.
Mest innovative virksomhed
Den mest innovative virksomhed (ved Game Changer Innovation Contest), TAUS (Translation Automation User Society)
2015, 2017
Bedste globale Quality Estimation-system til maskinoversættelse
WMT - Konference for Maskinoversættelse
2016, 2019
Bedste globale maskinoversættelse med automatisk efterredigeringssystem
WMT - Konference for Maskinoversættelse
2019
Pris for bedste systemdemonstration
Sammenslutningen for computerlingvistik
2019
Blanding af menneskelig og kunstig intelligens
Blending Human & Artificial Intelligence, i samarbejde med Concentrix, UK, National Innovation Awards
2019
Bedste innovation inden for kundeservice
Bedste innovation inden for kundeservice, i samarbejde med Concentrix, ECCCSA - European Contact Center and Customer Service Awards
2019
Bedste anvendelse af AI og tilknyttede teknologier
Bedste brug af AI og tilknyttede teknologier i samarbejde med Microsoft, ECCCSA – European Contact Center og Customer Service Awards
2019
De mest innovative startups inden for kunstig intelligens for banebrydende teknologi
Liste over de mest innovative startups inden for kunstig intelligens til årets banebrydende teknologi, CBInsights,
2019
De mest innovative virksomheder
Fast Companys årlige liste over verdens mest innovative virksomheder på 2020, Fast Company
2020
Vinder af prisen for årets produkt
Vinderne af prisen Årets produkt, som uddeles af magasinet CUSTOMER
2021
Bedste Explainability Approach-pris
Workshop om evaluering og sammenligning af NLP-systemer, i samme bygning på EMNLP,
2021