Wir haben ein vielseitiges Team von Experten in den Bereichen KI und NLP zusammengestellt. Ihre beispiellose Forschung und ihre preisgekrönten Durchbrüche setzen weiterhin Maßstäbe in der Branche und bringen uns unserer Vision näher: eine Welt ohne Sprachbarrieren zu schaffen.
Führende Stimmen auf diesem Gebiet
Unser Forschungsteam verändert die Art und Weise, wie Menschen kommunizieren
-
João Graça
Mitbegründer und Chief Technology Officer
-
André Martins
VP of Research
-
Paulo Dimas
VP of Product Innovation
-
José Souza
Staff AI Research Scientist
-
M. Amin Farajian
Senior AI Research Scientist
-
Fabio Kepler
Senior AI Research Scientist
-
Ricardo Rei
Senior AI Research Scientist
-
Catarina Farinha
AI Research Manager
-
João Alves
AI Research Scientist
-
Daan van Stigt
Senior AI Research Scientist
-
Maria Ana Henriques
F&E-Projektleiter
-
Nuno André
Senior Grants Coordinator
-
Vera Cabarrão
Senior AI Quality Manager
-
Marianna Buchicchio
Senior Manager AI Quality
-
João Godinho
Senior AI Research Engineer
-
Pedro Mota
Senior AI Research Engineer
-
Nuno Guerreiro
AI Research Scientist
-
José Pombal
AI Research Scientist
-
Pedro Martins
Senior AI Research Scientist
-
Muhammad Bilal
Senior Backend Engineering Manager
-
Ana Oliveira António
Junior Communications and Project Manager
-
António Novais
Junior Grants Coordinator
Projekte
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 („Qualitätsbewusste maschinelle Übersetzung“) ist ein innovatives Forschungsprojekt, das von ELISE Open Call zur Erstellung einer verantwortungsbewussten MT für Konversationsdaten finanziert wird: Eine qualitativ hochwertige maschinelle Übersetzung zur Erschließung neuer Märkte, in denen kritische MT-Fehler nicht toleriert werden können.
MAIA
MAIA wird modernste Technologien für maschinelles Lernen und eine natürliche Verarbeitung von Sprache einsetzen, um mehrsprachige KI-Assistenten für Kundenberater zu entwickeln, die Sprachbarrieren beseitigen. Die „Übersetzungsschicht“ von MAIA wird menschliche Kundenberater in die Lage versetzen, Kundensupport in Echtzeit, in jeder Sprache und in menschlicher Qualität zu leisten.
Benutzerorientiertes 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
Rechtzeitige und präzise Kommunikation ist für das Krisenmanagement unerlässlich. Was aber, wenn die einzigen Informationen, die Ihnen zur Verfügung stehen, in einer Sprache sind, die Sie nicht verstehen? INTERACT ist ein interdisziplinäres europäisches Projekt, das als Antwort auf den Bedarf an qualitativ hochwertiger Übersetzung in Gesundheitskrisenszenarien entwickelt wurde.
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 revolutioniert den Bereich von Natural Language Processing (NLP) mit Durchbrüchen im Bereich maschinelle Übersetzung, Spracherkennung und Fragebeantwortung. Neue Sprachschnittstellen (digitale Assistenten, Messenger-Apps, Kundenservice-Bots) entwickeln sich als die nächsten Technologien für eine nahtlose, mehrsprachige Kommunikation zwischen Menschen und Maschinen.
Internationalisierungsplan von Unbabel
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: Ein neues Ökosystem von maschineller + Crowd-Übersetzung
„Unbabel 2017: Ein neues Ökosystem von maschineller + Crowd-Übersetzung“ ist ein von Unbabel geleitetes und von Portugal 2020 – Sistema de Incentivos à Investigação e Desenvolvimento Tecnológico (SI I&DT) – mitfinanziertes Projekt.
Projekte & Veröffentlichungen
MT-Telescope
Das MT-Telescope bietet einen feinkörnigen, visuellen Vergleich der Qualitätsleistung von zwei maschinellen Übersetzungssystemen (MT). Benutzer können unter die Haube der automatischen Qualitätsbewertung sehen und die Qualitätsleistung nach Schlüsselwörtern, Terminologie und Segmentlänge filtern. Das MT-Telescope ist als Open-Source verfügbar, damit die breitere MT F&E-Gemeinschaft davon profitieren kann.
COMET
COMET (Crosslingual Optimized Metric for Evaluation of Translation) ist ein neues neuronales Rahmenprogramm für das Trainieren von Bewertungsmodellen für die mehrsprachige maschinelle Übersetzung (MT). COMET sagt menschliche Beurteilungen der MT-Qualität voraus. Dieses „einsatzbereite“ trainierte COMET-Modell ist als Open-Source verfügbar, damit die breitere Gemeinschaft, die sich mit Forschung und Entwicklung im MT-Bereich beschäftigt, davon profitieren kann.
MAIA
MAIA wird modernste Technologien für maschinelles Lernen und eine natürliche Verarbeitung von Sprache einsetzen, um mehrsprachige KI-Assistenten für Kundenberater zu entwickeln, die Sprachbarrieren beseitigen. Die „Übersetzungsschicht“ von MAIA wird menschliche Kundenberater in die Lage versetzen, Kundensupport in Echtzeit, in jeder Sprache und in menschlicher Qualität zu leisten.
Benutzerorientiertes 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
Rechtzeitige und präzise Kommunikation ist für das Krisenmanagement unerlässlich. Was aber, wenn die einzigen Informationen, die Ihnen zur Verfügung stehen, in einer Sprache sind, die Sie nicht verstehen? INTERACT ist ein interdisziplinäres europäisches Projekt, das als Antwort auf den Bedarf an qualitativ hochwertiger Übersetzung in Gesundheitskrisenszenarien entwickelt wurde.
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 revolutioniert den Bereich von Natural Language Processing (NLP) mit Durchbrüchen im Bereich maschinelle Übersetzung, Spracherkennung und Fragebeantwortung. Neue Sprachschnittstellen (digitale Assistenten, Messenger-Apps, Kundenservice-Bots) entwickeln sich als die nächsten Technologien für eine nahtlose, mehrsprachige Kommunikation zwischen Menschen und Maschinen.
Open-Source-Tools
XCOMET
XCOMET is a cutting-edge, open-source metric designed to be more interpretable and better aligned with MQM human evaluations. XCOMET combines sentence-level evaluation, similar to neural metrics such as COMET and BLEURT, and error span detection capabilities.
TowerLLM
TowerLLM is a suite of multilingual large language models (LLM) optimized for translation-related tasks ranging from pre-translation, to translation and evaluation tasks, such as machine translation (MT), automatic post-editing (APE), and translation ranking. Tower is built on top of LLaMA2 [1], comes in two sizes — 7B and 13B parameters —, and currently supports 10 languages.
CometKiwi XL
CometKiwiXL is large language model (LLM) specialized in predicting the quality of a translation. CometKiwi XL (3.5B) and CometKiwi XXL (10.7B) are the open-sourced versions of our state-of-the-art Quality Estimation model.
MT-Telescope
Das MT-Telescope bietet einen feinkörnigen, visuellen Vergleich der Qualitätsleistung von zwei maschinellen Übersetzungssystemen (MT). Benutzer können unter die Haube der automatischen Qualitätsbewertung sehen und die Qualitätsleistung nach Schlüsselwörtern, Terminologie und Segmentlänge filtern. Das MT-Telescope ist als Open-Source verfügbar, damit die breitere MT F&E-Gemeinschaft davon profitieren kann.
COMET
COMET (Crosslingual Optimized Metric for Evaluation of Translation) ist ein neues neuronales Rahmenprogramm für das Trainieren von Bewertungsmodellen für die mehrsprachige maschinelle Übersetzung (MT). COMET sagt menschliche Beurteilungen der MT-Qualität voraus. Dieses „einsatzbereite“ trainierte COMET-Modell ist als Open-Source verfügbar, damit die breitere Gemeinschaft, die sich mit Forschung und Entwicklung im MT-Bereich beschäftigt, davon profitieren kann.
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.
Auszeichnungen
Eighth Conference on Machine Translation
Winners of the WMT 2023 QE Shared Task
Eighth Conference on Machine Translation
Winners of the WMT 2023 Metrics Shared Task
COMET22
Winning submission for the Chinese-English language pair and the second best for the other two language pairs in the WMT2022 Metrics shared task
CometKiwi
Winning submission of the WMT 2022 Quality Estimation (QE) shared task
Best Presentation award for the Users and Providers track
AMTA Conference 2022
Best Paper Award
EAMT Conference 2022 ( Title: Searching for Cometinho: The Little Metric That Could)
Das innovativste Unternehmen
Innovativstes Unternehmen (beim Game Changer Innovation Contest), TAUS (Translation Automation User Society)
2015, 2017Bestes globales Quality-Estimation-System maschineller Übersetzungen
WMT – Konferenz für Maschinelle Übersetzung,
2016, 2019Bestes globales System für maschinelle Übersetzung und automatisches Post-Editieren
WMT – Konferenz zur maschinellen Übersetzung
2019Auszeichnung für die beste Systemdemonstration
Gesellschaft für Computerlinguistik,
2019Verbindung von menschlicher und künstlicher Intelligenz
Verbindung von menschlicher und künstlicher Intelligenz in Partnerschaft mit Concentrix, Vereinigtes Königreich, National Innovation Awards,
2019Beste Innovation im Kundenservice
Beste Innovation im Kundenservice in Partnerschaft mit Concentrix, ECCCSA – European Contact Center and Customer Service Awards,
2019Optimale Nutzung von KI und den zugehörigen Technologien
Beste Nutzung von KI und zugehörigen Technologien in Partnerschaft mit Microsoft, ECCCSA – European Contact Center and Customer Service Awards,
2019Die innovativsten Startups im Bereich Künstliche Intelligenz für disruptive Technologie
Liste der innovativsten Startups im Bereich Künstliche Intelligenz für die disruptive Technologie des Jahres, CBInsights,
2019Die innovativsten Unternehmen
Die jährliche Liste der innovativsten Unternehmen der Welt für 2020 von Fast Company,
2020Preisträger für das Produkt des Jahres
Gewinner des Preises für das Produkt des Jahres, präsentiert von der Zeitschrift CUSTOMER,
2021Auszeichnung für Best Explainability Approach
Workshop zur Auswertung und zum Vergleich von NLP-Systemen, gleichlaufend mit der EMNLP,
2021