Strojové učení proniká do složitých překladů

Odborník na jazyk a psaní Reuven Koret podrobně diskutoval o stavu vlivu a používání umělé inteligence v překladu pro online publikaci readwrite. Koret poukazuje na to, že používání nástrojů pro strojový překlad založených na umělých inteligencích ve všech aspektech překladu se stává široce rozšířeným. To není vyhrazeno pouze pro proprietární nástroje ML pro překlad od Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ) a Amazon (AMZN ), ale také pro detailní profesionální nástroje od firem jako SDL.

Nicméně, mnoho profesionálních překladatelů a agentur, jako je William Mamane, ředitel digitálního marketingu ve firmě Tomedes, profesionální agentura pro jazykové služby, jsou stále skeptičtí ohledně používání umělých inteligencí v překladu. Ale i ti skeptici, jako je Mamane, připouštějí, že strojový překlad udělal vážné pokroky, a jak poukazuje, “ještě existuje místo pro umělou inteligenci a strojový překlad v hodnotovém řetězci překladatelských služeb.”

Pro vysvětlení výzvy strojového překladu Koret uvádí, že “na základní úrovni MT používá algoritmy pro nahrazování slov v jednom jazyce slovy v jiném. To se ukáže jako nedostatečné pro úspěšný překlad. Je zapotřebí porozumění celým frázím v obou jazycích. Můžeme chápat MT jako dekódování zdrojového jazyka a zaznamenání jeho významu v cílovém jazyce.”

Řešení této výzvy je velmi složitý proces a目前 nejrozvinutější procesy využívají “statistiky pro výběr nejlepšího překladu pro danou frázi,” nebo “strukturovaná pravidla pro výběr nejspíše významu.” Tyto přístupy stále vyžadují zapojení editorů a korektorů, ale “tato dozorčí, editorační nebo auditorská role je méně náročná a méně časově-demandující než překlad.”

Tyto metody jsou ty, na kterých jsou založeny většina webových aplikací pro překlad, jako je Google Translate. Jak je uvedeno, Google zpracovává překlady, které by zaplnily jeden milion knih denně. 

V současné době však jsou ještě větší pokroky ve využívání umělých inteligencí v procesu překladu dosaženy pomocí neuronového strojového překladu (NMT), který využívá hlubokého učení při překladu, “hledí na celé věty, ne pouze na jednotlivá slova.” Současně NMT vyžaduje “zlomku paměti potřebné statistickými metodami,” což znamená, že pracuje mnohem rychleji.

Používání NMT bylo poprvé prozkoumáno v roce 2014, ale rychlé pokroky v posledních pěti letech ermögňují vývoj bidirekcionální rekurentní neuronovésítě nebo RNN. “Tyto sítě kombinují encoder, který formuluje zdrojovou větu pro druhý RNN, nazývaný decoder. Decoder předpovídá slova, která by se měla objevit v cílovém jazyce.” Google nyní využívá tento přístup v NMT pro řízení Google Translate. Microsoft také využívá RNN v Microsoft Translator a Skype Translator.

Jak Koret uzavírá, NMT může pomoci při překladu, zatímco zkušení lingvisté mohou dokončit a vyleštit výstup překladu. Budoucí překladatelé budou častěji pracovat s umělou inteligencí spíše než proti ní.”