Strojové učení proniká do složitých umění překladu

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 strojového překladu založených na umělých inteligencích ve všech aspektech překladu se stává široce rozšířeným. To není vyhrazeno pouze pro proprietární nástroje ML překladu od Google, Microsoft,   Facebook a Amazon, které jsou v denním použití, ale také pro profesionální nástroje od firem jako SDL.

Přesto mnoho profesionálních překladatelů a agentur, jako je William Mamane, ředitel digitálního marketingu ve firmě Tomedes, profesionální agentura jazykových služeb, jsou stále skeptičtí vůči používání umělých inteligencí v překladu. Ale i tito skeptici, jako je Mamane, připouštějí, že strojový překlad učinil vážné pokroky a, jak uvádí, „stále 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 k nahrazování slov v jednom jazyce slovy v jiném. To se ukáže jako nedostatečné pro úspěšný překlad. Je zapotřebí porozumění celým frázím pro oba jazyky. Můžeme chápat MT jako dekódování zdrojového jazyka a zaznamenání jeho významu v cílovém jazyce“.

Řešení této výzvy je velmi složitý proces a v současné době jsou nejvíce rozvinuté procesy, které používají „statistiku k výběru nejlepšího překladu pro danou frázi“ nebo „strukturovaná pravidla pro výběr nejpravděpodobnějšího významu“. Tyto přístupy stále vyžadují zapojení editorů a korektorů, ale „tato dozorčí, editorační nebo auditorská role je méně náročná a méně časově náročná než překlad“.

Tyto metody jsou základem většiny webových překladových aplikací, 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 překladatelském procesu dosaženy pomocí neuronového strojového překladu (NMT), který při překladu „zvažuje celé věty, ne pouze jednotlivá slova“. Současně NMT vyžaduje „zlomku paměti potřebné statistickými metodami“, což znamená, že současně pracuje mnohem rychleji.

Používání NMT bylo poprvé prozkoumáno až 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 překladový výstup. Budoucí překladatelé budou častěji pracovat s umělou inteligencí spíše než proti ní“.