Maskinlæring finder vej ind i den intrikate kunst af oversættelse

Sprog- og skriveekspert Reuven Koret diskuterede i detaljer den aktuelle tilstand og brug af kunstig intelligens i oversættelse for den online publikation readwrite. Koret påpeger, at brugen af maskinoversættelsesværktøjer baseret på kunstig intelligens i alle aspekter af oversættelsesprocessen bliver mere udbredt. Dette er ikke kun forbeholdt proprietære ML-oversættelsesværktøjer fra Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ) og Amazon (AMZN ), der bruges dagligt, men også detaljerede professionelle værktøjer fra virksomheder som SDL.

Alligevel er mange professionelle oversættere og bureauer som William Mamane, chef for digital markedsføring i Tomedes, et professionelt sprogservicebureau, stadig skeptiske over for brugen af kunstig intelligens i oversættelse. Men selv disse skeptikere som Mamane indrømmer, at maskinoversættelse har gjort alvorlige fremskridt, og som han påpeger, “der er stadig plads til kunstig intelligens og maskinoversættelse i værdikæden for oversættelsesservice.”

For at forklare udfordringen med maskinoversættelse, påpeger Koret, at “på et grundlæggende niveau bruger MT algoritmer til at erstatte ord i ét sprog med ord i et andet. Det viser sig at være utilstrækkeligt til at oversætte med succes. Forståelse af hele sætninger er nødvendig for både kilde- og målsprog. Vi kan forstå MT som afkodning af kildesproget og optagelse af dets betydning i målsproget.”

At løse denne udfordring er en meget kompleks proces, og for tiden er de mest udviklede processer baseret på ” statistik til at vælge den bedste oversættelse af en given sætning,” eller “strukturerede regler til at vælge den mest sandsynlige betydning.” Disse tilgange kræver stadig engagement af redaktører og korrekturlæsere, men “denne overordnede, redaktionelle eller revisionsrolle er mindre krævende og mindre tidskrævende end oversættelse.”

Disse metoder er de, som de fleste web-oversættelsesapps som Google Translate er baseret på. Som det påpeges, har Google behandlet oversættelser, der ville udfylde en million bøger om dagen.

For tiden er der dog større fremskridt i brugen af kunstig intelligens i oversættelsesprocessen med brugen af neurale maskinoversættelser (NMT). Ved at bruge dyb læring under oversættelse, ” ser man på hele sætninger, ikke kun enkeltvis på ord.” Samtidig kræver NMT “en   brøkdel af den hukommelse, der er nødvendig for statistiske metoder,” hvilket betyder, at det samtidig fungerer meget hurtigere.

Brugen af NMT blev først forsket i 2014, men de hurtige fremskridt i de sidste fem år har gjort det muligt at udvikle den to-vejs recurrent neural netværk eller RNN. “Disse netværk kombinerer en encoder, der formulerer en kilde-sætning for en anden RNN, kaldet en decoder. En decoder forudser ordene, der skal optræde i målsproget.” Google bruger ikke denne tilgang i NMT til at drive Google Translate. Ligeledes bruger Microsoft RNN i Microsoft Translator og Skype Translator.

Som Koret konkluderer, kan NMT’er hjælpe med at oversætte, mens dygtige lingvister kan afslutte og polere oversættelsesoutputtet. Fremtidige oversættere vil oftere arbejde med kunstig intelligens snarere end imod den.”