Maschinelles Lernen bahnt sich den Weg in die komplexe Kunst der Übersetzung

Der Sprach- und Schreibexperte Reuven Koret diskutierte im Detail den Einfluss und die Verwendung von künstlicher Intelligenz in der Übersetzung für die Online-Publikation readwrite. Koret weist darauf hin, dass die Verwendung von maschinellen Übersetzungstools auf der Grundlage von künstlicher Intelligenz in allen Aspekten des Übersetzungsprozesses weit verbreitet wird. Dies ist nicht nur auf proprietäre ML-Übersetzungstools von Google (GOOGL ), Microsoft (MSFT ),   Facebook (META ) und Amazon (AMZN ) beschränkt, die täglich verwendet werden, sondern auch auf detaillierte professionelle Tools von Unternehmen wie SDL.

Trotzdem sind viele professionelle Übersetzer und Agenturen wie William Mamane, Leiter des Digital Marketings bei Tomedes, einer professionellen Sprachdienstleistungsagentur, immer noch skeptisch gegenüber der Verwendung von künstlicher Intelligenz in der Übersetzung. Aber auch diese Skeptiker wie Mamane geben zu, dass die maschinelle Übersetzung ernsthafte Fortschritte gemacht hat, und wie er betont, “gibt es immer noch einen Platz für künstliche Intelligenz und maschinelle Übersetzung in der Wertschöpfungskette der Übersetzungsleistungen.”

Um die Herausforderung der maschinellen Übersetzung zu erklären, weist Koret darauf hin, dass “auf einer grundlegenden Ebene die maschinelle Übersetzung Algorithmen verwendet, um Wörter in einer Sprache durch Wörter in einer anderen Sprache zu ersetzen. Dies erweist sich als unzureichend, um erfolgreich zu übersetzen. Das Verständnis ganzer Phrasen ist für beide Sprachen erforderlich. Wir können die maschinelle Übersetzung als Dekodierung der Quellsprache und Aufzeichnung ihrer Bedeutung in der Zielsprache verstehen.”

Die Lösung dieser Herausforderung ist ein sehr komplexer Prozess und derzeit sind die am weitesten entwickelten Prozesse diejenigen, die ” Statistiken verwenden, um die beste Übersetzung für einen bestimmten Ausdruck zu wählen” oder “strukturierte Regeln, um die wahrscheinlichste Bedeutung zu wählen”. Diese Ansätze erfordern immer noch die Beteiligung von Redakteuren und Korrektoren, aber “diese Aufsichts-, Redaktions- oder Prüfungsfunktion ist weniger anspruchsvoll und weniger zeitaufwendig als die Übersetzung.”

Diese Methoden sind die Grundlage für die meisten Web-Übersetzungs-Apps wie Google Translate. Wie bereits erwähnt, verarbeitet Google Übersetzungen, die einem Million Bücher pro Tag entsprechen würden.

Derzeit jedoch werden mit der Verwendung von neuronalen maschinellen Übersetzungen (NMT) noch größere Fortschritte in der Verwendung von künstlicher Intelligenz im Übersetzungsprozess erzielt. Bei der Übersetzung mit Deep Learning ” wird nicht nur auf einzelne Wörter, sondern auf ganze Sätze geachtet”. Gleichzeitig benötigt NMT “ein   Bruchteil des Speichers, der für statistische Methoden benötigt wird”, was bedeutet, dass es gleichzeitig viel schneller arbeitet.

Die Verwendung von NMT wurde erstmals 2014 erforscht, aber die schnellen Fortschritte in den letzten fünf Jahren haben es möglich gemacht, die Entwicklung von bidirektionalen rekurrenten neuronalen Netzen oder RNN zu ermöglichen. “Diese Netze kombinieren einen Encoder, der einen Quellsatz für einen zweiten RNN, einen Decoder, formulierte. Ein Decoder prognostiziert die Wörter, die in der Zielsprache erscheinen sollten.” Google verwendet diesen Ansatz in NMT, um Google Translate anzutreiben. Auch Microsoft verwendet RNN in Microsoft Translator und Skype Translator.

Wie Koret schlussfolgert, können NMTs bei der Übersetzung helfen, während erfahrene Linguisten die Übersetzungsergebnisse vervollständigen und polieren können. Zukunftstranslatoren werden häufiger mit künstlicher Intelligenz zusammenarbeiten, anstatt gegen sie zu arbeiten.”