Pembelajaran Mesin Membuat Kemajuan Dalam Seni Terjemahan yang Rumit

Ahli bahasa dan penulisan Reuven Koret membahas secara rinci tentang pengaruh dan penggunaan kecerdasan buatan dalam terjemahan untuk publikasi online readwrite. Koret menunjukkan bahwa penggunaan alat terjemahan mesin berbasis kecerdasan buatan dalam semua aspek proses terjemahan menjadi semakin meluas. Ini tidak hanya terbatas pada alat terjemahan ML milik Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ), dan Amazon (AMZN ) yang digunakan sehari-hari, tetapi juga alat profesional dari perusahaan seperti SDL.

Namun, banyak penerjemah profesional dan agen seperti William Mamane, Kepala Pemasaran Digital di Tomedes, sebuah agen jasa bahasa profesional masih skeptis tentang penggunaan kecerdasan buatan dalam terjemahan. Tetapi bahkan skeptis seperti Mamane mengakui bahwa terjemahan mesin telah membuat kemajuan serius, dan seperti yang dia tunjukkan, “masih ada tempat untuk kecerdasan buatan dan Terjemahan Mesin dalam rantai nilai jasa terjemahan.”

Untuk menjelaskan tantangan terjemahan mesin, Koret mencatat bahwa “pada tingkat dasar, MT menggunakan algoritma untuk menggantikan kata-kata dalam satu bahasa dengan kata-kata dalam bahasa lain. Ini terbukti tidak cukup untuk menerjemahkan dengan sukses. Pemahaman tentang frasa-frasa secara keseluruhan diperlukan untuk bahasa sumber dan target. Kami dapat memahami MT sebagai decoding bahasa sumber dan merekam maknanya dalam bahasa target.”

Mengatasi tantangan ini adalah proses yang sangat kompleks dan saat ini, proses yang paling berkembang menggunakan “statistik untuk memilih terjemahan terbaik untuk sebuah frasa,” atau “aturan terstruktur untuk memilih makna yang paling mungkin.” Pendekatan ini masih memerlukan keterlibatan editor dan proofreader, tetapi “peran pengawasan, editorial, atau audit tersebut kurang menuntut dan kurang memakan waktu daripada terjemahan.”

Metode ini adalah metode yang digunakan oleh sebagian besar aplikasi terjemahan web seperti Google Translate. Seperti yang dicatat, Google memproses terjemahan yang akan mengisi satu juta buku per hari. 

Saat ini, bagaimanapun, langkah-langkah yang lebih besar dalam menggunakan kecerdasan buatan dalam proses terjemahan telah dicapai dengan menggunakan terjemahan mesin neural (NMT), Menggunakan pembelajaran dalam saat menerjemahkan, “melihat kalimat penuh, bukan hanya kata-kata individu.” Pada saat yang sama, NMT memerlukan “sebagian kecil memori yang dibutuhkan oleh metode statistik,” yang berarti bahwa pada saat yang sama itu bekerja jauh lebih cepat.

Penggunaan NMT pertama kali diteliti pada tahun 2014, tetapi kemajuan pesat dalam lima tahun terakhir telah membuatnya mungkin untuk pengembangan jaringan neural berulang atau RNN. “Jaringan ini menggabungkan encoder yang merumuskan kalimat sumber untuk RNN kedua, yang disebut decoder. Decoder memprediksi kata-kata yang harus muncul dalam bahasa target.” Google tidak menggunakan pendekatan ini dalam NMT untuk mengemudi Google Translate. Juga, Microsoft menggunakan RNN dalam Microsoft Translator dan Skype Translator.

Seperti yang disimpulkan oleh Koret, NMT dapat membantu dalam menerjemahkan sementara ahli bahasa terampil dapat menyelesaikan dan mengkilapkan output terjemahan. Penerjemah di masa depan akan lebih sering bekerja dengan kecerdasan buatan daripada melawan itu.”