მანქანათმცოდნეობა შემოიჭრება თარგმანის რთულ ხელოვნებაში

ენისა და წერის ექსპერტმა რუვენ კორეტმა დეტალურად განიხილა ხელოვნური ინტელექტის გავლენისა და გამოყენების მდგომარეობა თარგმანში ონლაინ გამოცემისთვის კითხვა წერა. კორეტი აღნიშნავს, რომ AI-ზე დაფუძნებული ავტომატური თარგმანის ხელსაწყოების გამოყენება თარგმანის პროცესის ყველა ასპექტში ფართოდ გავრცელებული ხდება. ეს არ არის მხოლოდ რეზერვირებული ML-ის მთარგმნელობითი ინსტრუმენტებისთვის Google, Microsoft,  Facebook და Amazon ყოველდღიურად გამოიყენება, მაგრამ დეტალური პროფესიონალური ინსტრუმენტები ისეთი კომპანიებისგან, როგორიცაა SDL.

მიუხედავად ამისა, ბევრ პროფესიონალ მთარგმნელსა და სააგენტოს მოსწონს უილიამ მამანე, ციფრული მარკეტინგის ხელმძღვანელი ტომედესიპროფესიონალური ენის სერვისების სააგენტო კვლავ სკეპტიკურადაა განწყობილი ხელოვნური ინტელექტის გამოყენება თარგმანში. მაგრამ ის სკეპტიკოსებიც კი, როგორიცაა Mamane, აღიარებენ, რომ მანქანურ თარგმანს აქვს სერიოზული წინსვლა და, როგორც ის აღნიშნავს, „ჯერ კიდევ არის ადგილი ხელოვნური ინტელექტისა და მანქანური თარგმანისთვის მთარგმნელობითი სერვისების ღირებულების ჯაჭვში“.

მანქანური თარგმანის გამოწვევის ასახსნელად კორეტი აღნიშნავს, რომ „საბაზისო დონეზე, MT იყენებს ალგორითმებს, რათა შეცვალოს სიტყვები ერთ ენაზე მეორეზე. ეს არასაკმარისია წარმატებული თარგმნისთვის. მთლიანი ფრაზების გაგება აუცილებელია როგორც საწყისი, ასევე სამიზნე ენებისთვის. ჩვენ შეგვიძლია გავიგოთ MT, როგორც საწყისი ენის გაშიფვრა და მისი მნიშვნელობის ჩაწერა სამიზნე ენაზე. ”

ამ გამოწვევის გადაჭრა ძალიან რთული პროცესია და ამჟამად ყველაზე განვითარებული პროცესები გამოიყენება ”სტატისტიკა მოცემული ფრაზის საუკეთესო თარგმანის ასარჩევად“ ან „სტრუქტურირებული წესები ყველაზე სავარაუდო მნიშვნელობის შესარჩევად“. ეს მიდგომები კვლავ მოითხოვს რედაქტორებისა და კორექტორების ჩართულობას, მაგრამ „ეს საზედამხედველო, სარედაქციო ან აუდიტორული როლი ნაკლებად მომთხოვნი და ნაკლებ დროს მოითხოვს, ვიდრე თარგმანი“.

ეს არის ის მეთოდები, რომლებზეც დაფუძნებულია ვებ თარგმანის აპების უმეტესობა, როგორიცაა Google Translate. როგორც აღნიშნულია, Google-მა დაამუშავა თარგმანები, რომლებიც დღეში მილიონ წიგნს შეავსებდა. 

თუმცა, ამჟამად, თარგმნის პროცესში ხელოვნური ინტელექტის გამოყენებაში კიდევ უფრო დიდი ნაბიჯები მიიღწევა ნერვული მანქანური თარგმანის (NMT) გამოყენებით, თარგმნისას ღრმა სწავლის გამოყენებით.უყურებს სრულ წინადადებებს და არა მხოლოდ ცალკეულ სიტყვებს“. ამავდროულად, NMT მოითხოვს „ა  მეხსიერების ფრაქცია, რომელიც საჭიროა სტატისტიკური მეთოდებით“, რაც იმას ნიშნავს, რომ ამავე დროს ის ბევრად უფრო სწრაფად მუშაობს.

NMT-ის გამოყენება პირველად მხოლოდ 2014 წელს იქნა გამოკვლეული, მაგრამ ბოლო ხუთი წლის სწრაფმა მიღწევებმა შესაძლებელი გახადა განვითარება ორმხრივი მორეციდივე ნერვიალ ქსელი ან RNN. „ეს ქსელები აერთიანებს ენკოდერს, რომელიც აყალიბებს წყაროს წინადადებას მეორე RNN-ისთვის, რომელსაც დეკოდერი ეწოდება. დეკოდერი წინასწარმეტყველებს სიტყვებს, რომლებიც უნდა გამოჩნდეს სამიზნე ენაში. ” Google არ იყენებს ამ მიდგომას NMT-ში Google Translate-ის მართვისთვის. ასევე, Microsoft იყენებს RNN-ს Microsoft Translator-ში და Skype Translator-ში.

როგორც კორეტი ასკვნის, NMT-ებს შეუძლიათ დაეხმარონ თარგმნაში, ხოლო გამოცდილი ლინგვისტებს შეუძლიათ დაასრულონ და გააუმჯობესონ თარგმანის შედეგი. მომავალი მთარგმნელები უფრო ხშირად იმუშავებენ ხელოვნურ ინტელექტთან, ვიდრე მის წინააღმდეგ“.