Machine Learning Maakt Vorderingen in de Intricatieke Kunst van Vertaling

Taal- en schrijfexpert Reuven Koret bespreekt in detail de staat van invloed en gebruik van kunstmatige intelligentie in vertaling voor de online publicatie readwrite. Koret wijst erop dat het gebruik van machinevertalingstools op basis van AI in alle aspecten van het vertaalproces algemeen wordt. Dit is niet alleen voorbehouden aan propriëtaire ML-vertalingstools van Google, Microsoft,  Facebook, en Amazon zijn in dagelijks gebruik, maar gedetailleerde professionele tools van bedrijven zoals SDL.

Nog steeds zijn veel professionele vertalers en agentschappen zoals William Mamane, Head of Digital Marketing at Tomedes, een professioneel taaldienstenbureau zijn nog steeds sceptici over het gebruik van AI in vertaling. Maar zelfs die sceptici zoals Mamane geven toe dat machinevertaling serieus vooruitgang heeft geboekt en zoals hij opmerkt, “er is nog steeds een plaats voor AI en machinevertaling in de vertaaldienstenwaardeketen.”

Om de uitdaging van machinevertaling te verklaren, merkt Koret op dat “op een basisniveau, MT gebruikt algoritmes om woorden in een taal te vervangen door die in een andere. Dat blijkt onvoldoende om succesvol te vertalen. Begrip van hele zinnen is nodig voor zowel de brontaal als de doeltaal. We kunnen MT begrijpen als het decoderen van de brontaal en het opnemen van de betekenis in de doeltaal.”

Het oplossen van deze uitdaging is een zeer complex proces en momenteel zijn de meest ontwikkelde processen het gebruik van “statistiek om de beste vertaling te kiezen voor een bepaalde zin,” of “gestructureerde regels om de meest waarschijnlijke betekenis te selecteren.” Deze benaderingen vereisen nog steeds de inzet van redacteuren en proofreaders, maar “die toezichthoudende, redactionele of controlefunctie is minder veeleisend en minder tijdrovend dan vertaling.”

Deze methoden zijn de basis voor de meeste webvertaalapps zoals Google Translate. Zoals opgemerkt, Google verwerkte vertalingen die een miljoen boeken per dag zouden vullen. 

Momenteel zijn er echter nog grotere stappen gezet in het gebruik van AI in het vertaalproces met het gebruik van neurale machinevertaling (NMT), met diepe leerprocessen bij het vertalen, “kijkt naar volledige zinnen, niet alleen naar individuele woorden.” Tegelijkertijd vereist NMT “een   fractie van het geheugen dat nodig is voor statistische methoden,” wat betekent dat het tegelijkertijd veel sneller werkt.

Het gebruik van NMT werd voor het eerst onderzocht in 2014, maar de snelle vooruitgang in de afgelopen vijf jaar heeft het mogelijk gemaakt om de bidirectionele recurrent neural network of RNN te ontwikkelen. “Deze netwerken combineren een encoder die een bronzin formuleert voor een tweede RNN, genaamd een decoder. Een decoder voorspelt de woorden die in de doeltaal moeten verschijnen.” Google gebruikt deze benadering in de NMT om Google Translate aan te sturen. Ook Microsoft gebruikt RNN in Microsoft Translator en Skype Translator.

Zoals Koret concludeert, NMT’s kunnen helpen bij het vertalen, terwijl ervaren linguïsten de vertaling kunnen afmaken en polijsten. Toekomstige vertalers zullen vaker samenwerken met kunstmatige intelligentie in plaats van ertegen.