Machine Learning Maakt Vorderingen in de Intricatieke Kunst van Vertalen

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 wijdverbreid wordt. Dit is niet alleen voorbehouden aan propriëtaire ML-vertalingstools van Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ) en Amazon (AMZN ) die dagelijks worden gebruikt, maar ook voor gedetailleerde professionele tools van bedrijven zoals SDL.

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

Om de uitdaging van machinevertaling uit te leggen, merkt Koret op dat “op een basisniveau gebruikt MT algoritmes om woorden in één taal te vervangen door die in een andere. Dat blijkt onvoldoende te zijn om succesvol te vertalen. Het begrijpen van hele zinnen is noodzakelijk 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 gebaseerd op ” statistiek om de beste vertaling voor een bepaalde zin te kiezen,” 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 webvertalingapps zoals Google Translate. Zoals opgemerkt, verwerkt Google vertalingen die een miljoen boeken per dag zouden vullen. 

Momenteel worden echter nog grotere stappen gezet in het gebruik van AI in het vertaalproces met behulp van neurale machinevertaling (NMT), die diepe leerlingen gebruikt bij het vertalen, “kijkt naar volledige zinnen, niet alleen naar afzonderlijke woorden.” Tegelijkertijd heeft NMT “een   fractie van het geheugen nodig 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, kunnen NMT’s helpen bij het vertalen, terwijl ervaren linguïsten de vertaaloutput kunnen afmaken en polijsten. Toekomstige vertalers zullen vaker samenwerken met kunstmatige intelligentie dan ertegen.”