Maskinlæring gjør inntog i den intrikate kunsten å oversette

Språk- og skriveekspert Reuven Koret diskuterte i detalj tilstanden og bruken av kunstig intelligens i oversettelse for nettutgaven readwrite. Koret påpeker at bruk av maskinoversettelsesverktøy basert på AI i alle aspekter av oversettelsesprosessen blir mer og mer utbredt. Dette er ikke bare forbeholdt proprietære ML-oversettelsesverktøy fra Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ) og Amazon (AMZN ) som brukes daglig, men også detaljerte profesjonelle verktøy fra selskaper som SDL.

Likevel er mange profesjonelle oversettere og byråer som William Mamane, sjef for digital markedsføring i Tomedes, et profesjonelt språktjenesteselskap, fortsatt skeptiske til bruken av AI i oversettelse. Men selv disse skeptikerne som Mamane innrømmer at maskinoversettelse har gjort alvorlige fremgang, og som han påpeker, “det finnes fortsatt en plass for AI og maskinoversettelse i verdikjeden for oversettelsestjenester.”

For å forklare utfordringen med maskinoversettelse, påpeker Koret at “på et grundleggende nivå bruker MT algoritmer til å erstatte ord i ett språk med ord i et annet. Dette viser seg å være utilstrekkelig for å oversette med suksess. Forståelse av hele fraser er nødvendig for både kilde- og målspråk. Vi kan forstå MT som å dekodere kildespråket og registrere dens mening i målspråket.”

Løsningen på denne utfordringen er en svært kompleks prosess, og for tiden er de mest utviklede prosessene basert på “statistikk for å velge den beste oversettelsen for en gitt frase,” eller “strukturerte regler for å velge den mest sannsynlige betydningen.” Disse tilnærmingene krever likevel engasjement fra redaktører og korrekturlesere, men “denne overordnede, redaksjonelle eller revisjonelle rollen er mindre krevende og mindre tidskrevende enn oversettelse.”

Disse metodene er de som de fleste web-oversettelsesapper som Google Translate er basert på. Som det påpekes, Google prosesserte oversettelser som ville fylle en million bøker per dag. 

For tiden er likevel enda større framgang i å bruke AI i oversettelsesprosessen oppnådd med bruk av neuralt maskinoversettelse (NMT), Ved å bruke dyp læring når man oversetter, “ser på hele setninger, ikke bare enkeltord.” Samtidig krever NMT “en   brøkdel av minnet som er nødvendig for statistiske metoder,” noe som betyr at det fungerer mye raskere.

Bruken av NMT ble først forsket i 2014, men de raske fremgangene de siste fem årene har gjort det mulig å utvikle to-veis rekurrerende neurale nettverk eller RNN. “Disse nettverkene kombinerer en encoder som formulerte en kilde-setning for en annen RNN, kalt en decoder. En decoder forutsier ordene som bør dukke opp i målspråket.” Google bruker denne tilnærmingen i NMT for å drive Google Translate. Også Microsoft bruker RNN i Microsoft Translator og Skype Translator.

Som Koret konkluderer, NMT kan assistere i oversettelse mens dyktige lingvister kan fullføre og polere oversettelsesutgangen. Fremtidige oversettere vil oftere jobbe med kunstig intelligens i stedet for mot den.”