Sztuczna inteligencja wkracza w złożoną sztukę tłumaczenia

Ekspert od języka i pisarstwa Reuven Koret omówił szczegółowo stan wpływu i zastosowania sztucznej inteligencji w tłumaczeniach dla internetowego wydania readwrite. Koret zauważa, że zastosowanie narzędzi tłumaczeń maszynowych opartych na sztucznej inteligencji we wszystkich aspektach procesu tłumaczenia staje się powszechne. Nie jest to zarezerwowane wyłącznie dla własnych narzędzi tłumaczeń opartych na ML od Google, Microsoft,   Facebook, i Amazon są używane codziennie, ale również szczegółowe profesjonalne narzędzia od firm takich jak SDL.

Jednak wiele profesjonalnych tłumaczy i agencji, takich jak William Mamane, szef marketingu cyfrowego w Tomedes, profesjonalnej agencji usług językowych, nadal jest sceptycznych co do zastosowania sztucznej inteligencji w tłumaczeniach. Ale nawet ci sceptycy, tacy jak Mamane, przyznają, że tłumaczenie maszynowe zrobiło poważne postępy, i jak zauważa, „wciąż jest miejsce na sztuczną inteligencję i tłumaczenie maszynowe w łańcuchu wartości usług tłumaczeniowych”.

Aby wyjaśnić wyzwanie tłumaczenia maszynowego, Koret zauważa, że „na podstawowym poziomie, MT używa algorytmów do zastępowania słów w jednym języku słowami w innym. To okazuje się niewystarczające do pomyślnego tłumaczenia. Zrozumienie całych fraz jest konieczne zarówno dla języka źródłowego, jak i docelowego. Możemy zrozumieć MT jako odszyfrowywanie języka źródłowego i rejestrowanie jego znaczenia w języku docelowym”.

Rozwiązanie tego wyzwania jest bardzo złożonym procesem i obecnie najbardziej rozwinięte procesy wykorzystują „statystykę do wyboru najlepszego tłumaczenia dla danej frazy”, lub „ustrukturyzowane reguły do wyboru najbardziej prawdopodobnego znaczenia”. Te podejścia wciąż wymagają zaangażowania redaktorów i korektorów, ale „ta nadzorcza, redakcyjna lub audytorska rola jest mniej wymagająca i mniej czasochłonna niż tłumaczenie”.

Te metody są tymi, na których opierają się większość aplikacji tłumaczeń internetowych, takich jak Google Translate. Jak zauważa się, Google przetwarza tłumaczenia, które wypełniłyby milion książek dziennie. 

Obecnie jednak jeszcze większe postępy w zastosowaniu sztucznej inteligencji w procesie tłumaczenia są osiągane za pomocą tłumaczenia maszynowego neuronowego (NMT), korzystając z głębokiego uczenia się podczas tłumaczenia, „patrząc na pełne zdania, a nie tylko pojedyncze słowa”. Jednocześnie NMT wymaga „ułamka pamięci potrzebnej przez metody statystyczne”, co oznacza, że jednocześnie działa znacznie szybciej.

Zastosowanie NMT było po raz pierwszy badane dopiero w 2014 roku, ale gwałtowne postępy w ciągu ostatnich pięciu lat umożliwiły rozwój dwukierunkowej rekurencyjnej sieci neuronowejal network lub RNN. „Te sieci łączą kodujący, który sformułował zdanie źródłowe dla drugiej RNN, zwaną dekodującą. Dekodująca przewiduje słowa, które powinny pojawić się w języku docelowym”. Google używa tego podejścia w NMT, aby napędzać Google Translate. Microsoft również używa RNN w Microsoft Translator i Skype Translator.

Jak Koret kończy, NMT może pomóc w tłumaczeniu, podczas gdy doświadczeni lingwiści mogą dokończyć i wykończyć wynik tłumaczenia. Przyszli tłumacze będą coraz częściej pracować z sztuczną inteligencją, a nie przeciwko niej”.