Machine Learning ทำให้เข้ามาในศิลปะที่ซับซ้อนของการแปล

ผู้เชี่ยวชาญด้านภาษาและเขียน Reuven Koret ได้พูดถึงสถานะของอิทธิพลและการใช้ปัญญาประดิษฐ์ในด้านการแปลสำหรับการเผยแพร่ทางออนไลน์ readwrite Koret ชี้ให้เห็นว่าการใช้เครื่องมือการแปลภาษาที่ใช้ AI ในทุกด้านของกระบวนการแปลกำลังเป็นที่นิยม นี่ไม่ใช่เพียงสำหรับเครื่องมือการแปลที่เป็นกรรมสิทธิ์ของ Google, Microsoft, Facebook และ Amazon ที่ใช้ทุกวัน แต่ยังรวมถึงเครื่องมือระดับมืออาชีพจากบริษัทอย่าง SDL ด้วย

อย่างไรก็ตาม นักแปลมืออาชีพและเอเจนซี่หลายคน เช่น William Mamane, หัวหน้าฝ่ายการตลาดดิจิทัลของ Tomedes เอเจนซี่บริการภาษามืออาชีพ ยังคงเป็นนักวิจารณ์การใช้ AI ในการแปล แต่แม้กระทั่งผู้วิจารณ์อย่าง Mamane ก็ยอมรับว่าการแปลภาษาโดยใช้เครื่องจักรได้ทำความก้าวหน้าอย่างจริงจัง และตามที่เขาระบุว่า “ยังมีที่สำหรับ AI และการแปลภาษาโดยใช้เครื่องจักรในห่วงโซ่คุณค่าของบริการแปล”

เพื่ออธิบายความท้าทายของการแปลภาษาโดยใช้เครื่องจักร Koret ระบุว่า “ในระดับพื้นฐาน การแปลภาษาโดยใช้เครื่องจักรใช้แอลกอริทึมในการแทนที่คำในภาษาหนึ่งด้วยคำในอีกภาษาหนึ่ง ซึ่งไม่เพียงพอสำหรับการแปลที่ประสบความสำเร็จ การทำความเข้าใจวลีโดยรวมเป็นสิ่งจำเป็นสำหรับทั้งภาษาแหล่งที่มาและภาษาเป้าหมาย เราสามารถเข้าใจการแปลภาษาโดยใช้เครื่องจักรได้ว่าเป็นการถอดรหัสภาษาแหล่งที่มาและบันทึกความหมายในภาษาเป้าหมาย”

การแก้ไขความท้าทายนี้เป็นกระบวนการที่ซับซ้อนมาก และปัจจุบัน กระบวนการที่พัฒนามากที่สุดใช้ ” สถิติในการเลือกการแปลที่ดีที่สุดสำหรับวลีที่กำหนด” หรือ “กฎที่มีโครงสร้างในการเลือกความหมายที่เป็นไปได้มากที่สุด” วิธีการเหล่านี้ยังคงต้องการการมีส่วนร่วมของบรรณาธิการและผู้ตรวจสอบ แต่ “บทบาทด้านการกำกับดูแล การแก้ไข หรือการตรวจสอบนั้นต้องใช้ความพยายามและเวลาในการแปลน้อยกว่า”

วิธีการเหล่านี้เป็นวิธีที่ใช้ในการแปลเว็บส่วนใหญ่ เช่น Google Translate ตามที่ระบุ Google ได้ประมวลผลการแปลที่จะเติมหนังสือหนึ่งล้านเล่มต่อวัน

ปัจจุบัน กระบวนการใหญ่กว่าในการใช้ AI ในกระบวนการแปลได้ทำขึ้นโดยใช้การแปลภาษาโดยใช้เครื่องจักรประสาท (NMT) โดยใช้การเรียนรู้ลึกในการแปล ” มองเห็นประโยคทั้งหมด ไม่ใช่แค่คำเดียว” ในเวลาเดียวกัน NMT ต้องการ ” เศษส่วนของหน่วยความจำที่จำเป็นโดยวิธีการทางสถิติ” หมายความว่าในเวลาเดียวกันทำงานได้เร็วกว่า

การใช้ NMT ได้รับการวิจัยครั้งแรกในปี 2014 แต่ความก้าวหน้าอย่างรวดเร็วในช่วงห้าปีที่ผ่านมาได้ทำให้สามารถพัฒนา เครือข่ายประสาทซ้ำ recurrent neural หรือ RNN ได้ ” เครือข่ายเหล่านี้รวมถึงตัวเข้ารหัสที่สร้างประโยคแหล่งที่มาสำหรับ RNN อีกตัวหนึ่งซึ่งเรียกว่าตัวถอดรหัส ตัวถอดรหัสคาดการณ์คำที่ควรปรากฏในภาษาเป้าหมาย” Google ใช้วิธีนี้ใน NMT เพื่อขับเคลื่อน Google Translate นอกจากนี้ Microsoft ยังใช้ RNN ใน Microsoft Translator และ Skype Translator

ตามที่ Koret สรุป NMT สามารถช่วยในการแปลได้ ในขณะที่นักภาษาศาสตร์ที่มีทักษะสามารถเสร็จสิ้นและทำให้การแปลออกมาสำเร็จได้ นักแปลในอนาคตจะทำงานร่วมกับ AI มากขึ้นแทนที่จะทำงานต่อต้านมัน”