Makine Öğrenimi Çevirinin Karmaşık Sanatı İçinde Yer Ediniyor

Dil ve yazı uzmanı Reuven Koret, çeviri için yapay zeka kullanımının mevcut durumunu ve etkisini online yayını readwrite için ayrıntılı olarak ele aldı. Koret, AI tabanlı makine çevirisi araçlarının tüm çeviri süreçlerinde yaygın olarak kullanıldığını belirtiyor. Bu, yalnızca Google, Microsoft,   Facebook ve Amazon’un özel ML çevirisi araçlarına özgü değil, aynı zamanda SDL gibi şirketlerin sunduğu profesyonel araçlar için de geçerli.

Hala, birçok profesyonel çevirmen ve ajanslar gibi William Mamane, Tomedes profesyonel dil hizmetleri ajansının Dijital Pazarlama Başkanı, AI’ın çeviri kullanımına karşı şüpheci. Ancak bu şüpheci olanlar bile, Mamane gibi, makine çevirisinin ciddi ilerlemeler kaydettiğini ve “çeviri hizmetleri değer zincirinde AI ve Makine Çevirisi için hala bir yer var” olduğunu kabul ediyor.

Makine çevirisi zorluğunu açıklamak için Koret, “temel düzeyde, MT, bir dildedeki kelimeleri başka bir dildedeki kelimelerle değiştirmek için algoritmalar kullanır. Bu, başarılı bir şekilde çevirmek için yeterli değildir. Hem kaynak hem de hedef diller için tüm cümlelerin anlaşılması gerekli. MT’yi kaynak dilin anlamını hedef dilde kodlayarak düşünebiliriz.”

Bu zorluğu çözmek çok karmaşık bir süreç ve şu anda en gelişmiş süreçler, “bir cümle için en iyi çeviriyi seçmek için istatistikleri” veya “en olası anlamı seçmek için yapılandırılmış kuralları” kullanıyor. Bu yaklaşımlar hala editörlerin ve düzeltmenlerin katılımını gerektiriyor, ancak “bu denetleyici, düzenleyici veya denetleme rolü, çeviri kadar talep edilmiyor ve zaman almıyor.”

Bu yöntemler, çoğu web çevirisi uygulamasının, Google Translate’in temelini oluşturuyor. Belirtildiği gibi, Google, bir milyonun üzerinde kitabın doldurabileceği kadar çok çeviriyi işliyor.

Şu anda, çevirme sürecinde AI kullanımında daha büyük adımlar, sinirsel makine çevirisi (NMT) kullanarak gerçekleştiriliyor. Derin öğrenimi çevirirken, “sadece bireysel kelimeler değil, tam cümlelere bakıyor.” Aynı zamanda, NMT, “istatistiksel yöntemlerin gerekli olduğu belleğin bir kesirini” gerektiriyor, yani aynı zamanda çok daha hızlı çalışıyor.

NMT kullanımına ilişkin araştırmalar ilk olarak 2014 yılında yapılmıştı, ancak son beş yılda kaydedilen hızlı ilerlemeler, çift yönlü tekrarlayan sinirağı veya RNN’nin geliştirilmesini mümkün kıldı. “Bu ağlar, bir kaynak cümlesini ikinci bir RNN olan bir kodlayıcı ile formüle ediyor. Bir kodlayıcı, hedef dilde görünmesi gereken kelimeleri öngörüyor.” Google, NMT’de Google Translate’i çalıştırmak için bu yaklaşımı kullanıyor. Ayrıca Microsoft, Microsoft Translator ve Skype Translator’da RNN kullanıyor.

Koret’in sonuçlarına göre, NMT’ler, yetenekli dilbilimcilerin çevirinin çıktısını bitirebileceği ve parlatabileceği şekilde çeviriye yardımcı olabilir. Gelecek çevirmenleri, yapay zeka ile birlikte çalışırken, ona karşı değil.