Makine Öğrenimi Çevirinin Karmaşık Sanatı İçinde Yer Ediniyor

Dil ve yazı uzmanı Reuven Koret, çeviri için yapay zeka kullanımının etkileri ve durumunu ayrıntılı olarak readwrite adlı online yayında ele aldı. Koret, çeviri sürecinin tüm yönlerinde yapay zeka tabanlı makine çevirisi araçlarının kullanımının yaygınlaştığını belirtiyor. Bu, yalnızca Google (GOOGL ), Microsoft (MSFT ),   Facebook (META ) ve Amazon (AMZN ) gibi şirketlerin özel ML çevirisi araçlarına özgü değil, aynı zamanda SDL gibi şirketlerin ayrıntılı profesyonel araçlarına da uygulanıyor.

Ancak birçok profesyonel çevirmen ve ajans, William Mamane, Tomedes adlı profesyonel dil hizmetleri ajansının Dijital Pazarlama Başkanı gibi, yapay zeka kullanımına karşı şüpheci davranıyor. Ancak bu şüpheci kişiler bile, Mamane gibi, makine çevirisi alanında önemli ilerlemeler kaydedildiğini ve “çeviri hizmetleri değer zincirinde yapay zeka ve makine çevirisi için hala bir yer olduğunu” kabul ediyor.

Makine çevirisi zorluğunu açıklamak için Koret, “temel düzeyde, MT bir dildedeki kelimeleri başka bir dildedekilerle değiştirmek için algoritmalar kullanır. Ancak bu, başarılı bir çeviri için yeterli değildir. Hem kaynak hem de hedef dillerdeki tüm cümlelerin anlaşılması gerekli. MT’yi, kaynak dilin anlamını hedef dilde kodlamak olarak 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 muhtemel anlamı seçmek için yapılandırılmış kuralları” kullanıyor. Bu yaklaşımlar hala editörlerin ve düzeltmenlerin katılımını gerektiriyor, ancak “bu denetleyici, editör veya denetleme rolü, çeviriden daha az talepkar ve daha az zaman alıyor.”

Bu yöntemler, Google Translate gibi çoğu web çevirisi uygulamasının temelini oluşturuyor. Google’un, bir milyonun üzerinde kitabın çevirilerini günlük olarak işlediği belirtiliyor.

Şu anda, çevirisi sürecinde yapay zeka kullanımında daha da büyük adımlar, derin öğrenimi kullanarak yapılan nöral makine çevirisi (NMT) ile atılıyor. “Tam cümlelere, yalnızca bireysel kelimelere değil” bakıldığını belirten NMT, “istatistiksel yöntemlere göre gereken belleğin yalnızca bir kısmını” gerektiriyor ve bu nedenle çok daha hızlı çalışıyor.

NMT kullanımına ilişkin araştırmalar ilk olarak 2014 yılında yapılmıştı, ancak son beş yıl içinde kaydedilen hızlı ilerlemeler, bidirectional yinelenen sinir ağının (RNN) geliştirilmesini mümkün kıldı. Bu ağlar, bir kaynak cümlesini formüle eden bir kodlayıcı ve bir ikinci RNN olan bir dekodör içeriyor. Dekodör, 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 belirttiğine göre, NMT’ler çeviride yardımcı olabilirken, yetenekli dilbilimciler çevirinin çıktısını bitirebilir ve parlatabilir. Gelecek çevirmenler, yapay zeka ile birlikte çalışmaktan çok, ona karşı çalışmaktan daha sık yararlanacaklar.”