Машинне навчання робить кроки у складному мистецтві перекладу

Експерт з мови та письма Ревен Корет детально описав стан впливу та використання штучного інтелекту в перекладі для онлайн-видання readwrite. Корет зазначає, що використання інструментів машинного перекладу на основі штучного інтелекту у всіх аспектах процесу перекладу стає все більш поширеним. Це не лише стосується пропріетарних інструментів ML-перекладу від Google (GOOGL ), Microsoft (MSFT ),  Facebook (META ), і Amazon (AMZN ), які використовуються щодня, але також і професійних інструментів від компаній типу SDL.

Все ж таки, багато професійних перекладачів і агентств, таких як Вільям Мамане, керівник цифрового маркетингу в Tomedes, професійному агентстві мовних послуг, все ще скептично ставляться до використання штучного інтелекту в перекладі. Але навіть ці скептики, такі як Мамане, визнають, що машинний переклад зробив серйозні кроки вперед, і, як він зазначає, “все ще є місце для штучного інтелекту та машинного перекладу в ланцюжку цінності перекладацьких послуг.”

Щоб пояснити складність машинного перекладу, Корет зазначає, що “на базовому рівні, MT використовує алгоритми для заміни слів однієї мови на слова іншої. Це виявляється недостатнім для успішного перекладу. Потрібне розуміння цілих фраз для обох мов-джерел і мов-цілей. Ми можемо розглядати MT як декодування мови-джерела та записування його значення мовою-ціллю.”

Вирішення цієї складності є дуже складним процесом, і зараз найбільш розвинені процеси використовують “статистику для вибору найкращого перекладу для даної фрази,” або “структуровані правила для вибору найбільш імовірного значення.” Ці підходи все ще потребують участі редакторів і коректорів, але “ця наглядова, редакторська або аудиторська роль менш вимоглива і менш часоємна, ніж переклад.”

Ці методи лежать в основі більшості веб-додатків перекладу, таких як Google Translate. Як зазначається, Google обробляє переклади, які могли б заповнити один мільйон книг на добу. 

Наразі, однак, навіть більші кроки вперед у використанні штучного інтелекту в процесі перекладу досягнуті завдяки використанню нейронного машинного перекладу (NMT). Використовуючи глибоке навчання під час перекладу, “дивиться на повні речення, а не лише на окремі слова.” Одночасно NMT потребує “частки пам’яті, необхідної статистичними методами,” що означає, що він працює значно швидше.

Використання NMT було вперше досліджено лише у 2014 році, але швидкі досягнення за останні п’ять років зробили можливим розвиток бідирекціональної рекурентної нейронноїмережі або RNN. “Ці мережі поєднують кодувальник, який формує вихідне речення для другого RNN, називається декодувальником. Декодувальник передбачає слова, які повинні з’явитися в цільовій мові.” Google зараз використовує цей підхід в NMT для керування Google Translate. Також Microsoft використовує RNN у Microsoft Translator і Skype Translator.

Як Корет підсумовує, NMT може допомогти в перекладі, тоді як кваліфіковані лінгвісти можуть завершити та відполірувати вихідний переклад. Майбутні перекладачі все частіше будуть працювати зі штучним інтелектом, а не проти нього.”