Машинне навчання робить кроки у складному мистецтві перекладу

Експерт з мови та письма Ревен Корет детально обговорював 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 тільки стосується пропріетарних інструментів ML-перекладу від Google, Microsoft,  Facebook, і Amazon, які використовуються щодня, але також 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, 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 перекладових послуг”.

Щоб пояснити виклик машинного перекладу, Корет зазначає, що “на базовому рівні, МП 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 розуміти МП як декодування мови-джерела та записування його значення мови-цілі”.

Вирішення цього виклику – це дуже складний процес, 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 трудомістка, ніж переклад”.

Ці методи лежать в основі більшості веб-застосунків перекладу, таких як Google Translate. Як зазначається, Google обробляє переклади, які можна було б заповнити одним мільйоном книг на добу. 

Наразі ж навіть більші кроки вперед у використанні штучного інтелекту в процесі перекладу здійснюються за допомогою нейронного машинного перекладу (НМП), який використовує глибоке навчання під час перекладу, “глядає на повні речення, а не тільки на окремі слова”. Водночас НМП потребує “частки пам’яті, необхідної статистичними методами”, що означає, що він працює значно швидше.

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

Як Корет підсумовує, НМП можуть допомогти у перекладі, а кваліфіковані лінгвісти можуть завершити та відполірувати перекладений текст. Майбутні перекладачі все частіше будуть працювати з штучним інтелектом, а не проти нього”.