Potensialet til AI-basert maskinoversettelse

Når Google Trans ble lansert tilbake i 2006 – med sikte på å eliminere globale språkbarrierer – den støttet bare to språk, med begrensede prediktive algoritmer. Ti år senere, over 500 million mennesker brukte Google Translate, og oversatte over 100 milliarder ord om dagen på 109 forskjellige språk. Et så betydelig sprang i automatiske oversettelser ville ikke vært mulig uten to banebrytende teknologier: maskinoversettelse (MT) og kunstig intelligens (AI).

I tilfelle du gikk glipp av det, er maskinoversettelse prosessen med å utnytte kunstig intelligens til å automatisk oversette innhold fra ett språk til et annet, uten å stole på menneskelig input. Kunstig intelligens er kjernen i utviklingen i maskinoversettelsesindustrien.

Nå må du lure på hva rollen til AI er i maskinoversettelser, og hvorfor har den et så forstyrrende potensial for oversettelsesindustrien? La oss først gå gjennom rollen til AI i maskinoversettelser.

Rollen til kunstig intelligens i maskinoversettelse

Mens AI har vært en av hovedkatalysatorene for utviklingen av maskinoversettelsesindustrien, er det viktig å først forstå hvor vi står i dag. AI og maskinoversettelser er fortsatt i sin teknologiske spede begynnelse. Til tross for betydelig utvikling krever de fleste maskinoversettelser fortsatt menneskelig tilsyn for kontekst og nøyaktighet. Så, maskiner vil ikke erstatte menneskelige oversettere med det første. Men på baksiden, ingen menneskelig oversetter kan matche hastigheten og gjennomstrømmingen til maskinoversettelser.

Når det er sagt, har oversettelsesmotorer aldri vært så nærme å erstatte menneskelige oversettere, men har fortsatt skaffet seg en betydelig plass takket være det raskt fremskritt innen AI. Enkelt sagt hjelper AI oversettelsesmotorer med å bli smartere ved å samle inn, analysere og tolke store sett med data. Siden språket er i stadig utvikling, må oversettelsesmotorer hele tiden holde tempoet oppe, for å kunne komme i nærheten av å utrydde tverrspråklige grenser. Så hvordan hjelper AI oversettelsesmotorer med kontinuerlig utvikling?

Google Translate, for eksempel, bruker AI og dyp læring, kjent som nevrale maskinoversettelser (NMT). Dette er en maskinoversettelsesmetode som bruker et kunstig nevralt nettverk for å forutsi sannsynligheten for en ordsekvens. Så i stedet for å oversette en setning ord for ord, vil AI-baserte oversettelsesmotorer lære betydningen av hele setninger. Til dags dato er nevral maskinoversettelse den mest avanserte tilnærmingen til maskinoversettelser, som langt overgår de tidligere regelbaserte maskinoversettelsesmodellene i grammatisk og kontekstuell nøyaktighet. Dette er den samme teknologien som gir deg mer nøyaktige forslag når du skriver på telefonen.

I hovedsak er Google Translates AI-baserte nevrale nettverk i stand til dyp læring – en avansert metode for maskinlæring som også brukes i selvkjørende biler og ansiktsgjenkjenningsteknologi. I maskinoversettelse bruker nevrale nettverk millioner av eksempler for å lære og skape mer nøyaktige og naturlige oversettelser over tid. Googles nevrale nettverk oversetter hele setninger om gangen, i stand til å kode semantikken til en setning, i stedet for å huske den frase-til-frase.

AI og dyp læring skapte et paradigmeskifte i oversettelsesindustrien, noe som resulterte i raskere og mer kostnadseffektive oversettelser. Profesjonelle oversettere stoler i økende grad på maskinoversettelser, som fungerer godt med visse typer tekster som krever mindre fagekspertise og betydelig menneskelig etterredigering. La oss nå ta en titt på noen av de viktigste brukstilfellene for AI-baserte maskinoversettelser og hva som er i vente for fremtiden.

Kunstig intelligens utrydder språkbarrieren

Ved å videreutvikle nettverk for nevrale maskinoversettelse, skapte AI og dyplæringsalgoritmer en rekke nye bruksområder for automatiserte maskinoversettelser. Som et resultat begynte et stort antall bransjer å implementere teknologien.

SDL-regjeringen — en global innovatør innen språkoversettelsesteknologi — bruker maskinoversettelsessystemet sitt til å oversette nyhetsfeeds for sosiale medier i sanntid, for å gi myndighetene handlingskraftig innsikt.

Helseindustrien fant også nytte i maskinoversettelser, som Canopy Speak implementerte det for å lage den første medisinske oversetterappen. Canopy Speak hevder å tilby det største korpuset av forhåndsoversatte medisinske fraser i bransjen. Det lar leger stille spørsmål til ikke-engelsktalende pasienter via tekst-til-tale-oversettelser. For tiden tilbyr den kun en enveis kommunikasjonskanal.

Dette er bare to eksempler på selskaper som er avhengige av maskinoversettelse, men teknologien har blitt innlemmet i en rekke andre bransjer, inkludert e-handel, finans, juridisk, programvare og teknologi. De US Army har til og med implementert et maskinelt oversettelsessystem for fremmedspråk som tilbyr maskinoversettelser via tekst og tale til soldater.

Mens AI-baserte maskinoversettelser allerede er i ferd med å utrydde tverrspråklige språkbarrierer, er det fortsatt behov for større semantisk og kontekstuell forståelse. Den neste bølgen av innovasjon innen AI vil sannsynligvis introdusere tilpassede terminologiordlister som kan velges i henhold til typen oversettelse. Håpet bak tilpassede ordlister er at de vil gi større nøyaktighet for oversettelser som krever større fagkompetanse. Fremtidige nevrale nettverk vil også utvikle opplæring i maskinoversettelse underveis, noe som betyr at oversettelsesmotorer vil kunne lære i sanntid under oversettelsesprosessen.

AIWORK er et av de viktigste selskapene dedikert til utviklingen av AI. Det blokkjedebaserte AI-nettverket kombinerer effektiviteten til kunstig intelligens med oppløsningen til menneskelige eksperter, for å lage datasett som gjør AI smartere. AIWORKs åpne, publikumsbaserte markedsplass spesialiserer seg på AI-maskintranskripsjon, oversettelser og å lage AI-metadata av høy kvalitet for nettvideoer.

For å publisere artikler på nettstedet vårt, ta kontakt med oss ​​via e-post eller en av kontoene nevnt nedenfor.

Siste innlegg av gjesteforfatter (se alle)