مترجمان ماشینی؛ دستیار آینده مترجمان انسانی

به گزارش خبرنگار گروه علم و فناوری خبرگزاری آنا، بسیاری از افراد بر این باورند که مترجمان هوش مصنوعی (AI) در توانایی خود در ترجمه دقیق محتوا از زبان‌های خارجی در شرف پیشی گرفتن از مترجمان انسانی هستند. دلیل این امر افزایش محبوبیت سیستم‌های تشخیص صدای خانگی مانند Alexa و برنامه‌هایی مانند Google Translate است.

استفاده از دستگاه‌های الکترونیکی برای ترجمه از زبانی به زبان دیگر از دیرباز رؤیای دانشمندان علوم کامپیوتر بوده است. با این وجود، تنها در ۱۰ سال گذشته بوده که ترجمه ماشینی به ابزاری مناسب برای استفاده واقعی و گسترده از دستیاران مترجم تبدیل شد. طبیعتاً پیشرفت در پردازش زبان طبیعی، هوش مصنوعی و ارتقای قوای محاسباتی همه به طور فزاینده‌ای در توسعه این فناوری تأثیرگذار بوده‌اند.

ترجمه ماشینی چیست؟

ترجمه ماشینی فرایند استفاده از هوش مصنوعی (AI) برای ترجمه خودکار محتوا از یک زبان (منبع) به زبان دیگر (هدف) بدون هیچ گونه دخالت و ورود انسان است.

ترجمه خودکار یکی از اولین پروژه‌های مورد نظر دانشمندان علوم کامپیوتر بود که در دهه ۱۹۵۰ آغاز شد. متأسفانه، پیچیدگی کار به مراتب بیشتر از برآورد اولیه دانشمندان کامپیوتر از آب درآمد و نیاز به قدرت پردازش و ذخیره‌ اطلاعات بسیار بیشتر از قابلیت‌های ماشین‌های اولیه بود.

بیشتر بخوانید:

ترجمه لوح‌های هخامنشی به کمک هوش مصنوعی

گجتی برای ترجمه ۱۰۴ زبان زنده دنیا/ «لانگوگو» اصطلاحات جدید زبان را بخاطر می‌سپارد

تنها در اوایل قرن جدید میلادی بود که نرم‌افزار، داده‌ها و سخت‌افزارهای مورد نیاز برای ترجمه ماشینی فراهم شدند. توسعه‌دهندگان اولیه از پایگاه‌داده‌های آماری زبان برای آموزش کامپیوتر استفاده می‌کردند تا ترجمه ماشینی را محقق سازند. آموزش این ماشین‌ها مستلزم کار دستی زیادی بود و برای هر زبانی که اضافه می‌شد باید همه چیز را از ابتدا طراحی می‌کردند.

در سال ۲۰۱۶، شرکت گوگل یک تیم آزمایشی را به خدمت گرفت تا با استفاده از مدل‌های یادگیری ماشین، شبکه عصبی مصنوعی و هوش مصنوعی (AI) به طور آزمایشی موتورهای ترجمه خود را آموزش دهد. وقتی متدولوژی تیم مزبور بر روی موتور اصلی ترجمه ماشین گوگل مورد آزمایش قرار گرفت مشخص شد این روش در بسیاری از موارد بسیار سریعتر و مؤثرتر از روش‌های قبلی عمل می‌کند. علت اصلی این امر این بود که در روش جدید ماشین خودش یاد می‌گرفت و این امر باعث بهبود مداوم در کیفیت ترجمه شده بود.

ترجمه به این روش آن قدر بهینه بود که گوگل به طور کامل روش کاری سرویس Google Translate را تغییر داد و مدل مبتنی بر شبکه عصبی مصنوعی را به عنوان مدل اصلی توسعه خود در نظر گرفت. سایر ارائه‌دهندگان عمده از جمله مایکروسافت و آمازون نیز طولی نکشید که از این روش پیروی کردند. سه نوع رایج ترجمه ماشینی وجود دارد که عبارتند از: ترجمه ماشینی مبتنی بر قانون (RBMT)، ترجمه ماشینی آماری (SMT) و ترجمه ماشینی عصبی (NMT).

ترجمه ماشینی مبتنی بر قانون (RBMT)

اولین شکل ترجمه ماشینی، ترجمه مبتنی بر قانون بود. این روش چندین عیب جدی از جمله نیاز به میزان قابل توجهی ویرایش پس از هر بار ترجمه و همچنین افزودن دستی زبان‌ها داشت. به جز این‌ها در مجموع کیفیت ترجمه پایین به حساب می‌آمد و در بسیاری مواقع قابل فهم نبود. این روش ترجمه ماشینی دیگر منسوخ شده است و شاید تنها کاربرد آن در مواردی است که کاربر بخواهد صرفاً به یک درک سریع معنایی از متن دست یابد (که البته این کار را هم در خیلی مواقع درست انجام نمی‌دهد).

ترجمه ماشینی آماری (SMT)

ترجمه ماشینی آماری، یک مدل آماری از روابط بین کلمات، عبارات و جملات در متن ایجاد می‌کند. موتور ترجمه سپس برای تبدیل این عناصر به زبان جدید، مدل خود را در زبان دوم اعمال می‌کند. در نتیجه، ترجمه ماشینی مبتنی بر قانون بهبود می‌یابد اما مشکلات بسیار مشابهی مانند روش قبل همچنان وجود دارد.

ترجمه ماشینی عصبی (NMT)

همانطور که در بالا ذکر شد، مدل ترجمه ماشینی مبتنی بر شبکه عصبی مصنوعی(که به آن ترجمه ماشینی عصبی نیز اطلاق می‌شود)، از روش‌های مبتنی هوش مصنوعی برای یادگیری زبان و بهبود مداوم ترجمه استفاده می‌کند. این روش درست مانند شبکه‌های عصبی در مغز انسان عمل می‌کند. نتایج آزمایش‌ها نشان می‌دهد که به‌کارگیری شبکه عصبی مصنوعی در ترجمه ماشینی موجب خلق ترجمه‌هایی دقیق‌تر و سریع‌تر خواهد شد، به همین علت امروزه همه ماشین‌های ترجمه معتبر به استفاده از این روش روی آورده‌اند.

ترجمه ماشینی چه مزایایی دارد؟

ترجمه ماشین تا قبل از پیدایش روش ترجمه ماشینی عصبی، هنوز یک محصول بتا محسوب می‌شد که ترجمه‌هایش کیفیت بسیار پایینی داشت و گاهی اوقات به نوشته‌هایی طنز و یا ناخوانا تبدیل می‌شد. موتورهای ترجمه ماشینی مدرن تا حد زیادی این شرایط را تغییر دادند و اکنون از دیدگاه بسیاری به‌عنوان یک ابزار ضروری در فرایند ترجمه شناخته می‌شوند به طوری که در بسیاری از موارد می‌توان آنها را دقیقاً همانطور که هست (برای برنامه‌های کم‌اهمیت) استفاده کرد یا با ویرایش کمی(یا قدری ترکیب با ترجمه سنتی) کیفیت آن را بالاتر برد.

امکان ترجمه سریع برای محتوای حجیم فراهم است

ترجمه ماشینی سریع است و می‌توان از طریق آن میلیون‌ها کلمه را تقریباً به طور فوری ترجمه کرد. در عین حال موتورهای ترجمه مدرن به گونه‌ای طراحی شده‌اند که هر چه بیشتر ترجمه کنند، به طور مداومی بهبود می‌یابند. ترجمه ماشینی برای پروژه‌هایی با حجم بسیار بالا، نه‌تنها می‌تواند به‌سرعت از پس حجم برآید، بلکه می‌تواند به کمک سیستم‌های مدیریت محتوا، متن را سازماندهی و برچسب‌گذاری کند. این امر امکان حفظ ساختار و زمینه را برای ترجمه محتوا به چندین زبان ممکن می‌سازد.

امروزه اساساً ترجمه ماشینی با ارائه مفاهیم کلیدی متن، بار اصلی ترجمه را از روی دوش مترجم انسانی برمی‌دارد.

حق انتخاب زبان‌های مختلف مقدور است

در حال حاضر ارائه‌دهندگان اصلی و برجسته سرویس ترجمه ماشینی از ترجمه همزمان بین ۵۰ الی ۱۰۰ زبان مختلف پشتیبانی می‌کنند و این قابلیت در نشست یا سخنرانی یا جلسه‌های بین‌المللی که سخنران یک متن را برای افراد مختلف قرائت می‌کند کاربردی است و جلوتر نیاز به ورود مترجم همزمان را از رفع می‌کند.

هزینه‌ها کاهش می‌یابد

ترکیب سرعت بالا و همچنین توانایی انتخاب از بین زوج‌های زبانی موجود که ده‌ها ترکیب را پوشش می‌دهند موجب می‌شود که ترجمه ماشینی هزینه‌ها و زمان تحویل ترجمه‌ها را کاهش دهد(حتی در زمانی که مترجمان انسانی برای ویرایش اثر به کار گرفته شوند). اساساً ترجمه ماشینی با ارائه مفاهیم کلیدی متن، بار اصلی ترجمه را از روی دوش مترجم انسانی برمی‌دارد و مترجم انسانی قادر خواهد بود این نسخه اساسی را اصلاح کند تا منظور اصلی محتوا را بهتر انعکاس دهد(و شاید قدری متن را بومی‌سازی کند).

ادغام خودکار در گردش کار ترجمه

بسیاری از سازمان‌ها و ادارات به طور مداوم جلسات و نشست‌های زیادی برگزار می‌کنند که فرصت مستندسازی آنها وجود ندارد. سیستم‌های اداری می‌توانند در چنین شرایطی، یک یا چند نوع از ترجمه ماشینی را در گردش کار این شرکت‌ها ادغام کنند تا حداقل یک برگردان ماشینی که به درک مطالب بیان‌شده در هر کدام از جلسات کمک می‌کند، در دسترس باشد. با توجه به هزینه کم و عدم تأخیر در ترجمه ماشینی، واقعاً دلیلی وجود ندارد که محتوای ترجمه‌شده ماشینی را در اتوماسیون گردش کار، به‌ویژه برای مستندات و ارتباطات داخلی قرار ندهیم.

ترجمه ماشینی در مقابل ترجمه انسانی

با پیشرفت‌ سال‌های اخیر، دیگر نیازی به تصمیم‌گیری در مورد استفاده از ترجمه ماشینی یا ترجمه انسانی در هنگام شروع پروژه نیست. مفهوم «ویرایشِ پس از ترجمه ماشین» به طور روزافزونی توسط مترجمان انسانی پذیرفته می‌شود. این مفهوم بدین معنی است که محتوای ترجمه‌شده توسط ماشین سپس توسط یک زبان‌شناس بررسی و ویرایش شود.

بیشتر بخوانید:

برنامه‌ای که صدای گربه‌ها را ترجمه می‌کند!

معرفی افزونه‌ای مترجم متن برای تمام مرورگرها

بهترین شیوه‌ برای ترجمه ماشینی این است که محتوای زبان اصلی را از قبل برای ترجمه ماشینی آماده کنید. برای این کار اصطلاحات شاعرانه را از متن اصلی حذف کنید، نوشتار را ساده کنید و جملات را کوتاه کنید. معمولاً این کار موجب می‌شود ترجمه ماشینی دقیق‌تر از آب دربیاید.

برخی از موتورهای ترجمه ماشینی که حالت پرداختی دارند برای متون تخصصی از یک روش جالب استفاده می‌کنند. آنها پیش از ترجمه از شما می‌خواهند تا واژه‌نامه مربوط به متن را به آنها ارائه کنید. برای مثال نوت‌بوک به معنی دفترچه یادداشت است اما در متن تخصصی کامپیوتری شما، اشاره به دستگاه‌های کامپیوتری پرتابل دارد، به این صورت جهان‌بینی سیستم نسبت به ترجمه متن تنظیم می‌شود.

همچنین بومی‌سازی محتوا و جایگزین کردن اصطلاحات در فرهنگ‌های مختلف امری است که هنوز باید به صورت دستی انجام شود. برای مثال در زبان انگلیسی گفته می‌شود: someone is (as) white as a sheet.

که یعنی «فردی رنگش مثل ملافه سفید شده است» و اشاره به فردی دارد که یکه خورده و رنگ‌پریده شده است. در حالی که ما در زبان فارسی می‌گوییم، «رنگش مثل گچ سفید شد». توجه به این جزئیات توسط ماشین عطف به گستردگی زبان‌ها و اضافه شدن اصطلاحات و کنایه‌های جدید به طور روزمره، زمانبر است و بنابراین هنوز نظارت انسانی بر ترجمه ماشین ضروری به نظر می‌رسد.

انتهای پیام/۴۱۶۰/پ