211service.com
Atkārtojiet, lūdzu, angļu valodā
Lai gan pēdējo 20 gadu laikā datorizēto tulkojumu kvalitāte ir ievērojami uzlabojusies, daži rezultāti joprojām ir tikpat gramatiski muļķīgi kā norādījumi uz irbulīša iesaiņojuma. Ņemiet, piemēram, vietni a Japāņu ābolu ferma kas tika pārveidots angļu valodā, izmantojot Google automātiskās tulkošanas pakalpojums :
Someya ābeļdārzs tas ļoti pāries! Tas ir iestādīts 1954. gadā, turklāt arī tagad tas pārsniedz koka vecumu 50 gadus vecs plaukstošs, liels - nākot kokam neparasti spēlē aligators ābols ir apaugļots. Garšīgais ābols, kur dienas un nakts temperatūras starpība saspiedās līdz galējai Gunmas prefektūras Numatas pilsēta, kurā četri gadalaiki ir skaidra liela daba, cieta. *
Jā, kopaina ir redzama, taču Google japāņu valodas tulkošanas algoritms pazaudē daudz. Google ir piedāvājusi savu tulkošanas funkciju jau vairākus gadus, tāpat kā Kanādas interneta uzņēmums Babel Zivis . Tomēr pavisam nesen komerciālās programmatūras izstrādātāji ir sākuši pētīt tulkošanu ārpus statiskas tīmekļa lapas vai elektroniska dokumenta un izmanto šo tehnoloģiju reāllaika interneta tūlītējās ziņojumapmaiņas sarunām. Šī mēneša sākumā AvMedia izlaida tūlītējo ziņojumapmaiņu tulkotājs izstrādāts, lai angļu valodā runājošajiem atvieglotu tērzēšanu ar draugiem, kuri runā vācu, spāņu, franču, itāļu un portugāļu valodā, un otrādi (franču valodu var tulkot arī vācu valodā un vācu valodu franču valodā).
Taču visai šai programmatūrai joprojām trūkst pietiekamas precizitātes, lai tā būtu noderīga sarežģītās situācijās, piemēram, biznesa sarunās vai militārajā plānošanā. Iespējams, tas ir tāpēc, ka lielākā daļa komerciālās programmatūras izmanto tradicionālu mašīntulkošanas pieeju, saka Kevins Naits, Dienvidkalifornijas universitātes datorzinātnieks. Informācijas zinātņu institūts (ISI) un Kalifornijā bāzētā uzņēmuma līdzdibinātājs Valodas Vēvere .
Tradicionāli mašīntulkošanas programmatūra ir bijusi atkarīga no algoritmiem, kas šķiro tūkstošiem gramatikas noteikumu abās tulkojamajās valodās, saka Naits. Viņš skaidro, ka problēma ir tā, ka tik daudz noteikumu ir jāraksta manuāli, tāpat kā šo noteikumu izņēmumi, un neprecizitāte parādās, kad sarežģīti noteikumu kopumi ir pretrunā viens otram. Ja jūs uzrakstāt 5000. likumu, dažreiz jūs pārkāpjat lietas, saka Naits.
Ar Language Weaver un viņa pētījumiem USC Naits, kā arī nedaudzi citi pētnieki visā pasaulē, pieiet problēmai atšķirīgi. Tā vietā, lai ievērotu stingrus gramatikas noteikumus, Language Weaver saskaņo pareizos vārdus un frāzes dažādās valodās, pamatojoties uz varbūtību, ka šie vārdi un frāzes ir pareizi konkrētajā kontekstā.
Šī statistikas pieeja balstās uz daudziem piemēriem no jau tulkotiem dokumentiem, saka Maikls Kolinss, MIT datorinženieris, kurš izmanto to pašu metodi lietojumprogrammai, ko viņš veido, lai veiktu tulkojumus no vācu valodas angļu valodā. IBM ieviesa šo pieeju deviņdesmitajos gados, viņš saka, daļēji izmantojot milzīgu Kanādas parlamenta darbu datubāzi, kas publicēta gan franču, gan angļu valodā.
Mašīntulkošanas statistiskā dažādība ne tikai nodrošina labākus rezultātus nekā tradicionālā metode, saka Naits, bet arī programmatūra ir izstrādāta, lai turpinātu pilnveidoties pati par sevi. Jo vairāk tulkotu dokumentu programmatūra sastopas, jo lielāka iespēja, ka tā pareizi sakritīs frāzes. Pirms dažiem gadiem mūsu ķīniešu un arābu valodās viss, ko mēs varējām iegūt, bija raksta pamattēma, saka Naits. Tagad izšķirtspēja ir teikuma līmenī. [Turpinājums nākamajā lapā]
-
* Labojums, 2006. gada 18. janvāris, 10:00 EST: šī stāsta sākotnējā versijā mēs citējām šādu Someya Apple Farm vietnes tulkojumu: Ābeļu dārzs ar lieliem kokiem, kas vecāki par 50 gadiem. Dabiskā vide ap Numata ar milzīgo temperatūras starpību starp dienu un nakti rada unikāli garšīgu ābolu. Faktiski šis bija izvilkums no Google tulkojuma no Apple fermas vietnes angļu valodas versijas, nevis no Google veiktā oriģinālās japāņu lapas tulkojuma. Tāpēc tas nebija derīgs dažu mašīntulkošanas algoritmu sliktas kvalitātes piemērs. Stāstā mēs tagad esam aizstājuši oriģinālās japāņu vietnes Google tulkojumu. Paldies mūsu lasītājiem par kļūdu norādīšanu. - Eds.
ASV Aizsardzības progresīvo pētījumu projektu aģentūra (DARPA) ir viens no lielākajiem statistikas mašīntulkošanas finansētājiem. Pagājušā gada augustā DARPA sponsorēja ķīniešu un arābu valodas dokumentu mašīntulkošanas testus; Google pētniecības grupa ieguva augstāko punktu skaitu, izstumjot USC Informācijas zinātņu institūtu un IBM mašīntulkošanas grupu. Google, kas izmanto arī statistikas pieeju, varētu būt ieguvusi priekšrocības, atzīmē Naits, jo viņi varēja izmantot milzīgu skaitu datoru, lai izspiestu vārdus, un varētu smelties no visa interneta priekštulkoto dokumentu datubāzei.
2005. gadā DARPA arī paziņoja par programmu Global Autonomous Language Exploitation (GALE), kuras mērķis ir paātrināt liela skaita tulkoto dokumentu datorapstrādi, ko ieguvusi tās pamatprogramma Filadelfijā. Lingvistisko datu konsorcijs .** GALE pašlaik darbojas pirmajā gadā un pārrakstīs runu no apraides ziņu avotiem un sarunu šoviem arābu, ķīniešu un angļu valodā, kā arī kataloģizēs teksta ziņu plūsmas, tīmekļa ziņu diskusiju grupas un emuārus šajās valodās. Pagaidām projekts galvenokārt ir vērsts uz datu vākšanu no šiem žanriem, un lielu daļu darba veic Pensilvānijas universitātes datorzinātņu un inženierzinātņu nodaļas pētnieki.
Bet pat ar lielu tulkoto materiālu kolekciju joprojām būs jāatrisina valodas problēmas. Naits saka, ka nākamais mašīntulkošanas izpētes solis ir ne tikai vārdu un frāžu saskaņošana, bet arī gramatisko pretrunu izlīdzināšana, kas rodas, savienojot vārdus un frāzes. Šo izlīdzināšanu var veikt, indeksējot miljoniem teikumu, kuru struktūras tika diagrammas veidotas Pensilvānijas Universitātē 1990. gados (dati iegūti no 50 000 teikumu Wall Street Journal ). Līdzīgi kā datubāze, kas pilna ar vārdiem un frāzēm, ļauj tulkošanas programmatūrai izvēlēties statistiski ticamāko vārdu kombināciju, šie specifiskie gramatikas piemēri no diagrammām teikumiem palīdz programmatūrai noteikt vārdu secības iespējamību, saka MIT Kolinss.
Viņš saka, ka tas ir sasniegums salīdzinājumā ar tradicionālo metodi, kurā gramatikas noteikumi tika noteikti algoritmā. Tā vietā, lai ievērotu kodētās gramatikas konvencijas algoritmā, kā ar tradicionālo mašīntulkošanu, diagrammu teikumu datubāze ļauj programmatūrai piešķirt šiem noteikumiem varbūtības un svaru, saka Kolinss. Viņš saka, ka [programmatūra], visticamāk, apgūs kontekstu.
Tomēr dažos veidos statistikas pieeja būs tikpat laba kā parastais tūlītējās ziņojumapmaiņas tulkotājs. Piemēram, pareizie nosaukumi joprojām aizrauj pat visvairāk lasīto mašīntulkotāju, un tie bieži tiek tulkoti kopā ar pārējo tekstu. Saskaņā ar viņa sistēmu Naits atzīst, ka viņa uzvārda spāņu versija joprojām ir Kevins Kabalero.
** Labojums, 2006. gada 20. janvāris: šī stāsta sākotnējā versijā, kas tika publicēta 18. janvārī, bija teikts, ka Linguistic Data Consortium tika izveidots 2005. gadā. Faktiski konsorcijs tika izveidots 1992. gadā, un tika uzsākts tā globālās autonomās valodas izmantošanas projekts. 2005. gadā. – Eds.