Skype vairs nav daudzvalodu

Katrīna Ripela ir uzmanīga runātāja, kas ievēro visus noteikumus. Hao Čens ir brīvāks sarunu biedrs. Un es esmu nepārtraukts nekārtību cēlējs, kas pastāvīgi izpludina visus jēdzienus, kas ienāk manā galvā. Kādā nesenā rītā mēs visi trīs tikāmies kibertelpā, lai noskaidrotu, cik labi (vai slikti) spējam sazināties vācu, mandarīnu un angļu valodā. Katrs no mums runāja tikai savā dzimtajā valodā.

Uzliekot austiņas, mēs izmantojām Skype tulkotāju — Microsoft pētnieku komandas izveidoto. (Mani tērzēšanas partneri bija Microsoft nepilna laika konsultanti, kuri atradās tūkstošiem jūdžu attālumā no manas bāzes ASV Rietumkrastā.) Kad es jautāju Čenam, kur viņš uzauga, mani netraucēja dzirdēt, ka viņš teica: 我在中国的家乡在东北,辽宁省,鞍山市. Pēc dažām sekundēm draudzīga sintētiska balss man teica: Mana dzimtā pilsēta atrodas Ķīnas ziemeļaustrumos, Liaoningas provincē, Anšānas štatā.

Ja tikai pārējās mūsu biržas būtu darbojušās tik gludi. Kad Čens mēģināja izskaidrot savus ceļojumus uz ASV, Skype nepareizi apstrādāja neviennozīmīgu mandarīnu lietvārdu, paziņojot, ka viņš ir devies uz Ņujorkas kadru. Tikai tad, kad Čens izmēģināja dažādas frāzes, Skype vēlējās to padarīt par Ņujorkas štatu. Kad jautāju Ripelai par viņas Vācijas dzimto pilsētu, Skype programmatūra, sagaidot, ka es runāšu angliski, nevis vāciski, dzirdēja, ka Drēzdenes vietā es saku ģērbies. Tā radās muļķīgs teikums, kurā viņas pilsētas nosaukuma vietā parādījās vācu vārds bekleidet.

Kā liecina šādas kļūdas, ikdienas runas mašīntulkošana vēl neeksistē, neskatoties uz 30 gadu mēģinājumiem. Mēs paši esam vainīgi, tiešām. Ja mēs runātu ar Apvienoto Nāciju Organizācijas diplomātu skaidrību un precizitāti, tad mākslīgā intelekta rīki varētu visu atšifrēt saskaņā ar vispāratzītiem modeļiem. Jo vairāk mēs paļaujamies uz nezināmiem vārdiem vai sintaksi, lai izteiktu savas domas, jo grūtāk tulkošanas programmatūrai būs visu sakārtot bez papildu palīdzības.

Tomēr Microsoft, Google, Baidu, Facebook, IBM un daudzi citi cīnās par pārākumu šajā sarežģītajā jomā. Augstākās kvalitātes balss atpazīšanas un tulkošanas piedāvājums var kļūt par pievilcīgu vizītkarti, kas palīdz piesaistīt klientus daudziem citiem pakalpojumiem. Tie svārstās no meklēšanas internetā līdz mākoņdatniecībai, kurā datu glabāšana un apstrāde tiek nodrošināta, izmantojot attālos serverus un interneta savienojumu.

Saskaņā ar Synergy Research datiem mākoņdatošanas un infrastruktūras izdevumi visā pasaulē pagājušajā gadā pārsniedza 115 miljardus ASV dolāru un pieaug par 28 procentiem gadā. Tulkošana reāllaikā var palīdzēt konkurentu kopējiem mākoņpakalpojumu komplektiem izcelties tajā, kas citādi kļūst par preču biznesu, kuru nosaka cenas. Pagaidām lielākā daļa tulkošanas pakalpojumu ir pieejami bez maksas, taču var rasties maksas alternatīvas, jo globālie uzņēmumi meklē pielāgotus tulkošanas rīkus, kas darbojas vēl labāk.

Microsoft jo īpaši pēta veidus, kā korporatīvie lietotāji var izveidot lielākas iespējas, izmantojot pamata Skype tulkotāja dzinēju, ko pārbaudījām Rippel, Chen un es. Viena interešu joma: palīdzēt klientiem pirms laika ielādēt tūkstošiem specializētu terminu, atsauces dokumentus, sarunu paraugus un dīvainas runas. Tādā veidā Drēzdenes tipa problēmu rašanās iespējamībai vajadzētu būt daudz mazākai.

Tulkošanas programmatūra darbojas daudz labāk, ja tā var piekļūt lielai valodu modeļu datubāzei, ko, iespējams, izmantos konkrēti runātāji, skaidro Microsoft pētniecības stratēģijas direktors Vikrams Dendi. Pārvaldības konsultanti var lietot tādus terminus kā delta un precizitāte kontekstā, kas mums pārējiem šķiet neiedomājami. Rūpnieciskie ķīmiķi var ņirgāties par vairāk nekā duci dažādu ftalātu veidu. Un jebkurā lielā uzņēmumā projektu, procesu un augstāko vadītāju segvārdu ir bezgalīgi.

Augstākās kvalitātes balss atpazīšanas un tulkošanas piedāvājums var palīdzēt piesaistīt klientus daudziem citiem pakalpojumiem, sākot no meklēšanas internetā līdz mākoņdatniecībai.

Kopš 2011. gada Microsoft ir ļāvusi lielajiem klientiem ielādēt savus glosārijus vai rakstiskos materiālus specializētās teksta tulkošanas datu bāzēs. Tas ir paredzēts, lai iegūtu ticamākus rezultātus, nekā nodrošina Microsoft Bing pamata pakalpojums, jo īpaši attiecībā uz blīvu tehnisko materiālu. Vairāk nekā 100 000 lietotāju ir izvēlējušies pielāgošanu, saka Dendi. Vieglie lietotāji var maksāt tikai USD 40 mēnesī; smagi lietotāji, piemēram, Adobe un Twitter, var maksāt daudz vairāk.

Microsoft ir izmēģinājusi plašu tulkošanas stratēģiju klāstu kopš 90. gadu vidus, kad uzņēmuma dibinātājs Bils Geitss prognozēja, ka runas atpazīšana būs plaši pieejama 10 gadu laikā. Agrīnās pieejas lielā mērā balstījās uz mēģinājumiem kataloģizēt konkrētus gramatikas un lietošanas noteikumus. Sākot ar 2009. gadu, Microsoft paplašināja savu uzsvaru. Statistikas metodes ir savienotas pārī ar neironu tīkliem, mašīnmācības sistēmu, kuras pamatā ir cilvēka smadzeņu struktūra un pašmācības raksturs.

Pašlaik Microsoft izmanto piecus neironu tīklu slāņus, lai analizētu runu, norāda uzņēmuma pētniecības nodaļas vadītājs Pīters Lī. Zemākie slāņi analizē skaņas tādā līmenī, kas ir tikpat elementārs kā veids, kā attēlu analīzes programmatūra meklē malas un virsmas, nemēģinot noskaidrot, kas varētu būt objekti. Tāpat kā ar daudzām progresīvām mašīninteliģences pieejām, pat iesaistītajiem pētniekiem ir zināms noslēpums, kā tas darbojas. Tam nav nekāda sakara ar vārdiem vai fonēmām, Lī saka, atsaucoties uz skaņām, kas atšķir vienu vārdu no otra. Es domāju, ka neviens no mums nesaprot, uz ko skatās apakšējais slānis. Bet tas darbojas pārsteidzoši labi.

Microsoft pētnieki ir arī vairāk izmantojuši tā dēvēto ilgtermiņa īstermiņa atmiņu. Atpazīstot runu vai tulkojot, neironu tīkli izdara virkni minējumu, kas tiek nepārtraukti pārskatīti, ienākot jaunai informācijai. Reizēm gaidītais modelis pēkšņi svārstās. Šādos gadījumos neironu tīkli var veikt labāku pārgrupēšanas darbu, ja tie var pārskatīt pieņēmumus, kuru rezultātā tika izdarīti minējumi vairāku vārdu vērtībā. Ja sistēmas īstermiņa atmiņā saglabā garāku ierakstu, šāda izsekošana un turpmākas korekcijas ir iespējamas.

Lai apmācītu Skype Translator neironu tīklus katrā jaunajā valodā, ir vajadzīgas vismaz 4000 stundu runas paraugu un miljoniem teksta vārdu. Microsoft mašīntulkošanas komandas vadītājs Aruls Menezess saka, ka viņš bija gaidījis grūtības tādās valodās kā arābu valoda, kur runātāju akcenti var ievērojami atšķirties. Taču, savācot pietiekami daudz dažādu runātāju balsu paraugus, Menezess saka, ka ir bijis iespējams attīstīt Skype Translator ausi dažādām intonācijām tiktāl, ka reģionālie akcenti nav problēma. Tas pats attiecas uz atšķirībām starp vīriešu un sieviešu balsīm.

Citas ikdienas runas variācijas izrādās sarežģītākas. Neironu tīkli ir īpaši jutīgi pret mikrofonu atšķirībām. (Cilvēki var labi noteikt atšķirību starp statisko un runu, taču mašīnām to ir daudz grūtāk apgūt.) Arī runas pauzes ir problemātiskas. Kā atzīmē Menezess, cilvēki parasti neapstājas teikuma beigās. Viņi apstājas citur. Pauzes ir bezjēdzīgas, lai noteiktu, kad teikums sākas vai beidzas. Jums jāiet pēc pašiem vārdiem.

Arī pareizo tulkojumu sakārtošana neskaidriem vārdiem ir nebeidzams izaicinājums, atzīst Menezess. Runājot vācu valodā, Rippel bieži lieto vārdu Sie, kas atkarībā no situācijas var nozīmēt viņa, jūs vai viņi. Skype tulkotājs to panāk pareizi aptuveni 80 procentus gadījumu.

Līdzīgi Skype tulkotājs nedaudz paklūp, kad Čens apspriež ģimenes lielumu Ķīnā. Neatkarīgi no valdības politikas, Čens man saka, bērnu audzināšanas milzīgās izmaksas Ķīnā nozīmē, ka daudzi cilvēki vēlas tikai laist pasaulē bērnu.

Dažas minūtes vēlāk, sēžot Microsoft galvenās mītnes 99. ēkā, Menezess un es pārskatām sarunas stenogrammu. Menezess ar nožēlu norāda uz bērnu audzināšanas apmaiņu. Tam vajadzētu būt 'vienam bērnam', viņš saka. Taču ķīniešu valodā nav atšķirības starp “one” un “a”. Angļu valodā ir atšķirība, taču tā ir jāaplūko pilnībā kontekstā.

Es nedomāju, ka profesionāli tulki vēl trīc zābakos par to, ko mēs darām, viņš smaidot piebilst. Viņu darbs kādu laiku ir drošs.

Ripels, profesionāls tulks, ne tuvu nav tik kritisks. Viņa saka, ka tik ilgi, kamēr lietotāji runā lēni un teiks īsus, automatizētie pakalpojumi, piemēram, Skype Translator, var veikt noderīgu darbu, pārvarot valodas barjeras.

Ir ļoti svarīgi, lai šis rīks pastāv, viņa saka. Pašlaik ir svarīgāk nekā jebkad agrāk, lai cilvēki visās kopienās varētu sarunāties viens ar otru.

paslēpties