نرم افزار ترجمه هوشمند
امروزه نرم افزار ترجمه هوشمند قادر است تا در کنار ترجمه های انسانی نقشی موثر ایفا کنند , فن آوری ترجمه نرم افزاری هوشمند امروزه بسیار پیشرفت کرده است.
برای آشنایی با امکانات و کمبود های موجود در نرم افزار های ترجمه با یک مقاله کاملا اختصاصی و مفید در سایت ترجمه با ما همراه باشید .
به طور گسترده ای گزارش شده است که نرم افزار ترجمه هوشمند قادر است مترجمان انسانی آموزش دیده را از رقابت دور کند. اما آیا این کاملاً صحیح است؟ در بیشتر مواقع ، ورود ترجمه دستگاه عصبی (موسوم به Neural machine translation یا NMT) بیشترین اعتبار را برای این پیشرفت آشکار در ترجمه ماشینی دریافت می کند.
فناوری NMT کارآمد خوبی دارد زیرا می تواند مقدار زیادی از داده های ترجمه را به دست آورد. بسیاری از شرکتهای بزرگ آنلاین ، از Facebook تا Google ، NMT را پذیرفته اند – با این نتیجه که از ترجمه های با کیفیت بهتر برخوردار شده اند. اما آیا این سیستم ها به تنهایی بدون دخالت انسان در روند کار به خودی خود کافی هستند؟
از سال 2018 ، به نظر می رسد جواب مثبت نیست. از آنجا که این سیستم ها گاهی اوقات می توانند اشتباهات شرم آور ایجاد کنند ، ترکیبی از NMT و متخصصان زبانشناسی انسان به نظر می رسد بهترین گزینه است.
ترجمه دستگاه عصبی
NMT یک ترجمه ماشینی است که کارکنان آن داده های شبکه های عصبی دیجیتالی هستند تا خدمات ترجمه را انجام دهند .
. این شبکه های عصبی به معنای واقعی کلمه آموزش یافته اند تا الگوهای داده ها را بشناسند. این امر به آنها اجازه می دهد تا امیدوارانه قطعه داده معینی را به زبان انگلیسی و یا زبان ترکی و یا هر زبانی ترجمه کنند.
روند کار ترجمه نرم افزاری
هنگام ترجمه یک جمله توسط نرم افزار ترجمه هوشمند با استفاده از تکنیک شبکه عصبی مثلا ترجمه زبان فرانسوی ابتدا جمله فرانسوی به شبکه تغذیه می گردد و هر کلمه موجود در نرم افزار ترجمه ماشینی به شکل برداری از اعداد خوانده می شود , آنگاه به شبکه اجازه پردازش داده می شود .
از دید فناوری و آی تی و از نظر تئوری پس از آنکه هوش مصنوعی محاسبات مختلف ریاضی را با ان اعداد رقم میزند در پایان مجموعه جدیدی از اعداد را نشان میدهد که معادل انگلیسی آن را تولید میکند که بعد جمله فرانسوی به یک جمله انگلیسی ترجمه میگردد .
با این حال ، قبل از اینکه چنین ترجمه ای واقعاً اتفاق بیفتد ، مهندسان باید معماری شبکه را انتخاب کنند ، یعنی دقیقاً چه نوع و چه تعداد تحولات ریاضی باید اعمال شود. این نیاز به تخصص قابل توجهی ، آزمایش خوب و حتی کمی حدس زدن دارد. اما پس از اتمام ، آنها دارای یک شبکه عصبی هستند که باید آموزش ببیند تا بتواند ترجمه را انجام دهد.
در مرحله بعد ، این شبکه بر روی رایانه هایی با قدرت پردازش زیادی پیاده سازی می شود. مرحله بعد ، آموزش است که برنامه ای برای وارد کردن جفت جملات انگلیسی و فرانسوی – که ترجمه های یک جمله خاص است – در این شبکه قرار دارد. در فرایند آموزش ، شبکه هوش مصنوعی به جمله فرانسوی نگاه می کند ، در مورد ترجمه صحیح انگلیسی حدس می زند و سپس مطلع می شود که حدس آن چقدر دقیق بوده است.
با تکرار تقریباً بی پایان ، این آموزش به شبکه امکان می دهد هنگام تلاش برای تولید ترجمه های انگلیسی توسط نرم افزار ترجمه انگلیسی با کیفیت ، بهترین تنظیمات مورد استفاده در این تحولات ریاضی را کشف کند.
در مرحله بعد ، NMT با ترجمه این جمله های دیگر که در فرآیند معاملاتی درج نشده اند ، آزمایش می شود تا اطمینان حاصل شود که می تواند فراتر از داده های خود باشد. در حالی که این امر به داده های زیادی برای آزمایش نیاز دارد ، تعداد زیادی متن فرانسوی / انگلیسی در اینترنت موجود است.
داده های بزرگ و شبکه های عصبی
یکی از دلایلی که اخیراً این شبکه های عصبی یا شبکه های چند لایه با موفقیت روبرو شده اند به دلیل افزایش دسترسی تعداد زیادی از داده ها است.
این امر در هنگام ترکیب با داده های کافی ، باعث افزایش عملکرد فوق العاده ای می شود. نتیجه ترجمه ها بسیار روانتر از آنچه که قبلاً از این ماشین ها و برنامه ها در دسترس بوده است. توجه داشته باشید که تسلط ، در این حالت ، به معنی بیرون کشیدن متنی است که کمی بدتر است و حتی ممکن است در مورد چیزی که توسط یک انسان واقعی تولید می شود اشتباه باشد.
AI translation
مشکلات نرم افزار ترجمه هوشمند
مشکلات احتمالی ذاتی در NMT – که با استفاده از زبان شناسان انسانی برای تکمیل فناوری نرم افزار قابل حل است – در 3 دسته مختلف قرار می گیرند: قابلیت اطمینان اساسی ، مسائل مربوط به حافظه و عقل سلیم ساده. پس از بررسی اجمالی زیر ، بعداً با جزئیات بیشتری به این مشکلات خواهیم پرداخت.
1-عدم قابلیت اطمینان نرم افزار ترجمه هوشمند :
مطمئناً بیشترین مشکلی که در ترجمه های NMT وجود دارد این است که آنها غالباً غیر قابل اعتماد هستند. این غیرقابل اطمینان بودن می تواند از نظر ماهیت جزئی باشد ، یا ترجمه نتیجه آن تقریباً قابل فهم نیست. ترجمه های NMT اغلب کلمات و عبارات کامل را حذف می کنند و یا نفی اشتباه در یک جمله را تفسیر می کنند.
2-مشکل حافظه:
در این حالت ، حافظه به رم کامپیوتر اشاره نمی کند ، بلکه در عوض به مسئله حافظه کوتاه مدت است که نرم افزار ترجمه هوشمند به عنوان بخشی ذاتی از طراحی خود اشاره دارد. این برنامه ها کاملاً روی جملاتی که ترجمه می کنند متمرکز می شوند ، از متن موجود در جمله قبل یا بعد آن غافل می شوند.
3-احساس و ادراک واقعی :
سیستم های NMT تقریبا هیچ کدام از آنچه را عقل سلیم می نامیم ندارند. به عبارت دیگر ، آنها هیچ شناختی از جهان و توانایی واقعی در درک زمینه ندارند ، چیزی که هنگام تلاش برای درک آنچه در واقع یک جمله است ، بسیار مهم است و نه فقط آنچه که می گوید. این منطقی است که یک زبان شناس انسانی در تکمیل تلاش های NMT می تواند بسیار با ارزش باشد.
عقل سلیم یک ویژگی انسانی است که هنوز سیستم NMT تسلط پیدا نکرده است. عقل سلیم به دانش و درک زمینه اشاره دارد که به ترجمه های دقیق کمک می کند.
بدیهی است ، یک زبان شناس انسان قادر خواهد بود عقل سلیم را برای ترجمه به کار ببرد. به عنوان مثال ، یک مقاله انگلیسی زبان در مورد یک کنسرت راک یا در مورد یک مقاله کاملا تخصصی انگلیسی تنها از یک مترجم تخصصی انگلیسی در دارالترجمه انگلیسی بر می آید
یکی از مواردی که این مسئله حتی بیشتر مشکل ایجاد می کند این است که ترجمه های حاصل از NMT معمولاً به دلیل تسلط برنامه با زبان ، در نگاه اول بسیار دقیق به نظر می رسند. این می تواند اشتباهات را حتی سخت تر کند. باز هم ، نرم افزارهای مکمل زبان شناسان انسانی می توانند به حداقل رساندن این مشکل کمک کنند.
دلیل اشتباهات نرم افزار ترجمه
از طرف دیگر ، یکی از اصلی ترین دلایلی که یک نرم افزار ترجمه هوشمند دستگاه عصبی مرتکب اشتباه می شود این است که متن ترجمه شده آن با آنچه که در طول آموزش دریافت کرده است به شدت متفاوت است.
اگر آنچه سیستم با آن روبرو است کاملاً جدید باشد ، این می تواند به لرزش کامل منجر شود. وقتی این اتفاق می افتد ، برای خواننده کاملاً آشکار است که با روند ترجمه اشتباه پیش رفته است.
تفاوت روش ترجمه ماشینی و ترجمه انسانی
سیستم های ترجمه ماشینی امروزه معمولاً یک محدودیت مهم دیگر دارند ، این است که آنها جملات فردی را بدون در نظر گرفتن جملات پیرامون خود ترجمه می کنند. این مخالف با روشی است که انسان یک سند را می خواند زیرا آنها زمینه ، موضوع و پیام کلی را در نظر می گیرند.
این باعث می شود سیستم های NMT هنگام انجام ترجمه در مقایسه با انسان ، نقطه ضعف قابل توجهی داشته باشند.
نکته مهم : میزان موفقیت نرم افزار ترجمه مانند ضرب المثلی است از انداختن یک تاس در بازی منچ زیرا موفقیت این نرم افزار ها کاملا تصادفی و شانسی است
دلیل اساسی این مشکل – همانطور که در بالا نیز ذکر شد – این واقعیت است که این رویکرد فقط جملات مجرد را به صورت جداگانه ترجمه می کند ، بدون آنکه اطلاعات دیگری را در سند ارجاع دهد.
ترجمه آنلاین در ترجمه ماشینی
دلایل فنی وجود دارد که چرا از این رویکرد در این سیستم ها استفاده می شود. برای یک نرم افزار ترجمه در فرآیند ترجمه آنلاین ، خواندن یک سند کامل ، ذخیره کردن تمام اطلاعات و سپس به طور موثر یادآوری آن برای سیستم کار ساده ای نیست.
علاوه بر این ، وقتی یک سند کامل به عنوان یک ورودی است ، انجام این ترجمه خیلی طولانی تر طول می کشد. البته با پیشرفت در فنآوری این مشکلات در میزان زمان آن تغییرات قابل ملاحظه ایی صورت میگیرد .
بدیهی است که چنین ترجمه ای توسط یک زبان شناس انسانی قابل بررسی و ویرایش است که به سرعت مشکل را می بیند و آن را برطرف می کند .
دلیل استفاده همزمان مترجم انسانی و نرم افزار ترجمه هوشمند
به همین دلیل است – در حال حاضر – بهتر است که در سیستم های MT به طور هماهنگ با زبان شناسان انسانی که بر عملکرد آنها نظارت دارند استفاده شود. دانش عمومی در مورد جهان و زمینه برای ترجمه مؤثر لازم است. اما رمزگذاری آن کاملاً دشوار است و در صورت رمز نگاری به راحتی توسط آن سیستم امکان پذیر نیست.
ارزیابی یک سیستم نرم افزار ترجمه هوشمند
ارزیابی های کاملاً انسانی از ترجمه های ماشینی نیز مشکلات خاص خود را دارد. به عنوان مثال ، ارزیابی مبتنی بر انسان سریع و اتوماتیک نیست ، که این امر باعث گرانتر شدن آن می شود – از آنجا که نیاز به تخصص و زمان یک مترجم آموزش دیده دارد.
در نتیجه ، اکثریت قریب به اتفاق ارزیابی های ترجمه ماشینی ، از متریک نمره گذاری bilingual evaluation understudy یا BLEU استفاده می کنند ،
سیستم ارزیابی BLEU در ترجمه نرم افزاری چیست
طبق تعریف ویکیپدیا سیستم ارزیابی و نمره گذاری BLEU (ارزیابی دو زبانه) یک الگوریتم برای ارزیابی کیفیت متن است که از یک زبان طبیعی به زبان دیگر ترجمه شده است. كیفیت نمره گذاری برای خروجی ترجمه نوعی ارزیابی بین خروجی ترجمه یك ماشین و یك انسان است: “هرچه ترجمه ماشینی به ترجمه حرفه ای انسانی نزدیک تر باشد ، بهتر است”
این مهم است که تشخیص دهیم که بسیاری از ادعاهای مربوط به “عملکرد سطح بشر” با سیستم های NMT از ارزیابی های انسان ناشی می شود ، نه از نمره BLEU آنها.
ترجمه نرم افزاری در مقابل ترجمه انسانی
بنابراین کاملاً واضح است که شما باید در مورد ادعاهای مربوط به ترجمه های نرم افزاری در سطح انسانی ، تردید کنید ، به خصوص اگر از سیستم امتیاز دهی BLEU استفاده کنند. حتی در مورد ارزیاب های انسانی ، هنوز هم مشکلاتی وجود دارد که باید مورد توجه قرار گیرد. به همین دلیل بسیار مهم است که بفهمیم محدودیت های NMT در مقایسه با مترجمان انسانی چه محدودیتی دارند.
آینده نرم افزار ترجمه هوشمند چیست؟
اخیراً پیشرفت چشمگیری در کارآیی و اثربخشی NMT حاصل شده است. ، این نتیجه ای از این واقعیت است که سیستم های جدیدی معرفی شده اند که لازم نیست داده ها را به صورت متوالی پردازش کنند ، این سیستم ها در آینده قادر خواهند بود تا چندین جمله همزمان را پردازش کنند و لذا باعث خواهد شد در ترجمه تخصصی , از چندین مقاله و یا چندین جمله ترجمه همزمان عالی پردازش کنند .
در پایان ، این به معنای ترجمه های با کیفیت بهتر نرم افزار های ترجمه است.
محققان در سراسر کشور تمام وقت تحقیقات جدیدی را در مورد این فناوری انجام می دهند. دانشگاه هایی مانند هاروارد و شرکت های بزرگی مانند گوگل و مایکروسافت همواره در تلاشند تا کیفیت و سرعت ترجمه نرم افزار خود را بهبود بخشیده و ضمن ارائه ویژگی های جدیدی که باعث بهبود تجربه مصرف کننده می شود.
با وجود مشکلات زیاد سیستم ترجمه نرم افزار هوشمند ، مطمئناً یک فناوری به سرعت در حال توسعه است و انتظار داشتن ترجمه هوشمند قدرتمندتر و موثرتر در آینده را نمی توان بی خطر دانست.
در انتها اگر میخواهید با بهترین نرم افزار های ترجمه آشنا شوید کلیک کنید
