احتمال اینکه همه ما در زندگی روزمره خود در زمینه ترجمه ماشینی اطلاعاتی داشته باشیم و ابزارهای ترجمه چون Google Translate را لمس کرده باشیم زیاد است .
در حقیقت نقش موثر ترجمه نرم افزاری به کاربران این امکان را میدهد تا با موتور ترجمه خود بتوانند یک محتوای دقیق (البته کاملا تحت اللفظی ) از زبان مقصد را دریافت کنند .
ترجمه دستگاه عصبی (NMT) برای یادگیری زبان درست مانند مغز انسان طراحی شده است لذا توسعه دهندگان همواره در تلاش هستند تا فناوری ترجمه را روز به روز تکمیل تر و هوشمند تر نمایند.
ترجمه ماشینی هنوز خیلی تا انتهای راه فاصله دارند و هنوز این فناوری با هدف آن فاصله دوری دارد , ترجمه دستگاه عصبی (NMT ) نسل جدیدی از فناوری ترجمه هوشمند است که دنیا را به آینده نزدیک خواهد کرد .
چه زمانی از ترجمه ماشینی استفاده کنیم ؟
همه ما می دانیم هر شغلی امروزه نیاز به ترجمه دارد , لذا بسیاری از دفاتر خدماتی ترجمه بنا به تقاضای مشتریان در پروژه های خود مسیری را انتخاب میکند که متناسب با اهداف مشتری باشد
10 نمونه از ابزار ترجمه آنلاین در لیست زیر تنها بخشی از فناوری های موجود در دنیا است که مترجمان انسانی میتوانند در ترجمه های خود از این ابزارها کمک موثری داشته باشد
- ترجمه آنلاین گوگل
- موتور ترجمه بینگ
- ترجمه رایگان SDL
- ترجمه آنلاین Translate.com
- DeepL Translator
- بابیلون
- ترجمه آنلاین PROMT
- ابزار آنلاین ترجمه کالینز
- ImTranslator
- SpanishDict
برخی از سفارشات ترجمه برای مترجمین تعداد کثیری است که آنها با توجه نیاز مشتریان در محدودیت زمانی موجود و بنا به درخواست مشتریان از نرم افزارهای ترجمه ماشینی بهره میبرند تا با تکنیکی که این ابزارها در خود دارند کلماتی که شبیه به هم در متون تخصصی می باشند ترجمه کرده و مترجم وقت خود را در انجام دوباره کلمات شبیه به هم صرف نکند لذا ترجمه فوری در همه زبان ها قابل انجام است .
اما برای درک اینکه چه قدر ترجمه هوشمند دستگاه عصبی ( NMT ) قدرتمند شود بیایید کمی دقیقتر با تاریخچه MT یا همان ترجمه ماشینی آشنا شویم .
تاریخچه مختصر ترجمه ماشینی
ترجمه ماشینی در ابتدا به عنوان یک راه حل مفید معرفی شد اما بعد از ارائه ایده ترجمه کاملا رها شد با این حال پیشرفت تکنولوژی و فناوری موجب بیداری مجدد این ایده گردید .
لذا امروزه با استفاده از فناوری های مدرن , شبکه های عصبی هوشمندی را تحت عنوان NMT برای یادگیری هوشمند زبان توسط ابزار ترجمه در حال انجام است .
ترجمه ماشینی امروزی به دلیل افت کیفیت بعضا بسیار خنده دار است و نمیتوان کلیه متون تخصصی را با استفاده از این ابزارها ترجمه نمود .
این فناوری در ابتدا در سال 1949 به وجود آمد جدول تاریخی ترجمه ماشینی بسیار جالب است اما با توجه به اینکه شما وقت کافی برای خواندن آن ندارید ما آن را خلاصه نگارش کرده ایم . حدود 63 سال طول کشید تا فناوری ترجمه ماشینی به فناوری امروزی برسد
سال 1949 تحقیقات در ترجمه ماشینی آغاز شد
Warren Weaver and MT Translation
ایده ترجمه ماشینی در یادداشت های دانشمند آمریکا Warren Weaver پدیدار شد او اولین محقق آن حوزه به شمار می آید Yehosha Bar-Hillel فیلسوف اسرائیلی تحقیقات خود را در سال 1951 میلادی آغاز میکند و یک تیم تحقیقاتی با نام Georgetown MT در سال 1951 تا سال 1954 تحقیقات را تکمیل تر کردند .
این اهداف در آن زمان برای دولت ایالات متحده به عنوان یک راه حل در حفظ زبان های روسی دنبال می شد , پس از آن در برنامه تحقیقات ژاپن و روسیه در سال های 1955 ظاهر شد و اولین کنفرانس علمی در لندن در سال 1956 برگزار گردید لذا با تشکیل اتحادیه و انجمن زبان شناسی محاسباتی در ایالات متحده , آکادمی ملی علوم برای مطالعات ترجمه ماشینی در سال 1964 تشکیل شد .
شروع عصر ترجمه ماشینی در سال 1966
گزارش های رسیده از ALPAC میگوید ترجمه های MT نمیتواند با ترجمه های انسانی رقابت کند و همین امر باعث شد بودجه تحقیقاتی MT متوقف شود
Brigham Young University
اما تحقیقات در ترجمه های نرم افزاری با استفاده از هوش مصنوعی همچنان ادامه پیدا کرد به طوری که Brigham Young University طرحی را برای ترجمه متون با استفاده از نرم افزار های ترجمه در سال 1971 آغاز نمود .
امروزه سایت معتبر و مشهور SYSTRAN از سال 1978 تا به امروزه از ریشه این تحقیقات استفاده میکند , شرکت های مختلف ترجمه ماشینی راه اندازی شد و سایت SDL Trados Studio در سال 1984 برای اولین بار طرح توسعه و بازاریابی فناوری حافظه ترجمه را تا سال 1989 تکمیل کرد .
در سال 1991 سیستم ترجمه ماشینی MT برای زبان های روسی , انگلیسی , آلمانی و اوکراینی در دانشگاه ایالتی خارکف توسعه پیدا کرد .
ترجمه ماشینی تحت وب در سال 2012
سایت معتبر SYStran در سال 1996 ترجمه تحت وب را پیاده سازی نمود و پس از آن سایت های مانند AltaVista , Babelfish ترجمه تحت وب را راه اندازی کردند به گونه ای که در همان روزهای اول بیش از 500 هزار درخواست را در سایت ذخیره نمودند.
Franz Josef Och
در سال 2003 Franz Josef Och یک مهندس رایانه آلمانی به عنوان یکی از کارمندان گوگل برنده مسابقه ترجمه MT با سریعترین سرعت انتقال شد , در سال 2007 با منبع باز شدن ترجمه ماشینی این سرویس خیلی زود در تلفن همراه ژاپنی ها با قابلیت ترجمه متون انگلیسی فعال شد .
در سال 2008 این فناوری به کشور چین رسید در سال 2012 گوگل ترنسلیت اعلام کرد که حدود یک میلیون کتاب را از محتوای تخصصی ترجمه کرده است . و این اعلام رقم یک رکورد بسیار زیاد در جهان بود ,شاید در ذهن خود این را مرور کنید پس چرا میگویم ترجمه نرم افزاری بد است ما نمی گوییم ترجمه نرم افزاری بد می باشد بلکه با لطف فناوری بسیار پیشرفت باور نکردنی داشته و روز به روز پیشرفته تر می شود اما ترجمه نرم افزاری از لحاظ کیفیت و امنیت بسیار پایین تر از ترجمه بشر و مترجم انسانی است . بد نیست مطلب مربوط به نقض حریم خصوصی در ترجمه آنلاین را بخوانید
عصر حاضر ترجمه ماشینی از سال 2013 تا به امروز
امروزه پیشرفت های بسیار زیادی در فناوری ترجمه ماشینی گوگل در زمینه ترجمه دستگاه عصبی نشان از آینده خوشبینانه ای به صنعت ترجمه نرم افزاری خواهد داشت.چیزی که امروزه مشخص است ترجمه های نرم افزاری سرعت بالا دارند , رایگان هستند ولی کیفیت خوبی ندارند و به پای یک مترجم انسانی نخواهند رسید اما این سرعت پیشرفت و بروز رسانی ها مکرر به سمتی خواهد رفت که دورنمای خوبی را برای صنعت ترجمه ماشینی می توان تصور کرد .
توسعه دهندگان حافظه ترجمه ماشینی با رویکردی متمایز درصدد هستند تا کیفیت سیستم های خود را بهبود داده و به طور کلی سازگارتر کنند
تولید محتوا با استفاده از ترجمه ماشینی
امروزه بسیاری از کارشناسان تولید محتوا در استفاده از ترجمه های آنلاین چون ترجمه گوگل , Microsoft Translator در تولید محتوا با هزینه کم و مقرون به صرفه و نگارش دستی خطاها در ترجمه های آنلاین میتوانند محتوای های باکیفیت و مطابق با استانداردهای موتور جستجو تولید کنند لذا تعادل هزینه و کیفیت برای کارشناسان تولید محتوا امری لازم و ضروری است
اگر میخواهید در تیم تولید محتوای دارالترجمه پارسیس همکاری کنید لطفا از بخش استخدام کارشناس تولید محتوا اقدام نمایید
آینده ترجمه ماشینی
ترجمه ماشینی امروزه در استراتژی شغل شما نقش دو نگاه دقیق و متمایز را ایفا می کنید یکی نگاه آماری و دیگری نگاه تخصصی
در نگاه آماری مبتنی بر داده های آماری و تجزیه و تحلیل دقیق عموما ترجمه های ماشینی یاد میگیرند و برای درک زبان مبدا و مقصد قوانین را بررسی میکنند اما احساس ندارند و ترجمه های خلاقانه ی از متون شما را نمیتوانند به درستی ارائه دهند
اما در نگاه دیگر موتورهای مبتنی بر هوش مصنوعی و دستگاه عصبی هوشمند به گونه ای طراحی می شوند که ذهن انسان را یاد بگیرند این فناوری در اصل برای درک رابطه بین زبان مبدا و زبان مقصد کاربرد دارد.
موتورهای ترجمه ماشینی مبتنی بر دستگاه عصبی NMT بیشتر از ترجمه های ماشینی امروزی قادر به ضبط و حتی درک و معنای خلاقانه یک موضوع را دارند , بنابراین سرعت یادگیری و ترجمه آنها بسیار بیشتر شده و ترجمه دقیقی را تحویل میدهند .
یکی از مهمترین تفاوت های این فناوری مدرن سفارشی سازی بیشتر با نحوه استقرار آنها است به این معنی که هر صنعتی میتواند مدل ترجمه ماشینی خود را مبتنی بر سیستم دستگاه عصبی هوشمند شبیه سازی نماید , تکمیل پروژه ترجمه هوشمند نوین بسیار وقت گیری و زمانبر است لذا به همین دلیل است که پیشگامان عرصه فناوری ترجمه هوشمند زمان دقیقی را به کاربران اعلام نخواهند کرد
ترجمه بومی توسط نرم افزار ترجمه هوشمند
فناوری پیشرفته ای که در آینده ای نزدیک در حافظه ترجمه هوشمند گنجانده می شود قادر خواهد بود با درک احساسات و صداها , لحن و سبک گفتار یک ترجمه بومی ارائه دهد لذا چیزی که اهمیت پیدا میکند امنیت اطلاعات رد و بدل شده در این گونه ابزارها است .
آیا محدودیت های قانونی از حریم خصوصی در ترجمه های هوشمند رعایت می شود ؟
محتوای مهم همواره اولویت بالایی دارد, به عنوان مثال اگر مستندات پزشکی و یا اطلاعات پزشکی را از طریق ترجمه های نرم افزاری انجام دهید خطر نشت اطلاعات همواره وجود دارد چه بسا اینکه در بالای همین مطلب کاملا این موضوع را روشن کرده ایم , لذا در اینجا تخصص یک مترجم انسانی اهمیت پیدا میکند , با توجه به ماهیت ترجمه های تخصصی و اولویت بالای آنها یک اشتباه میتواند منجر به خطرات بزرگتری شود در اینجا است که باید شرکت ها به دنبال لمس خلاقیت یک مترجم انسانی باشند .
