- عضویت
- 2016/09/30
- ارسالی ها
- 1,523
- امتیاز واکنش
- 10,543
- امتیاز
- 917
زمان حال را میتوان دوران شگفتانگیزی برای مترجمان و صنعت ترجمه به حساب آورد. صنعت ترجمه در دسامبر سال 2017 میلادی، شاهد راهاندازی دو سیستم هوش مصنوعی جدید بود که میتوانست هر زبانی را به مترجمین آموزش دهد. با توجه به چشم اندازهای بازار جهانی، انتظار میرود که صنعت ترجمه تا سال 2024 به ارزش خالص 1/5 میلیارد دلار در سال برسد. توانایی نداشتن برای ترجمه زبانهای مختلف و عدم وجود مترجمین کافی برای چندین زمینه تخصصی و ترکیبات زبانی باعث شده تا صنعت ترجمه با نوعی سردرگمی مواجه شود، اما فرصتهای رشد این صنعت در فراسوی همین سردرگمی فراهم خواهد شد.
خبر خوب این است که هم مترجمین و هم توسعه دهندگان تکنولوژیهای حوزه ترجمه از وجود مشکلات در این صنعت آگاهی دارند و روز به روز سعی میکنند تا با همکاری مضاعف با یکدیگر بر مشکلات نرمافزارها و اپلیکیشنهای ترجمه غلبه نمایند. آنها درصدد هستند تا راهحلهایی برای فراهم کردن ترجمه تخصصی به مشتریان خود ارائه دهند. تلاش تکنولوژی در حوزه ترجمه منجر به معرفی 4 سیستم شاخص گردیده است. هر یک از این سیستمها، مزایا و معایب خاص خود را دارند، به همین دلیل شبکه مترجمین راستین قصد دارد تا در این گفتار بیشتر به معرفی فناوریهای جدید ترجمه ماشینی بپردازد.
سیستم های مختلف ترجمه ماشینی
قبل از معرفی و بررسی تأثیر سیستمهای ترجمه ماشینی بر روی صنعت ترجمه، بایستی به این مطلب توجه نمود که این سیستمها به معنای جایگزینی مترجمین انسانی نیستند. مثلا کره جنوبی کشوری است که بالاترین جمعیت روباتها را در جهان دارد، اما به سختی میتوان فرد بیکاری را در این کشور پیدا نمود. هدف از این نوع سیستمها، آسانتر و بهتر نمودن فرآیند انجام کارهاست. این سیستمها در سالهای اخیر پیشرفت فراوانی نمودهاند و بسیار توسعه پیدا کردهاند. ترجمه ماشینی آماری، ترجمه ماشینی مبتنی بر قانون، ترجمه ماشینی ترکیبی و ترجمه ماشینی عصبی، چهار تکنولوژی برتر حوزه ترجمه ماشینی محسوب میشوند. در ادامه بیشتر در مورد این سیستمها صحبت خواهد شد.
این تکنولوژی را به این دلیل عصبی مینامند، چون نحوه کار لایهها و گرههایی که در آن وجود دارد به روش کاری نورون های عصبی در انسانها (و به طور کلی پستانداران) بسیار شبیه است. ترجمه ماشینی عصبی سه ویژگی بسیار جالب ارائه میدهد. این ویژگیها کمک میکنند تا شباهتهای بین کلمات درک گردد، کل جملات تحلیل شود و روانی جمله در زبان مقصد با آنالیز چند کلمه در یک زمان مورد ارزیابی قرار گیرد.
ترجمه ماشینی عصبی یا NMT تنها یکی از راههای بسیار هیجانانگیز برای استخراج ترجمههای طبیعیتر و روانتر در زبان مقصد محسوب میشود. در واقع دانشگاهها هنوز در حال تلاش برای درک شیوه کاری شبکه عصبی هستند. نتایجی که ترجمه ماشینی عصبی ارائه میدهد، به دلیل تعداد محاسبات، وزنها، گرادیانهای به کار رفته و مدلهای توجه، حتی بین زبانهای غیر مرتبط و با مورفولوژی قوی نیز بسیار دقیق است.
انواع مختلف ترجمه ماشینی: ترجمه ماشینی آماری
این سیستم از الگوریتم یادگیری برای بخش بزرگی از متن ترجمه شده قبلی استفاده میکند و از این الگوریتم برای ترجمه متونی استفاده مینماید که قبلا با آنها مواجه نشده است. ترجمه ماشینی آماری (Statistical Machine Translation) برای اسنادی که بر یک موضوع خاص تمرکز دارند، مناسب است. برای انبوهی از پلتفرمها و الگوریتمهای فعلی موجود میتوان این نوع سیستم را به کار برد (که باعث میشود تا سیستم سریع و ارزان شود)، در این حالت به فضای کمی برای استفاده از آن نیاز خواهد بود (یعنی نیازی به سرور اختصاصی برای آن وجود ندارد).
یادگیری در سرورهای CPU انجام میشود، چون به راحتی قابلیت گسترش را دارند. رمزگشایی در این سیستم سریع خواهد بود و تقریبا بهاندازه یک "حافظه ترجمه" بزرگ عمل میکند که n - گرام (گروههای کلمات) را در کنار یکدیگر قرار میدهد. قبل از اینکه گوگل مقاله خود را درباره موضوع ترجمه ماشینی عصبی منتشر کند، بیشتر از سیستمهای آماری برای نرم افزارهای ترجمه استفاده میشد. ترجمه ماشینی آماری فقط میتواند در یک زمینه خاص کار کند و در ترجمه زبانهای محاوره و اصطلاحات تخصصی مهارت ندارد. این سیستم با زبانهای مشابه بهتر کار میکند، اما ترتیب بندی نحوی را به خوبی انجام نمیدهد.
انتظار میرود که ترجمه ماشینی در آینده به سمت تخصصی نمودن ترجمه پیش برود. رسیدن به این مرحله غیرممکن نیست، اما بسیار سخت و زمانبر است و گمان نمیرود که در دهههای آینده این امر محقق شود. پیشبینی انجام شده عقیده شخصی نگارنده این مطلب است و شاید متخصصین حوزه ترجمه در سالهای آینده با رونمایی از جدیدترین ابزارهای خود همه ما را غافلگیر نمایند. اما تا آن زمان واجب است که برای ترجمه متون خاص و تخصصی، از این ابزارها استفاده نشود. سیستمهای معرفی شده برای استفاده افراد آماتور و غیر متخصص راهاندازی نشده است، پس همچنان برای ترجمه مطالب علمی و اسناد تجاری به بهرهگیری از خدمات ترجمه تخصصی بیندیشید.
خبر خوب این است که هم مترجمین و هم توسعه دهندگان تکنولوژیهای حوزه ترجمه از وجود مشکلات در این صنعت آگاهی دارند و روز به روز سعی میکنند تا با همکاری مضاعف با یکدیگر بر مشکلات نرمافزارها و اپلیکیشنهای ترجمه غلبه نمایند. آنها درصدد هستند تا راهحلهایی برای فراهم کردن ترجمه تخصصی به مشتریان خود ارائه دهند. تلاش تکنولوژی در حوزه ترجمه منجر به معرفی 4 سیستم شاخص گردیده است. هر یک از این سیستمها، مزایا و معایب خاص خود را دارند، به همین دلیل شبکه مترجمین راستین قصد دارد تا در این گفتار بیشتر به معرفی فناوریهای جدید ترجمه ماشینی بپردازد.
انواع مختلف ترجمه ماشینی
سیستم های مختلف ترجمه ماشینی
قبل از معرفی و بررسی تأثیر سیستمهای ترجمه ماشینی بر روی صنعت ترجمه، بایستی به این مطلب توجه نمود که این سیستمها به معنای جایگزینی مترجمین انسانی نیستند. مثلا کره جنوبی کشوری است که بالاترین جمعیت روباتها را در جهان دارد، اما به سختی میتوان فرد بیکاری را در این کشور پیدا نمود. هدف از این نوع سیستمها، آسانتر و بهتر نمودن فرآیند انجام کارهاست. این سیستمها در سالهای اخیر پیشرفت فراوانی نمودهاند و بسیار توسعه پیدا کردهاند. ترجمه ماشینی آماری، ترجمه ماشینی مبتنی بر قانون، ترجمه ماشینی ترکیبی و ترجمه ماشینی عصبی، چهار تکنولوژی برتر حوزه ترجمه ماشینی محسوب میشوند. در ادامه بیشتر در مورد این سیستمها صحبت خواهد شد.
ترجمه ماشینی عصبی (NMT)
ترجمه ماشینی عصبی (Neural Machine Translation)، آخرین و جدیدترین تکنولوژی در صنعت ترجمه به شمار میآید که شیوه عملکرد آن به هوش مصنوعی بسیار نزدیک است. این تکنولوژی به دلیل اینکه بر روی شیوایی جملات و متنها متمرکز میشود، نیاز به ویرایش بعدی را برای ترجمه کاهش میدهد (پسا ویرایش ترجمه ماشینی در این فناوری به حداقل رسیده است). تکنولوژی NMT یک روش "فرا آماری" است که چندین لایه اطلاعاتی را پردازش میکند و گرهها را بر روی اطلاعات منتقل مینماید.این تکنولوژی را به این دلیل عصبی مینامند، چون نحوه کار لایهها و گرههایی که در آن وجود دارد به روش کاری نورون های عصبی در انسانها (و به طور کلی پستانداران) بسیار شبیه است. ترجمه ماشینی عصبی سه ویژگی بسیار جالب ارائه میدهد. این ویژگیها کمک میکنند تا شباهتهای بین کلمات درک گردد، کل جملات تحلیل شود و روانی جمله در زبان مقصد با آنالیز چند کلمه در یک زمان مورد ارزیابی قرار گیرد.
ترجمه ماشینی عصبی یا NMT تنها یکی از راههای بسیار هیجانانگیز برای استخراج ترجمههای طبیعیتر و روانتر در زبان مقصد محسوب میشود. در واقع دانشگاهها هنوز در حال تلاش برای درک شیوه کاری شبکه عصبی هستند. نتایجی که ترجمه ماشینی عصبی ارائه میدهد، به دلیل تعداد محاسبات، وزنها، گرادیانهای به کار رفته و مدلهای توجه، حتی بین زبانهای غیر مرتبط و با مورفولوژی قوی نیز بسیار دقیق است.
ترجمه ماشینی آماری (SMT)
انواع مختلف ترجمه ماشینی: ترجمه ماشینی آماری
این سیستم از الگوریتم یادگیری برای بخش بزرگی از متن ترجمه شده قبلی استفاده میکند و از این الگوریتم برای ترجمه متونی استفاده مینماید که قبلا با آنها مواجه نشده است. ترجمه ماشینی آماری (Statistical Machine Translation) برای اسنادی که بر یک موضوع خاص تمرکز دارند، مناسب است. برای انبوهی از پلتفرمها و الگوریتمهای فعلی موجود میتوان این نوع سیستم را به کار برد (که باعث میشود تا سیستم سریع و ارزان شود)، در این حالت به فضای کمی برای استفاده از آن نیاز خواهد بود (یعنی نیازی به سرور اختصاصی برای آن وجود ندارد).
یادگیری در سرورهای CPU انجام میشود، چون به راحتی قابلیت گسترش را دارند. رمزگشایی در این سیستم سریع خواهد بود و تقریبا بهاندازه یک "حافظه ترجمه" بزرگ عمل میکند که n - گرام (گروههای کلمات) را در کنار یکدیگر قرار میدهد. قبل از اینکه گوگل مقاله خود را درباره موضوع ترجمه ماشینی عصبی منتشر کند، بیشتر از سیستمهای آماری برای نرم افزارهای ترجمه استفاده میشد. ترجمه ماشینی آماری فقط میتواند در یک زمینه خاص کار کند و در ترجمه زبانهای محاوره و اصطلاحات تخصصی مهارت ندارد. این سیستم با زبانهای مشابه بهتر کار میکند، اما ترتیب بندی نحوی را به خوبی انجام نمیدهد.
ترجمه ماشینی مبتنی بر قانون (RBMT)
اولین سیستم توسعه یافته در دنیای ترجمه ماشینی، ترجمه ماشینی مبتنی بر قانون (Rule-Based Machine Translation) بوده است. این سیستم از دهه 1950 به بعد بر مبنای قوانین دستور زبان، فرهنگ لغت و برنامههای نرم افزاری توسعه پیدا کرده است. ترجمه با استفاده از قواعد تطبیق الگو صورت میگیرد. ویژگی کلیدی این سیستم، باعث اجتناب از انطباق قوانین بیحاصل میشود. نقطه قوت ترجمه قانونمند، توانایی آن در تحلیل عمیق زبان در سطوح معنایی و نحوی است. زیاد بودن قوانینی که هر زبان را کنترل میکند، باعث شده است تا این سیستم نتواند حداکثر کارآیی خود را ارائه دهد و گاهی اوقات «ماشینی» به نظر رسیدن ترجمه این سیستم مشهود است.
ترجمه ماشینی ترکیبی (HMT)
این روش از چندین روش ترجمه ماشینی در یک سیستم استفاده میکند. انواع زیادی از ترجمه ماشینی ترکیبی (Hybrid Machine Translation) وجود دارد. این سیستم در روشی رایج و محبوب، موتور آماری را با روش مبتنی بر قانون (در هر دو مرحله پیش و پس از پردازش) ترکیب میکند. انعطافپذیری، کنترل و دقت بالایی در این نوع سیستم حاصل میشود و با یک رویکرد صرفا آماری متفاوت است. هدف ترجمه ماشینی ترکیبی، ترکیب نمودن بهترین ترجمه ماشینی قانونمند با قدرت ترجمه ماشینی آماری داده محور است.هدف و آینده ترجمه ماشینی
هدف ترجمه ماشینی بیکار نمودن مترجمین انسانی نیست، بلکه این تکنولوژی میخواهد موجب تسهیل سرعت و دقت کارها شود. این نوع ترجمه، فرصتی را برای انجام ترجمه فوری مهیا کرده است که در آن انسانها نمیتوانند حجم عظیمی از دادهها را به سرعت ترجمه نمایند. ترجمه ماشینی با توجه به داشتن الگوریتمهای پیشرفته و روشهای تحلیل کلمات و جملات در یک سطح پر جزئیات میتواند به کاهش زمان صرف شده توسط ویرایشگران برای تولید و تصحیح پروژهها کمک کند. در واقع بسیاری استدلال میکنند که نقش افراد ویرایشگر به زودی به نقش ناظر تبدیل خواهد شد، چون کیفیت خروجی ترجمه ماشینی عصبی بسیار خوب است.انتظار میرود که ترجمه ماشینی در آینده به سمت تخصصی نمودن ترجمه پیش برود. رسیدن به این مرحله غیرممکن نیست، اما بسیار سخت و زمانبر است و گمان نمیرود که در دهههای آینده این امر محقق شود. پیشبینی انجام شده عقیده شخصی نگارنده این مطلب است و شاید متخصصین حوزه ترجمه در سالهای آینده با رونمایی از جدیدترین ابزارهای خود همه ما را غافلگیر نمایند. اما تا آن زمان واجب است که برای ترجمه متون خاص و تخصصی، از این ابزارها استفاده نشود. سیستمهای معرفی شده برای استفاده افراد آماتور و غیر متخصص راهاندازی نشده است، پس همچنان برای ترجمه مطالب علمی و اسناد تجاری به بهرهگیری از خدمات ترجمه تخصصی بیندیشید.