آیا ماشین های ترجمه جایگزین زبان شناسان خواهند شد؟

بدون شک تکنولوژی زندگی و شغلهای ما را تغییر داده است. و توسعه فن آوری های یادگیری ماشینی این توانایی را دارد که به پیشرفت زندگی ما ادامه دهد.

اما آیا توسعه یادگیری ماشینی (ML) می تواند به ضرر نیروی انسانی باشد؟ جامعه گسترده مترجمان جهانی می توانند نفس دیجیتالی را در پشت گردن خود احساس کنند.

مفهوم دستگاه های جایگزین انسان چیز جدیدی نیست. پیشرفت در تکنولوژی صنعتی scything شده پایین نیروی کار از 18 هفتم قرن.

اکنون عصر دیجیتال کاملاً در حال پیشرفت است ، فناوری رایانه این پتانسیل را دارد که نقش های بیشتری را که برای انسانهای واجد شرایط اختصاص داده شده است ، جایگزین کند تا چیزی که قبل از آن اتفاق افتاد.

ترجمه ماشین (MT) یک نکته اصلی صحبت کردن است. شرکت های فناوری از اوایل دهه 1990 در حال توسعه فناوری های یادگیری ماشینی در تلاش برای ساده سازی خدمات ترجمه هستند.

البته شرکتهای فناوری از ناسازگاری های مربوط به بازاریابی سخن می گویند. در واقعیت ، MT در حال حاضر خیلی جلوتر از 20 سال پیش است.

Google اخیراً ابزار ترجمه خودکار خود را اعلام کرده است که Google Translate اکنون 103 زبان را در خود جای داده است. این 99 درصد از جمعیت را شامل می شود که می توانند زبان های خارجی را بصورت آنلاین تفسیر کنند.

اما در حالی که Google Translate ترجمه را رایگان و در دسترس می کند ، کاربران به سرعت تشخیص می دهند که کیفیت ترجمه کافی نیست. این خصوصاً در محیط های تجاری اتفاق می افتد ، بنابراین کار با آژانس ترجمه هنوز تنها انتخاب تقریباً برای همه افراد در زمینه حرفه ای است.

فن آوری ماشینی می تواند کلمات مجرد را از یک زبان به زبان دیگر جایگزین کند و در بیشتر مواقع آن را حس می کند. اما پیچیدگی های زبانهای تفسیر جملات کاملی را در متن مورد نظر برای درج قرار می دهد.

شرکت های تفسیر نرم افزار ترجمه را در تلاش برای افزایش تولید پذیرفته اند. چنین نرم افزاری کاربردهای خود را با ترجمه های فرمولی دارد ، اما در سوله های تخصصی و بومی سازی محدودیت هایی دارد.

همچنین مشکلات کاربر وجود دارد. مترجمان برای به دست آوردن پرونده هایی که برای کار با آنها نیاز دارند باید سوئیچ ها را تغییر دهند و هنوز فضای زیادی برای خطای معمولی انسانی وجود دارد که توسط شرکتهای فناوری مورد توجه قرار نگرفته است.

در اصل ، توسعه ابزار ترجمه تا حد زیادی رکود شده است. یادگیری ماشین دهه ها پیش شکست خورد. رویکرد مدرن این است که انسان ها را به تدریس ماشین ها بکشاند.

 

 

تکامل ترجمه ماشین

Google Translate استفاده از زبانها را در جامعه اینترنت توسعه می دهد. آنها افراد واقعی - کاربران متوسط ​​اینترنت و زبان شناسان حرفه ای را به دست می آورند تا تفسیرها را تأیید و ترجمه های موجود را تأیید کنند.

در اصل ، روند حساس به نظر می رسد. گویندگان بومی اظهار نظر در مورد چگونگی استفاده از زبان و تفسیر عبارات مشابه به زبان های دیگر ، این امکان را دارند که دقیق و مقرون به صرفه باشند.

با این وجود یک مشکل اساسی با این راه حل وجود دارد. تیم آدامز برای نوشتن The Guardian  توضیح می دهد:

"این ترجمه ، که به بهترین نسخه" انسانی "از جمله نزدیک می شود ، به نظر می رسد پیروزی برای آنچه که قبلاً هوش مصنوعی خوانده می شد و اکنون ، کمتر جاه طلبانه ، یادگیری ماشینی خوانده می شود. از رایانه می توانیم زبان را درک کنیم ، از ما دعوت شده است که فکر کنیم. "

اما آیا یادگیری ماشینی می تواند زبان را به خوبی درک کند یا اینکه فقط شرکت های دودی برای شرکت ها هستند تا درک کنند که ما چگونه از زبان استفاده می کنیم؟

از نکات فنی که در برنامه نویسی یک ماشین برای یادگیری زبان در اواسط 20 غیر ممکن تلقی می شد هفتم قرن و وادار شرکت های فن آوری برای پیدا کردن یک راه حل جایگزین.

استفاده از قدرت های لجستیکی رایانه ها در زمان جنگ سرد زمانی شروع شد که اطلاعات آمریکایی اقدام به رمزگشایی زبان روسی کرد. این پروژه با بدبختی شکست خورد.

IBM در دهه 90 موفقیتی را تجربه کرد. این شرکت فناوری متن هایی را که در موارد متعددی ترجمه شده بود مقایسه کرد تا محتمل ترین معنای کلمات و متن ها را انجام دهد.

گوگل ، یاهو ، مایکروسافت و بینگ از این فرآیند برای مطابقت وب سایتها با اصطلاحات جستجو استفاده می کنند. سال گذشته ، گوگل Rank Brain را توسعه داد که به معنای متن اصطلاحات جستجو عمیق تر است.

یادگیری ماشین (ML) تا حدی کار می کند. اما شرکت های فناوری هنوز ترجمه ها را به شکلی کامل نکرده اند که مشاغل بتوانند به طور موثر و حرفه ای با مخاطبان بین المللی ارتباط برقرار کنند. زبان شناسان دارند.

هنگامی که تکنسین IBM ، فردریک ژلیکه پیشگام سبک جدید ترجمه ماشین بود ، گفت: "هر وقت من یک زبان شناس را آتش می زنم ، عملکرد سیستم ما بهبود می یابد."

بیست سال بعد ، کیفیت ترجمه ها هنوز به اندازه کافی خوب نیست که زبان شناسان بتوانند اسناد را در زمینه های مهم مانند قانون و بازاریابی ترجمه کنند.

 

 

فناوری یادگیری ماشین چگونه کار می کند؟

مسائل علمی و فنی درگیر در یادگیری ماشین بسیار پیچیده است. در حال حاضر محدودیت هایی وجود دارد که محصولات دوره از کیفیت مورد نیاز در سطح مشاغل کم می شود.

رایانه ها از الگوریتم هایی برای تشخیص الگوهای در زبان و ذخیره آنها به عنوان یک مدل استفاده می کنند. نمونه ها به عنوان "داده های دارای برچسب" ارسال می شوند و در دسته هایی که تحت نظارت یا نظارت قرار دارند ، فهرست می شوند .

الگوریتم های نظارت شده از داده هایی استفاده می کنند که از تعامل انسان حاصل می شود و آنچه را که در داده های جدید آموخته شده است ، اعمال می کنند. همانطور که با موتورهای جستجو و ابزارهای ترجمه خودکار می بینیم ، این تکامل روندی کند است.

الگوریتم های بدون نظارت برچسب گذاری نشده اند اما از داده ها برای کشف ساختار و ویژگی های مشابه استفاده می کنند که پس از آن قابل درمان هستند. این حدود 10-20٪ از تواناییهای یادگیری ماشین را تشکیل می دهد.

یادگیری ماشین در حال حاضر بصورت آنلاین رایج است و در صورتی که کاملاً دقیق نباشد ، کار نسبتاً مناسبی انجام دهید. اخبار رسانه های اجتماعی و فن آوری تلفن همراه به کمک صدا هر دو نمونه از یادگیری ماشین هستند.

مثالهای دیگر عبارتند از:

 شرکت های بازی رفتار کاربر را بهینه می کنند تا نسخه هایی را ارائه دهند که می تواند درآمد بازیکن را افزایش دهد

 اتومبیل شخصی خود گوگل شبکه های جاده ای را نقشه برداری می کند

 حساب های ایمیل از ML برای شناسایی هرمه استفاده می کنند

 شناسایی چهره در دوربین ها از طریق ML انجام شد

توسعه دهندگان پشت طرح های یادگیری ماشین تشخیص می دهند که هنوز سفارشی سازی برای دقیق بودن محصولات لازم است. این قطعاً مورد فناوری MT است.

علم ممکن است کارهای پا را به سهولت انجام دهد تا کارهای ترجمه‌ ای آسانتر انجام و افزایش بهره وری را انجام دهد ، اما آنها هنوز این معمای را حل نکرده اند که این ابزارها را مؤثر می سازد.

 

بعد برای ماشین های ترجمه چی؟

این امر منطقی خواهد بود اگر ماشین های ترجمه توسط زبان شناسان واجد شرایطی که از قوانین خاص پیروی می کردند ساخته شده و میلیون ها کلمه را ترجمه می کردند ، ساخته شود.

یک پروژه از این طبیعت می تواند پایه و اساس کار دستگاههای ترجمه را مؤثر جلوه دهد ، اما همچنین بسیار گران خواهد بود. و علیرغم درآمد گوگل در سال 60 میلیارد دلار در منطقه ، آنها گزینه ارزان تر را انتخاب کردند.

این شرکت در درجه اول از موتور جستجوی خود برای ترجمه حجم عظیم متن استفاده می کند و از الگوریتم یادگیری ماشینی برای تشخیص الگوهای استفاده در زبان استفاده می کند.

پروژه های اسکن کتاب و اسناد با مهارت حرفه ای برای ایجاد یک بانک اطلاعاتی معتبر از کلمات ، جملات و متن ها در تلاش برای بهبود کیفیت تفسیرها گنجانیده شده اند.

پیشرفت هایی حاصل شده است و در حالی که Google Translate در محافل اجتماعی کاربرد دارد ، برنامه خودکار فاقد کیفیت تفسیرهای مورد نیاز متخصصان است.

با وجود نقص های مهم الگوریتم های یادگیری ماشین ، شرکت های فناوری از راه اندازی محصولاتی که در ترجمه زبان کمک می کنند ، بازدارند.

سال گذشته مایکروسافت Skype Translator را راه اندازی کرد که از فناوری تشخیص صدا برای گرفتن کلمات گفتاری ، تبدیل آنها به متن و ترجمه متن به زبان انتخاب شده شما استفاده می کند.

این فناوری می تواند ارتباط ما با بستگان دور را که به یک زبان خارجی صحبت می کنند و به برقراری ارتباط با مهاجران تازه وارد کمک می کند تا با دوستان خود در یک کشور جدید ارتباط برقرار کند ، متحول کند.

در حالی که تشخیص صدا در نیم دهه گذشته با جهشی و محدودیتی همراه بوده است ، شرکت های فناوری در حال حاضر نزدیک تر از دو دهه گذشته نیستند که ماشین های ترجمه را کامل کنند.

شرکتهایی که شرکای بین المللی دارند ممکن است برای انجام جلسات بین قاره ای از فناوری صدای اسکایپ نیز استفاده کنند. اما هنوز این مسئله وجود دارد که ترجمه چقدر خوب درک خواهد شد.

مورد در مورد: Google Translate.

موضوع در مورد Quora می پرسد: " آیا می توان به ترجمه Google به عنوان یک مترجم دقیق اعتماد کرد؟ "از پاسخ دهندگان به یک اتفاق" نه "رسید. بسیاری از مترجمان حرفه ای بودند.

در حالی که یادگیری ماشین می تواند به شرکتها در درک چگونگی استفاده مشتریان از اینترنت و تشخیص الگوهای گفتار شما کمک کند ، قابلیت اطمینان MT باعث افزایش درجه نمی شود.

با توجه به newstack.io "کارشناسان هشدار می دهند که یادگیری ماشین نمی تواند دو مسئله را بدون توجه به ظرفیت پیش بینی ابزارهای جدید حل کند:

• حل مشکلات منحصر به فرد برای یک مورد خاص برای استفاده تجاری و

• تمیز کردن داده ها در وهله اول به گونه ای است که در یک گردش کار یادگیری ماشین با ارزش باشد. "

ممکن است موارد بسیاری با ارزش برای یادگیری ماشین وجود داشته باشد ، اما در حال حاضر ، ترجمه خودکار یکی از آنها نیست.

 

 

آیا آینده ای برای ماشین های ترجمه وجود دارد؟

پیشرفت تکنولوژی ترجمه آهسته و عمدتاً ناکارآمد بوده است. این که آیا ماشین هایی برای جایگزینی انسان در زمینه ترجمه وجود دارد ، در تعادل قرار دارد. نظر تقسیم می شود.

گفته فوق توسط مایکروسافت نادرست است. شما می توانید ماشین های ترجمه را در فرایند محلی سازی استاندارد ادغام کنید. اما آیا این کار می کند؟

توسعه ماشین آلات ترجمه در حال گذار است. سیستم عاملهای ترجمه جدید ، یادگیری ماشین را با ویرایش های دستی که توسط انسان انجام می شود ، ترکیب می کند.

جدیدترین ابزارهای یادگیری ماشینی ، سیستم های ترجمه را قادر می سازد از تعابیری که در سیستم اکو سیستم خود برنامه ریزی شده اند ، یاد بگیرند تا تعبیرهای جهانی که همواره نتایج متناقضی را ایجاد می کنند.

با استفاده از این رویکرد ممکن است فرصتی فراهم شود تا شرکت های ترجمه بتوانند از ماشین آلات بهتر استفاده کرده و کار دستی را کاهش دهند.

فرانتس اوچ ، تکنسین اصلی پروژه MT گوگل معتقد است که فناوری موانع زبان را برطرف خواهد کرد. او می گوید: "این امکان را به هر کسی می دهد که با هر کس دیگری ارتباط برقرار کند."

اوچ ممکن است یک نکته داشته باشد ، تا یک نقطه. MT درهای ارتباطات را باز می کند ، اما اینکه آیا آنها هرگز برای استفاده حرفه ای کافی خواهند بود ، جای سوال دارد. به نظر می رسد اجتناب ناپذیر است که نظارت انسانی برای مدت طولانی لازم باشد.

نیکلاس استلر ، رئیس بنیاد زبانهای در معرض خطر هر دو طرف بحث را می داند. اوستلر مسلط به 26 زبان ، معتقد است که الگوریتم های زبان در نهایت نیاز به یادگیری زبان های خارجی را کاهش می دهند ، اما رقابت این فناوری فاقد کارآیی است.

اوستلر می گوید: "حتی اگر آنچه را که می گوید را دوست ندارید ، می توانید فوراً آنچه را که به شما می دهد حس کنید یا آن را با آنچه می دانید مقایسه کنید. هنوز نیاز به هوش سازنده از سوی کاربر دارد. اما واقعیت این است که بسیار بهتر از گذشته است و بدون شک این روند به پیشرفت خود ادامه خواهد داد. "

به نظر می رسد که فناوری ML به کالایی مناسب تبدیل می شود که می تواند زمینه ترجمه یک جمله یا موقعیت را به معنای تبلیغ یک بازاریابی به طور دقیق ترجمه کند.

پیش بینی آینده ممکن است آسان باشد. اما هیچ کس نمی داند چه زمانی این اتفاق خواهد افتاد.

آندریاس زولمان ، که دارای مدرک دکترا در فن آوری های زبان است ، سالها است که در زمینه MT تحقیق می کند و در Google Translate کار کرده است ، چندان خوش بینانه نیست.

او می گوید: "هیچ محقق انتظار ندارد که این [MT] تا به امروز کامل شود." "بگویید ، ضمایر در بعضی از زبانها در شرایطی که زن و مرد با یکدیگر مطابقت ندارند بسیار دشوار است."

تولید انبوه به نتایج با کیفیت پایینتری دست پیدا می کند و این ایده که می توان داده های بیشتری را برای بهبود سیستم ها معرفی کرد به احتمال زیاد بر اساس یک فرض غلط است.

زولمن نشان داد: "در جهان تعداد بیشتری داده وجود ندارد كه ما بتوانیم از آنها استفاده كنیم." او معتقد است كه راه حل ایجاد مدلهایی براساس قوانین زبانها است. و برای این کار به ورودی زبان شناسان واجد شرایط نیاز دارید.

اگر سیستم عاملهای ترجمه ماشین همیشه جایگزین انسان شوند ، این فناوری به دانش مترجمان واجد شرایط نیاز دارد تا بتواند به نحو احسن کار کند. بنابراین ، زبان شناسان هنوز آینده ای دارند. تا چه مدت دیده می شود!

 

 
خدمات ترجمه رسمی ترجمه ,زبان ,ماشین ,یادگیری ,استفاده ,فناوری ,یادگیری ماشین ,یادگیری ماشینی ,google translate ,وجود دارد ,زبان شناسان ,برای تشخیص الگوهای منبع