Neuronowe tłumaczenie maszynowe – jeszcze bliższe ludzkiemu myśleniu

Neuronowe tłumaczenie

Tłumaczenie maszynowe (ang. machine translation – MT) funkcjonuje na rynku od kilkudziesięciu lat. Pierwszym skutecznie działającym rozwiązaniem z obszaru MT było tzw. tłumaczenie maszynowe oparte na regułach (ang. rule-based machine translation – RBMT), którego początki sięgają lat 50. XX wieku. Rozwiązania typu RBMT odeszły w przeszłość, gdy w latach 90. udoskonalono rozwiązania typu statystycznego (ang. statistical machine translation – SMT). Jeden z opracowanych wówczas wariantów SMT, tzw. tłumaczenie maszynowe oparte na frazach, dominuje w usługach tłumaczeniowych online do dnia dzisiejszego.

tłumaczenie maszynoweW roku 2014 na arenę usług językowych wkroczyło neuronowe tłumaczenie maszynowe (ang. neural machine translation – NMT), zwiastując potencjalną rewolucję. Wynika to z faktu, że sposób działania rozwiązań opartych na NMT różni się zasadniczo od dotychczasowych technologii, niełatwo więc przewidzieć, w jaki sposób ewoluuje w miarę stosowania. Na blogu Systran, w artykule stanowiącym próbę szczegółowego opisu sposobu działania rozwiązań NMT*, technologia ta opisywana jest jako „tajemnicza” – częściowo dlatego, że jest skomplikowana i trudna do wytłumaczenia. Systemy NMT samodzielnie wyszukują swoje wzorce działania – nie potrzebują w tym względzie dokładnych instrukcji, zaś kiedy przyjrzymy się warstwom procesu przetwarzania, bardzo trudno jest zorientować się, w jaki sposób system tak naprawdę podejmuje decyzje.

Działanie SMT i NMT

Zasada działania SMT polega na porównywaniu tzw. n-gramów w tekście źródłowym – grup zawierających po 6 słów – z możliwościami dopasowań w języku docelowym. NMT natomiast buduje swoje zbiory danych i metody w procesach głębokiego uczenia się, które – jak wskazuje sama nazwa NMT – przypominają nieco działanie biologicznych sieci neuronowych w mózgach zwierząt. Działanie systemów NMT opiera się zatem nie tyle na programowaniu zadaniowym, ile na rozwiązywaniu problemów w drodze poszukiwania powiązań na podstawie dostępnych przykładów.

Systemy NMT działają, opierając się na wydajnych procesorach graficznych (GPU), i w porównaniu z SMT wykorzystują zaledwie ułamek pamięci procesorów głównych. Jednak proces uczenia takich systemów jest, jak podaje Google: „kosztowny obliczeniowo”**.

Wady NMT

tłumaczenie maszynoweTechnologia NMT ma również inne wady: nie radzi sobie dobrze z rzadkimi słowami, co znacznie zmniejsza jej efektywność. Jednak, jak wynika z raportu Google, w przypadku odrębnych, prostych zdań system NMT stosowany przez Google „pozwala zmniejszyć ilość błędów w tłumaczeniu o średnio 60% w stosunku do systemu opartego na frazach”**.

Obecnie na rynku dostępne są cztery systemy NMT: Google Translate, Microsoft Translator, Systran Pure Neural Machine Translation oraz system NMT typu open source: OpenNMT, oferowany przez grupę Harvard NLP. Ponieważ bardziej zaawansowane systemy tłumaczenia maszynowego, z których korzystają dostawcy usług językowych, obejmują już rozwiązania NMT, mogą być Państwo pewni, że Skrivanek będzie na bieżąco informować Państwa o nowych możliwościach technologicznych w tym obszarze.

* blog.systransoft.com: How Does Neural Machine Translation Work? (Jak działa neuronowe tłumaczenie maszynowe?), 17 października 2016 r.

** Raport Google 2016

Posty powiązane

Privacy Preferences
When you visit our website, it may store information through your browser from specific services, usually in form of cookies. Here you can change your privacy preferences. Please note that blocking some types of cookies may impact your experience on our website and the services we offer.