Tłumaczenie maszynowe bardzo rozwinęło się na przestrzeni ostatnich kilku dziesięcioleci. Dojście do dzisiejszych zaawansowanych algorytmów wykorzystujących sieci neuronowe nie było proste.
Inwestycje na tym polu i rozwój technologii sprawiły, że praca tłumacza stała się szybsza i dokładniejsza. Tłumaczenie maszynowe umożliwiło również przekład z ograniczonym udziałem człowieka, który jest gotowy w zaledwie kilka minut (lub nawet sekund!).
Historia tłumaczenia maszynowego
Historia tłumaczenia maszynowego sięga lat 50. XX wieku, gdy branża tłumaczeniowa zaczęła urzeczywistniać próby stworzenia komputerowego systemu przekładającego tekst z jednego języka na inny.
Na początku skupiono się na przekładzie zdań w języku angielskim na rosyjski i odwrotnie. W 1954 roku odbyło się pierwsze publiczne pokazanie możliwości tłumaczenia maszynowego podczas tzw. eksperymentu Georgetown-IBM. System przetłumaczył wówczas ponad 60 zdań z angielskiego na rosyjski. Pomimo początkowego entuzjazmu trudności związane z ograniczeniami technologicznymi i złożonością języka naturalnego spowodowały, że postęp był powolny.
W latach 60. i 70. XX wieku skupiono się na optymalizacji procesu tłumaczeniowego. Dekadę później zaczęły powstawać pierwsze narzędzia CAT, które powoli docierały do profesjonalnych tłumaczy.
Pierwsza usługa tłumaczenia maszynowego – przekłady forum internetowego z angielskiego na niemiecki – powstała w 1992 roku. W tej samej dekadzie pojawił się darmowy program BabelFish przekładający w 36 parach językowych. Za jego sprawą nowoczesna technologia dotarła do masowego odbiorcy. Oczywiście na początku istnienia miał on wiele wad i słabo radził sobie z wieloznacznością słów.
Od lat 90. rozwój tłumaczenia statystycznego, opartego na analizie dużych korpusów tekstów, nastąpił szybko. W 2001 roku Google wprowadziło dla anglojęzycznych użytkowników funkcję tłumaczenia stron internetowych. Stopniowo zwiększano możliwości narzędzia. W 2006 roku zyskało ono własną subdomenę.
Wprowadzenie tłumaczenia maszynowego opartego na sieciach neuronowych okazało się przełomowe w pracy nad tekstem źródłowym. Technologia wykorzystująca sztuczną sieć neuronową do modelowania języka i tłumaczenia całych zdań w kontekście przyniosła znaczącą poprawę w jakości przekładu. Google Translate przeszło na NMT w 2016 roku.
Mimo ogromnego wzrostu jakości przekładu nie ma na razie obaw, że sztuczna inteligencja i tłumaczenie maszynowe zastąpią codzienną pracę tłumacza.
Rodzaje tłumaczeń maszynowych
Tłumaczenie automatyczne można podzielić na różne typy, przede wszystkim ze względu na stopień ingerencji człowieka w proces.
- Systemy tłumaczenia bezpośredniego polegają na dosłownym przekładzie słów z tekstu źródłowego na odpowiadające im pojedyncze słowa w języku docelowym. Jest to efektywne przede wszystkim dla języków, które są ze sobą blisko spokrewnione.
- Tłumaczenie składniowe to tłumaczenie oparte na analizie struktury zdania tekstu źródłowego. Wynikiem jest drzewo składniowe, z którego wybierane są elementy najbardziej pasujące do zamierzonego przekładu.
- Statystyczne tłumaczenia maszynowe wykorzystują stworzoną przez człowieka pamięć tłumaczeniową. Proces przekładu polega na analizie tej pamięci i wyborze najbardziej prawdopodobnego tłumaczenia. Przez długi czas był to główny system wykorzystywany przez translatory internetowe, takie jak Google Translate, Deepl czy Microsoft Translate.
- Tłumaczenie oparte na przykładach działa podobnie do tłumaczenia statystycznego, ale zamiast szukać najbardziej zbliżonych słów w pamięci tłumaczeniowej, system dąży do dopasowania całych zdań.
- Tłumaczenie maszynowe bazujące na sieciach neuronowych to najnowsza metoda w branży translatorskiej. NMT wykorzystuje głębokie uczenie, aby zrozumieć tekst źródłowy z uwzględnieniem kontekstu przed przystąpieniem do tłumaczenia. Wynik jest zazwyczaj płynny i naturalny, ale wymaga dużych ilości danych do treningu i znacznej mocy obliczeniowej.
Kiedy warto korzystać z tłumaczenia maszynowego?
Korzystanie z tłumaczenia maszynowego jest szczególnie przydatne, gdy potrzebujesz zrozumieć treść dokumentu w języku źródłowym na potrzeby wewnętrzne firmy. Szybkość procesu pozwala na przekład ogromnej ilości treści w ograniczonym czasie. W takich sytuacjach nie ma znaczenia styl, ale zyskanie tekstu w oczekiwanym języku. Taki przekład może być przydatny np. w celu usprawnienia komunikacji czy gdy potrzebne jest tłumaczenie instrukcji obsługi.
Jeżeli regularnie tłumaczysz podobne dokumenty (np. raporty finansowe), tłumaczenie maszynowe może pomóc w automatyzacji tego procesu, oferując dużą oszczędność czasu. Najnowsze technologie są również wykorzystywane jako pierwszy krok w przypadku tłumaczenia bardziej skomplikowanego. Później profesjonalista ulepszy i zredaguje tekst wyjściowy, dostosowując go do potrzeb zleceniodawcy.
Profesjonalne tłumaczenia neuronowe a tłumacz Google – jaka jest różnica?
Możliwości automatycznego tłumacza Google mają swoje ograniczenia, zwłaszcza kiedy chodzi o bardziej skomplikowane tłumaczenie tekstu. Narzędzie miewa trudności z niektórymi wyrażeniami, takimi jak idiomy, slang czy żargon branżowy. Dlatego nie jest to idealne rozwiązanie do przekładu dokumentów, które wymagają precyzji i dużej poprawności. Ponadto jako narzędzie bezpłatne nie ma odpowiednich zabezpieczeń prywatności. W przypadku treści zawierających dane poufne tego typu tłumaczenia online są mocno odradzane.
Profesjonalne tłumaczenie neuronowe Skrivanek to efekt wielu lat badań, nad którymi pracowali specjaliści w branży translatorskiej. Znając potrzeby naszych klientów, skupiliśmy się na opracowaniu rozwiązania, które jak najlepiej odpowie stawianym mu wymaganiom.
Biuro tłumaczeń oferuje również wsparcie i usługi dodatkowe, takie jak postedycja w celu zwiększenia dokładności i naturalności tłumaczenia. Doradzimy również, czy w danej sytuacji wady tłumaczenia maszynowego nie przeważają, sugerując wykorzystanie tradycyjnego przekładu na język docelowy.
