در این مطلب میخواهیم به ترجمه ماشینی و یادگیری ماشین اشاره کنیم. در اوایل دهه ۱۹۵۰، تحقیقات پیشرو در زمینه ترجمه ماشینی اعلام کردند که فقط سه یا پنج سال دیگر زمان نیاز دارند تا مشکل خدمات ترجمه ماشینی را به طور کامل حل کنند. بدیهی است که پیش بینی آنها کمی نادرست بود؛ حتی پنج دهه بعد، همچنان معایب ترجمه ماشینی وجود دارند. اما آیا یادگیری عمیق می تواند کلید اصلی این کار باشد؟ و آیا ترجمه انسانی و مفهوم دارالترجمه امروزی در نتیجه منسوخ خواهد شد؟

یادگیری ماشین چیست؟

یادگیری ماشین هنگامی است که رایانه ها از الگوریتم هایی برای تجزیه و تحلیل داده ها استفاده می کنند، از آن یاد می گیرند و سپس بر اساس آنچه که به کار بردند، تصمیم گیری آگاهانه می کنند. در حال حاضر، کافی است توجه داشته باشید که مدل های یادگیری بدان معنی است که کامپیوترها می توانند به تدریج در انجام وظیفه ای که انجام می دهند پیشرفت بهتری داشته باشند. به همین دلیل است که بسیاری از افرادی که در پروژه های ترجمه ماشینی کار می کنند، از پتانسیل یادگیری ماشین برای ایجاد تحول در این صنعت هیجان زده می شوند.

یادگیری ماشینی

یادگیری ماشینی نوعی یادگیری است که در آن کامپیوتر قادر به شناسایی و سپس اصلاح اشتباهات خود است ( و از زیر مجموعه های وسیع هوش مصنوعی می باشد). الگوریتم های یادگیری عمیق از کامپیوتر به منظور استفاده از منطق برای نتیجه گیری به روشی مشابه مغز انسان پشتیبانی می کند. این کار با استفاده از شبکه های عصبی انجام می شود و بنابراین یادگیری عمیق شکلی بسیار قدرتمندتر از هوش دستگاه است و برای اهداف گسترده ای از جمله ترجمه استفاده می شود.

مسائل مربوط به ترجمه ماشینی

فارغ از تعریف یادگیری عمیق، پتانسیل شبکه عصبی عمیق برای رفع معایب ترجمه ماشینی کاملاً روشن است. مسائل مربوط به ترجمه ماشینی به طور سنتی راجع به کیفیت پایین نتایج آن از نظر انتخاب کلمه، دستور زبان و ساختار جمله بوده است. در اصل، نرم افزار ترجمه ماشینی ، زبانی را ارائه می دهد که طبیعی به نظر نمی رسد، علی رغم اینکه از ده ها هزار نمونه ( حتی بیشتر ) زبان نوشتاری تغذیه می شود.

ترجمه دستگاه عصبی که در سال ۲۰۱۵ جایگزین استفاده از دستگاه ترجمه آماری شد و جهشی چشمگیر را به جلو نشان داد، در نتیجه بسیار جالب است. با این حال، هنوز هم نیاز دارد که ماشین درمورد جملات قابل مقایسه در هرکدام از زبان های یاد گرفته شده برای ترجمه آنها، تغذیه شود.

بخش واقعاً هیجان انگیز مربوط به معرفی ترجمه دستگاه عصبی بدون نظارت است. فیس بوک، با همکاری NYU و دانشگاه های سوربن، یک مدل Deep Learning AI تولید کرده است که از روش شناسی (BPE)، مدل های زبان و ترجمه پشتیبان استفاده می کند تا قدم بعدی را برای حل مشکل ترجمه ماشینی بردارد. سیستم جدید بدان معنی است که یک کامپیوتر می تواند از یک زبان به زبان دیگر ترجمه کند بدون آنکه در هر زبان عبارات قابل مقایسه ای داشته باشد.

آینده ترجمه

چنین پیشرفت هایی ما را به طور قابل توجهی به ترجمه ماشینی بی عیب و نقص نزدیکتر می کند. ابزاری که می آموزد خطاهای زبانی خود را شناسایی کند و آنها را تصحیح کند تا بتواند به هر زبانی، دقیق ترجمه کند، فوق العاده قدرتمند خواهد بود. مزایای استفاده از هوش مصنوعی از این نظر می تواند بسیار زیاد باشد، امکان ترجمه دقیق و فوری می تواند ارتباطات را در سراسر جهان فراهم کند و همچنین دسترسی جهانی به اسناد تاریخی، آثار ادبی و موارد دیگر امکان پذیر خواهد بود. چنین سیستمی می تواند برای ترجمه اسناد در بیشتر زبان ها و همچنین زبان های نادر و مرده نیز مورد استفاده قرار گیرد.

در حالی که همه این برنامه های یادگیری عمیق از پتانسیل بالایی برخوردار هستند، باید به یاد داشته باشیم این اولین بار نیست که محققان از احتمال پیشرفت ترجمه های ماشینی هیجان زده می شوند. هنگامی که در آزمایش Georgetown در سال ۱۹۵۴، بیش از ۶۰ جمله از روسی به انگلیسی با موفقیت ترجمه شد، همین امر منجر به درخشان ترین ایده ها در بخش ترجمه ماشینی گردید و این که در طی چند سال آینده تمامی معایب آن رفع خواهد گشت.

ما امروز در وضعیتی بسیار مشابه به آن هستیم، اگرچه از فناوری بسیار قدرتمندتری استفاده می شود. شرکت هایی مانند گوگل، مایکروسافت و فیس بوک در کنار مؤسسات دانشگاهی فعالیت می کنند و بودجه زیادی برای این مشکل صرف شده و نتایج هم مثل ۱۹۵۴ امیدوار کننده هستند. اما وقتی صحبت از ترجمه ماشینی می شود، پول تضمینی برای موفقیت نیست.