ترجمه ماشینی عصبی چیست؟ فناوری هوش مصنوعی زبان برای یا علیه مترجم

ترجمه ماشینی عصبی به مترجم خودکاری اشاره می کند که به زبان های گوناگون کار می کند. این هوش مصنوعی شاید روزی جای مترجم انسانی را پر کند. اگر خودتان مترجم نباشید و با حوزه فناوری ترجمه آشنایی نداشته باشید، در اولین برخورد شاید بپرسید «عصبی» یعنی خشمگین می‌شود؟ خیر، یعنی فرایند ترجمه از روی نورون‌های دستگاه عصبی انسان شبیه‌سازی شده است.

یکی از ابتدایی‌ترین اهداف رایانه‌ها در دهه‌های 80 و 90 میلادی این بود که متنی را بطور خودکار از زبانی به زبان دیگر ترجمه کنند. ترجمه ماشینی عصبی (NMT) یکی از آخرین فناوری‌های نوین بر اساس هوش مصنوعی است که برای پردازش زبانهای طبیعی و تولید ترجمه ماشینی به کار می‌رود.

البته این ماشین دیگر آن نتایج خشک و مکانیکی در نسخه‌های قدیمی‌تر گوگل را ارائه نخواهد داد. اگر مقداری با رشته‌های مربوط به مهندسی و کامپیوتر سروکار داشته باشید، حتماً اصطلاح‌هایی مانند یادگیری عمیق و شبکه‌های عصبی مصنوعی را شنیده‌اید. افراد عادی هم روزانه از راه‌حل‌های این فناوری بهره می‌برند؛ مانند بازشناسی چهره و لبخند هنگام عکاسی با دوربین، یا تشخیص صدا در جستجوی فایل‌های صوتی. این فناوری تنها از سال 2014 به صنعت ترجمه معرفی شده است.

تکامل ماشین‌ها

پیشرفت ماشین‌های ترجمه از مدل RMT یا قاعده‌محور آغاز شد به SMT یا آمار‌محور رسید. اگرچه کیفیت ترجمه هر سال به خروجی‌های انسانی نزدیک‌تر شده، اما فرایند ترجمه همچنان درگیر ابهام و پیچیدگی‌های زبان بشر باقی مانده است. تا پیش از این، موتورهای ترجمه مانند گوگل مجبور بودند بر اساس مثال‌های موجود از ترجمه‌های انسانی در پایگاه‌داده عمل کنند، ولی حالا هوش مصنوعی امکانی فراهم آورده تا ربات مثل انسان یاد بگیرد و محتوای واژگانی را تجزیه و تحلیل کند.

با اینکه هر دو روش از حافظۀ ترجمه خام استفاده می‌کنند، اما ماشین عصبی به مهارتی موسوم به «یادگیری عمیق» نیز مجهز است و همینطور حجم سنگین‌تری از داده‌ها برای ساخت یک شبکه عصبی مصنوعی. سازوکار یک موتور ترجمه را می‌توان به بازی شطرنج تشبیه کرد.

در یک نرم‌افزار شطرنج، جهانی محدود با شمار محدودی از حرکت‌ با مهره‌ها وجود دارد. این برنامه خیلی ساده به محاسبه حرکت‌های احتمالی می‌پردازد تا بهترین را اجرا کند. به همین ترتیب، یادگیری ماشینی هم پایگاهی محدود با شمار محدودی از واژگان خامی است که بهترین معادل‌ها را براساس زبان مبدآ (مهره‌های حریف) می‌چیند.

در دو یا سه سال اخیر، پژوهش‌های فراوانی درباره پیاده‌سازی شبکه‌های عصبی مصنوعی در حوزه پردازش زبان‌های طبیعی انجام شده‌ است. یک ماشین ترجمه که خودش یاد می‌گیرد دارای مهارتی شبیه انسان می‌شود.

این ماشین عصبی دیگر مانند نمونه‌های موجود در این صنعت بر اساس داده‌های آماری و قواعد دستوری خام عمل نمی‌کند. با این حال، چنانچه متن‌های ادبی و ناشناخته‌تر ترجمه کند، بوی روغن موتور به مشام خواننده خواهد رسید؛ بنابراین فعلاً برای ما مترجم‌ها جای نگرانی نیست! به‌خصوص مترجم‌های شفاهی.

این ماشین خیلی هم مهربان است

برخلاف نسخۀ کنونی موتور گوگل، مدل‌های عصبی در ترجمه ماشینی دربرگیرنده یک شبکه عصبی مصنوعی بی‌همتا هستند که خودش از لایه‌های مختلفی از نورون تشکیل می‌شود. عنصر کلیدی در شبکه عصبی این است که می‌تواند لایه‌ها را بطور خودکار در طول مرحله یادگیری اصلاح کند (حدود چند هفته).

از لحاظ فنی، خروجی این نوع ماشین ترجمه در برابر بازخورد بیرونی مقایسه می‌شود و از طریق الگوریتم‌های پیچیده‌ای آموزش می‌بیند. به عبارت دیگر، ماشین عصبی شباهت‌های میان واژه‌ها و عبارت‌ها را در سطح فراجمله درک می‌کند. توانایی که در نسخه‌های قبلی ماشین ترجمه در دو دهه اخیر وجود نداشت و همین ویژگی شگفت‌انگیز ماشین عصبی را آشکار می‌کند.

نیاز به اصلاح

با این حال، یکی از مشکل‌های موجود در ترجمه‌های ماشینی همواره این بوده که خروجی باید پس‌ویرایش شود آن هم بدست انسان. برای نمونه، زوج‌زبان فارسی-انگلیسی را فرض کنید. خروجی ترجمه یک جمله دراز می‌تواند به‌هم‌ریختگی دستوری پیدا کند.

پس متن باید در نهایت از لحاظ دستور زبان، اصطلاح‌های تخصصی و خطا در معادلیابی واژگان با معنای چندپهلو بررسی شود. از دیدگاه بهره‌وری، ترجمه ماشینی عصبی امکانی فراهم آورده تا زحمت پس‌ویرایش در زوج‌زبان‌های دیگر تا 25% کاهش یابد.

تا اینجا که این مطلب را می‌خوانید، هنوز هیچ رباتی نتوانسته جای انسان‌های مترجم‌ را بگیرد. از روزی باید هراسید که ربات‌ها سلیقه و ذوق هنری پیدا کنند؛ برای مثال، متن ثابتی را به فاصله 24 ساعت به ربات بدهیم و دو ترجمه متفاوت اما قابل‌قبول بگیریم، درست مثل انسان.

نسخه‌برداری از این مطلب همراه با ذکر منبع مانعی ندارد.

مطالب مرتبط: