211service.com
Översättningsverktyg kan spara mindre använda språk
Ibland kan du känna att det inte finns något värt att läsa på webben, men det finns åtminstone massor av material du kan läsa och förstå. Miljontals människor runt om i världen talar däremot språk som fortfarande knappt finns representerade online, trots utbredd tillgång till Internet och förbättrad översättningsteknik.
Webjättarna Microsoft och Google försöker ändra på det med ny översättningsteknik riktad mot språk som lämnas bakom – eller kanske till och med aktivt dödas – av webben. Även om båda företagen har arbetat med översättningsteknik i flera år, har de hittills fokuserat på så stora internationella handelsspråk som engelska, spanska och kinesiska.
Microsoft och Googles befintliga översättningsverktyg, som är gratis, är en triumf av big data. Istället för att lära sig som en mänsklig översättare skulle, genom att studera reglerna för olika språk, ett översättningsverktygs algoritmer lära sig hur man översätter ett språk till ett annat genom att statistiskt jämföra tusentals eller miljoner onlinedokument som har översatts av människor.
De två företagen har båda avvikit från den formeln något för att tjäna mindre populära språk. Google kunde nyligen lansera experimentellt alfastöd för en samling av fem indiska språk (bengaliska, gujarati, kannada, tamil och telugu) genom att ge sin programvara några direkta lektioner i grammatik, medan Microsoft har släppt en tjänst som gör det möjligt för en community att bygga upp ett översättningssystem för sitt eget språk genom att tillhandahålla eget källmaterial.
Google insåg först att det behövde ge sitt system en grammatiklektion när de försökte polera sina japanska översättningar, säger Ashish Venugopal , en forskare som arbetar med Googles översättningsprogram. Vi producerade meningar med verbet i mitten, men på japanska måste det gå i slutet, säger Venugopal. Problemet berodde på att systemet till stor del var blind för grammatik. Den korrigering som Google-teamet kom med – som tillförde en viss förståelse för grammatik – möjliggjorde lanseringen av de fem indiska språken, som alla används av miljoner på subkontinenten men till stor del saknas på webben.
Googles system tränades i grammatik genom att ge det en stor samling meningar där de grammatiska delarna hade märkts – mer instruktion än vad Googles översättningsalgoritmer vanligtvis får.
Venugopal säger att systemet än så länge inte kan hantera de underbetjänade språken, och Googles befintliga översättningsteknik kan hantera mer etablerade språk, som franska och tyska. Men, säger han, att erbjuda något stöd alls är viktigt för språk som är relativt sällsynta online. Det är en viktig del av vårt uppdrag att göra dessa andra språk tillgängliga på webben, säger han. Vi vill inte att folk ska behöva bestämma om de ska publicera sin blogg på sitt eget språk eller på engelska. Vi vill hjälpa världen att läsa din blogg.
Microsoft är också intresserade av att hjälpa språk som inte används allmänt på nätet, för att förhindra att de språken åsidosätts och faller ur användning, säger Kristin Tolle , en direktör på Microsoft Research. Hennes team lanserade nyligen en webbplats som hjälper alla att skapa sin egen översättningsprogram, kallad Översättningshubb . Den är avsedd för gemenskaper som vill säkerställa att deras språk används online.
Att använda Translation Hub innebär att skapa ett konto och sedan ladda upp källmaterial på de två språken som ska översättas mellan. Microsofts maskininlärningsalgoritmer använder det materialet och kan sedan försöka översätta all text skriven på det nya språket. Microsoft testade den tekniken i samarbete med ledare för Fresno, Kaliforniens stora Hmong gemenskap , för vars språk det inte finns ett maskinöversättningssystem.
Att låta vem som helst skapa sin egen översättningsmodell kan hjälpa gemenskaper att rädda sina språk, säger Kristin Tolle, chef på Microsoft Research. Maskinöversättningssystem har utvecklats för ungefär 100 av världens 7 000 språk, säger Tolle.
Det finns mycket sanning i vad Microsoft säger, säger Greg Anderson, direktör för ideell verksamhet Levande tungor , som dokumenterar, undersöker och försöker stödja försvinnande språk. Dagens spelplan involverar en digital närvaro på nätet oavsett om du är gemenskap eller ett företag – om du inte har en webbnärvaro existerar du inte, på någon nivå. Anderson säger att språk som gör en comeback på sidan vanligtvis är de från samhällen som har anammat livet online med deras språk.
Margaret Noori , en föreläsare vid University of Michigan som arbetar för att bevara Anishinaabemowin eller Ojibwe, ett amerikanskt språk, håller med, men tillägger att bevarandet av ett språk innebär mer än webben. Det finns en anledning att vara online i dagens värld, men det måste absolut balanseras av sånger som bara sjungs högt och ceremonier som aldrig har spelats in.
Microsofts översättningshubb syftar också till att möjliggöra översättning av specialiserade tekniska termer eller jargong, som onlineöversättningsverktyg för allmänna ändamål inte hanterar bra. Ideella organisationer kan till exempel använda den för att översätta material om jordbruksteknik, säger Tolle, och tekniken kan också vara användbar för företag som vill påskynda översättningen av bruksanvisningar eller annat material.
Företag vill ofta ha sin data tillgänglig för dem privat och behålla sin data – inte för att tillhandahålla den till någon annan som ska träna ett översättningssystem, säger hon. Volvo och Mercedes har uttryckt intresse för att testa Microsofts Translation Hub, säger Tolle.