211service.com
Upprepa, på engelska, tack
Även om kvaliteten på datorrenderade översättningar har förbättrats avsevärt under de senaste 20 åren, är vissa resultat fortfarande lika grammatiskt fåniga som instruktionerna på en ätpinnesomslag. Ta till exempel en webbplats för en Japansk äppelgård som konverterades till engelska med Googles automatisk översättningstjänst :
Someyas äppelträdgård det kommer att passera väldigt! Den planterades 1954, dessutom överstiger den även nu trädets ålder 50 år gammal välmående, stor - kommer trädet onormalt leka alligatoräpple fruktas. Det välsmakande äpplet där temperaturskillnaden dag och natt skärptes till att vara extrem Gunma prefektur Numata stad som fyra årstider är tydliga stora naturen, hårt skapas. *
Ja, den stora bilden blir tydlig, men mycket går förlorad med Googles översättningsalgoritm för japanska till engelska. Google har erbjudit sin översättningsfunktion i ett antal år, liksom det kanadensiska internetföretaget Babel fisk . På senare tid har dock kommersiella mjukvaruutvecklare börjat utforska översättning bortom en statisk webbsida eller elektroniskt dokument och tillämpar tekniken på realtidskonversationer för snabbmeddelanden på Internet. Tidigare denna månad släppte AvMedia ett snabbmeddelande översättare utformad för att göra det enklare för engelsktalande att chatta med vänner som talar tyska, spanska, franska, italienska och portugisiska och vice versa (franska kan också översättas till tyska och tyska till franska).
Men all denna programvara saknar fortfarande tillräcklig noggrannhet för att vara användbar i krävande situationer, såsom affärsförhandlingar eller militär planering. Det beror förmodligen på att de flesta kommersiella mjukvaror följer en traditionell metod för maskinöversättning, säger Kevin Knight, datavetare vid University of Southern Californias Informationsvetenskapliga institutet (ISI) och medgrundare av det Kalifornien-baserade företaget Språkvävare .
Traditionellt har maskinöversättningsprogram varit beroende av algoritmer som sorterar igenom tusentals grammatikregler för de två språken som ska översättas, säger Knight. Problemet, förklarar han, är att så många regler måste skrivas manuellt, liksom undantagen från dessa regler, och felaktigheter smyger sig in när komplexa uppsättningar regler motsäger varandra. Om man skriver 5000:e regeln bryter man ibland mot saker, säger Knight.
Med Language Weaver och hans forskning vid USC, närmar sig Knight, liksom en handfull andra forskare över hela världen, problemet annorlunda. Istället för att följa stela grammatiska regler, matchar Language Weaver korrekta ord och fraser över språk baserat på sannolikheten att sådana ord och fraser är korrekta i ett givet sammanhang.
Det här statistiska tillvägagångssättet hämtar från ett stort antal exempel från redan översatta dokument, säger Michael Collins, en dataingenjör vid MIT som använder samma metod för en mjukvaruapplikation som han bygger för att utföra tyska till engelska översättningar. IBM var pionjär med detta tillvägagångssätt på 1990-talet, säger han, delvis genom att dra fördel av en enorm databas med kanadensiska parlamentariska förfaranden publicerade i både franska och engelska versioner.
Den statistiska variationen av maskinöversättning ger inte bara bättre resultat än den traditionella metoden, säger Knight, utan även programvaran är designad för att fortsätta att förbättras på egen hand. Ju fler översatta dokument programvaran möter, desto mer sannolikt kommer den att matcha fraser korrekt. För några år sedan, för våra kinesiska och arabiska språk, var allt vi kunde få det grundläggande ämnet för vad en artikel handlade om, säger Knight. Nu är upplösningen på meningsnivå. [Fortsättning på nästa sida]
-
* Rättelse, 18 januari 2006, 10:00 EST: I den ursprungliga versionen av denna berättelse citerade vi följande översättning av Someya Apple Farms webbplats: Äppelträdgården med stora träd över 50 år gamla. Den naturliga miljön runt Numata, med den enorma temperaturskillnaden mellan dag och natt, skapar ett unikt läckert äpple. Faktum är att detta var ett utdrag från Googles översättning av äppelgårdens egen engelska version av sin webbplats, inte från Googles översättning av den ursprungliga japanska sidan. Därför var det inte ett giltigt exempel på den dåliga kvaliteten på vissa maskinöversättningsalgoritmer. I berättelsen har vi nu ersatt Googles översättning av den ursprungliga japanska webbplatsen. Tack till våra läsare för att de påpekade felet. - Eds.
U.S. Defense Advanced Research Projects Agency (DARPA) är en av de största finansiärerna av statistisk maskinöversättning. I augusti förra året sponsrade DARPA maskinöversättningstester för kinesiska och arabiska dokument; en forskargrupp från Google fick högst poäng, och knuffade ut USC:s Information Sciences Institute och IBM:s maskinöversättningsarm. Google, som också använder det statistiska tillvägagångssättet, kan ha haft ett försprång, konstaterar Knight, eftersom de kunde använda ett stort antal datorer för att knäcka ord, och kunde dra från hela Internet för sin databas med föröversatta dokument.
År 2005 tillkännagav DARPA också programmet Global Autonomous Language Exploitation (GALE), avsett att påskynda datorbehandlingen av ett stort antal översatta dokument som förvärvats av dess moderprogram, Philadelphia-baserade Linguistic Data Consortium .** GALE är för närvarande inne på det första året och kommer att transkribera tal från sända nyhetskällor och talkshower på arabiska, kinesiska och engelska, och även katalogisera nyhetsflöden, webbnyhetsdiskussionsgrupper och bloggar på dessa språk. För närvarande är projektet huvudsakligen fokuserat på datainsamling från dessa genrer, med forskare vid data- och ingenjörsvetenskapliga avdelningen vid University of Pennsylvania som gör mycket av arbetet.
Men även med en stor samling översatt material kommer det fortfarande att finnas språkfrågor att reda ut. Nästa steg i forskning om maskinöversättning, bortom att matcha ord och fraser, säger Knight, är att jämna ut de grammatiska inkonsekvenser som uppstår när ord och fraser hängs ihop. Denna utjämning kan åstadkommas genom att indexera miljontals meningar vars strukturer har ritats i diagram vid University of Pennsylvania på 1990-talet (data kom från 50 000 meningar i Wall Street Journal ). På samma sätt som en databas full av ord och fraser tillåter översättningsprogram att välja den mest statistiskt sannolika kombinationen av ord, hjälper dessa specifika exempel på grammatik från de schematiska meningarna programvaran att tilldela sannolikheten för ordordning, säger MIT:s Collins.
Detta är ett framsteg jämfört med den traditionella metoden där grammatikregler sattes i en algoritm, säger han. I stället för att följa kodade grammatikkonventioner i en algoritm, som med traditionell maskinöversättning, låter den schematiska meningsdatabasen programvaran tilldela sannolikheter och vikt på dessa regler, säger Collins. [Programvaran] lär sig mer om sammanhanget, säger han.
På vissa sätt kommer dock den statistiska metoden bara att vara lika bra som den vanliga översättaren för snabbmeddelanden. Egennamn, till exempel, slår fortfarande upp även den mest pålästa maskinöversättaren, och de blir ofta bara översatta tillsammans med resten av texten. Enligt hans system, medger Knight, är den spanska versionen av hans efternamn fortfarande Kevin Caballero.
** Rättelse, 20 januari 2006: Den ursprungliga versionen av denna berättelse, publicerad 18 januari, påstod att Linguistic Data Consortium lanserades 2005. Konsortiet lanserades faktiskt 1992 och dess Global Autonomous Language Exploitation-projekt lanserades år 2005. – Red.