گوگل را باید در زمرهی پیشروترین کمپانیهایی قرار داد که سرویسهای مبتنی بر هوش مصنوعی برای ترجمه را توسعه داده است. حال این کمپانی مدعی است که با بکارگیری روش جدید، دقت سرویس مترجم خود را بیش از پیش به انسانها نزدیکتر کرده است. به گزارش جی پلاس، تیم توسعهی هوش مصنوعی گوگل روش جدیدی را با نام Google Neural Machine Translation توسعه داده که به اختصار GNMT خوانده می شود. در واقع این سیستم یک ماشین ترجمهی مبتنی بر شبکههای عصبی است. براساس اطلاعات ارائه شده در این سیستم منابع کمتری برای درک جملهی وارد شده درگیر شده و سیستم قادر است با سرعت و دقت بالاتر، جمله را در یک زبان دیگر تولید کند. در این روش به جای ترجمهی کلمه به کلمه، کل جمله در قالب یک مجموعهی واحد ترجمه می شود. کوک وی لی و مایک شوستر، محققان تیم Google Brain در این خصوص میگویند:
مزیت سیستم جدید این است که نیاز به معماری مهندسی کمتری در مقایسه با سیستم ترجمهی مبتنی بر عبارت وجود دارد. زمانی که این سیستم برای اولین بار به کار گرفته شد، قادر بود از صحت ترجمهی انجام شده توسط سیستمهای موجود را اعتبارسنجی کند. در طول زمان، GNMT نشان داد که قادر است تا نتایج بهتری را نمایش داده و سرعت بالایی را نیز که مورد نیاز سرویسها و اپلیکیشنهای گوگل است، در اختیارمان قرار دهد.گوگل مدعی است که در برخی موارد این سیستم قادر است تا همپای ترجمهی انسان عمل کرده و جملات را به درستی به زبان دیگر ترجمه کند. البته صحت بالای ترجمه در مورد زبانهایی است که از نظر ساختاری بسیار به هم نزدیک هستند. از جملهی موارد مورد نظر باید به ترجمهی انگلیسی به اسپانیایی یا فرانسه و بالعکس اشاره کرد. البته گوگل اعلام کرده که در پی آموزش این سیستم به لطف یادگیری ماشین با استفاده از مواردی با درجهی سختی بالاتر است تا از این طریق GNMT بتواند صحت ترجمه را در مورد سایر زبانها نیز افزایش دهد. گوگل از امروز از سیستم GNMT برای ترجمهی چینی به انگلیسی و بالعکس در سرویس ترجمه و اپلیکیشن خود استفاده کرده که بالغ بر بیش از ۱۸ میلیون ترجمه در روز میشود. غول جستجو تایید کرده که این سیستم برای رسیدن به حالت ایدهآل راه درازی در پیش دارد. به گفتهی توسعهدهندگان این سیستم، GNMT هنوز اشتباهاتی را مرتکب میشود که انسانها در زمان ترجمه از آن مبرا هستند که این موضوع شامل عدم تشخیص اسامی خاص میشود. همچنین باید به ترجمهی یک جمله بصورت ایزوله شده از متن یا پاراگراف نیز باید اشاره کرد. با روشنتر شدن ابعاد ضعف این سیستم، متخصصان با آموزش بهتر میتوانند موانع بیشتری را برای تبدیل یک گوشی هوشمند به مترجم قویتر از پیش روی جوامع انسانی بردارند. منبع: زومیت
دیدگاه تان را بنویسید