الترجمة الآلية هي موضوع يعرف الكثير من الناس بوجوده ولكنهم لا يفهمون ما هو. نعم، نحن نعلم أنها ترجمة آلية، لكن هل تفهم كيف تعمل؟ يُستخدم المصطلح، الذي يُستخدم لتعيين النصوص المترجمة بواسطة البرمجيات، بشكل رئيسي في علم اللغة الحاسوبي.
باعتبارها أداة آلية، فإن الترجمة الآلية لديها القدرة على تغيير وكالة ترجمة مجال الترجمة بالكامل. ذلك لأنه، نظرًا لطبيعته التكنولوجية، يمكن أن يقلل بشكل كبير من تكاليف ترجمة ملايين الوثائق. وهذا بدوره سيساعد الشركات على النمو دولياً، مما يحفز العولمة. للقيام بذلك، استخدم العلماء بالفعل العديد من الأساليب، مثل الخوادم المستندة إلى القواعد والإحصائية. ومع ذلك، يشير المستقبل إلى طريقة أسرع بكثير - وأكثر كفاءة - للترجمة تلقائيًا: باستخدام الذكاء الاصطناعي. إليك كل ما تحتاج لمعرفته حول هذه المسألة!
كيف بدأت الترجمة الآلية
الترجمة الآلية، والمعروفة أيضًا باسم MT، يمكن تتبعها إلى عام 1629. كان هذا هو العام الذي بدأ فيه الفيلسوف الفرنسي رينيه ديكارت محادثة حول لغة عالمية. باستخدام مبدأ الرموز والمنطق، اقترح ديكارت شكلاً جديدًا من أشكال التواصل.
ستتمكن هذه اللغة العالمية من التواصل مع الأفكار المكافئة في لغات مختلفة من خلال رمز واحد. في الأصل، كان كل من ديكارت وجوتفريد فيلهلم لايبنيز - عالم رياضيات ألماني - يفكران في الأرقام. ومع ذلك، مع مرور الوقت، بدأ مفهوم اللغة العالمية يُطبق على الترجمة الآلية.
منذ الخمسينيات من القرن الماضي، تم إجراء الكثير من الأبحاث لترجمة النصوص الرياضية إلى لغات مختلفة. في النهاية، أدى هذا إلى الشكل الحديث من الترجمة الآلية. الأساليب الرئيسية الثلاثة لـ الترجمة الآلية هي:
- الترجمة الآلية القائمة على القواعد (1950 - 1980)
- الترجمة الآلية الإحصائية (1990 - 2015)
- الترجمة الآلية العصبية (2015 - حتى الآن)
الترجمة الآلية القائمة على القواعد
بدأ تطوير الترجمة الآلية القائمة على القواعد لأول مرة في السبعينيات. تُعرف هذه الطريقة أيضًا باسم "النهج الكلاسيكي" للترجمة الآلية وتعتمد بشكل كبير على القواعد اللغوية. على هذا النحو، فإنه يستخدم عدداً كبيراً من القواميس ثنائية اللغة لكل زوج لغوي. يركز الترجمة الآلية القائمة على القواعد على وضع القواعد في لغات مختلفة.
الترجمة الآلية القائمة على الإحصاء
بدأت الترجمة الآلية القائمة على الإحصاء في الدراسة بعد ما يقرب من عقد من الترجمة الآلية القائمة على القواعد وهي تعتمد على معايير النماذج الإحصائية. يتم تطويرها من خلال تحليل مجموعة من النصوص ثنائية اللغة. على عكس الخوادم القائمة على القواعد، تهدف الترجمة الآلية القائمة على الإحصاء إلى إنشاء التعرف على الأنماط وتتطلب. لذلك، يتطلب الأمر مجموعة لغوية ضخمة لتعمل كما هو مقصود.
Neural Machine
تستخدم الترجمة الآلية العصبية (NMT) الذكاء الاصطناعي والتعلم العميق لتحقيق ترجمات أكثر دقة. تتعلم الشبكات العصبية الاصطناعية التعرف على الأنماط من خلال معالجة كميات كبيرة من البيانات.
هذه الشبكات عبارة عن خوارزميات تعليمية تطبق دالة غير خطية على مجموعة من المدخلات التي تشكل طبقة. تُنتج العملية مخرجات ستعمل كالموارد للطبقة التالية. هناك طبقات متعددة متضمنة في الشبكة العصبية، متصلة بأوزان/معلمات. جميع هذه الطبقات تحصل على مدخلات مع الميزات غير الخطية التي تزيد من التوليفات الممكنة.
لذلك، تقوم الشبكة العصبية للترميز بمعالجة جملة في اللغة المصدر وتحويلها إلى تمثيلات متجهة ليتم استخدامها في شبكة فك التشفير العصبية، للتنبؤ بالجملة في اللغة الهدف. يمكن لنظام الترجمة الآلية العصبية التعلم من مصادر بيانات متعددة والتكيف مع سياقات مختلفة، حيث أن النموذج سهل التعديل و تحديث مع أي قاعدة بيانات مرغوبة.
تستغرق مرحلة التدريب بضعة أسابيع، ولكن يمكن للنظام تصحيح معلماته تلقائيًا. بمجرد إنشاء الإخراج ومقارنته بالمرجع المتوقع، يمكنك إرسال ملاحظات إلى الجهاز وسيقوم بضبط الوزن على الطبقات والتوصيلات.
إحصائي مقابل الترجمة الآلية العصبية
يحتاج النظام الإحصائي للترجمة الآلية إلى ترجمات موجودة لتغذية الموجز حتى يتمكن من توليد الفرضية. أثناء جمعك لمجموعات النصوص ثنائية اللغة للعمل كمدخلات، قد تختلف نتائج الترجمة الآلية الإحصائية وفقًا لـ الجودة لهذه الترجمات السابقة.
في حالة اللغة الأقل شيوعًا، قد يكون من الصعب توفير ما يكفي من المواد ثنائية اللغة للحصول على ترجمات جيدة. يمكن أن تكون التعابير، واللغة العامية والتعبيرات الجديدة، والتعبيرات المستحدثة، والتلاعب اللغوي، والمكونات الأخرى للنصوص الأدبية والإبداعية مشكلة أيضًا بالنسبة لنظام الترجمة الآلية الإحصائية (SMT) إذا لم تكن هذه الاستخدامات اللغوية موجودة في المجموعات المستخدمة لتدريب النظام.
عندما يكون ترتيب الكلمات في لغة المصدر مختلفًا تمامًا عن اللغة المستهدفة، يمكن أن تكون النتائج أقل دقة. عيب آخر هو أنه بمجرد تنفيذ النظام، يصبح من الصعب إصلاح الأخطاء، حيث تحتاج إلى إعادة تشغيله والتحقق من الأخطاء الطفيفة الأخرى في إدخال البيانات.
المصدر: SyncedReview
MT مدعوم بالذكاء الاصطناعي
على الرغم من أن الأساليب القائمة على القواعد والإحصائية والعصبية لها مزاياها وعيوبها، لا يمكن إنكار أنها مهدت الطريق لما هو قادم فيما يتعلق بـ الترجمة الآلية.
إذا كنت لا تعرف ما نتحدث عنه، فإليك نصيحة: فهي مرتبطة ارتباطًا وثيقًا بالتكنولوجيا. سيعتمد الجيل القادم من MT على الذكاء الاصطناعي والتعلم العميق. وهذه أخبار رائعة! الذكاء الاصطناعي والتعلم العميق لديهما القدرة على تحويل الترجمة الآلية ونقلها إلى مستوى جديد تمامًا، حيث سيكونان قادرين على اتخاذ قرارات سياقية فيما يتعلق بمعنى الكلمات والمصطلحات. سيتيح الذكاء الاصطناعي أيضًا لـ MT التعرف بشكل أفضل على الأنماط بين زوج من اللغات. وكالة ترجمة عملية الترجمة لن تعتمد على المترجمون وحدهم - بل سيغيرون أدوارهم ليصبحوا مراجعين ومختبرين للنتائج.
سيؤدي ذلك إلى ترجمة مستندات أسرع وأرخص، مما سيؤدي في النهاية إلى نتائج أفضل وتسهيل التواصل بين الأشخاص الذين يتحدثون لغات مختلفة. يمكننا تحسين معدل الكلمات المترجمة بمقدار 3,4 أو 5 مرات من ذي قبل - السماء هي الحد الأقصى! بهذا المعنى، من المهم أيضًا تعلم طرق جديدة يمكننا من خلالها قياس الجودة الخاصة بـالمحتوى المترجم.
واحدة من أفضل الطرق للقيام بذلك هي باستخدام درجة BLEU، وهو خوارزمية قادرة على قياس الجودة للنصوص المترجمة تلقائيًا. ستجعل الترجمة الآلية المدفوعة بالذكاء الاصطناعي والتعلم العميق من الممكن لآلاف الشركات التفكير في التوسع عالميًا. سيساعد ذلك أيضًا المنظمات الدولية على البقاء في السوق وحتى دخول أسواق أخرى. نظرًا لأن التكلفة ستكون أقل بكثير، فلن تضطر الشركات إلى اتخاذ قرارات قائمة على التكلفة عند الحديث عن اللغات التي يجب تحديد أولوياتها.
ستكون الشركات متاحة في أي مكان بطريقة محلية. يبدو رائعًا، صحيح؟ وهو كذلك! ومع ذلك، من المهم أن نلاحظ أننا نتحدث عن المستقبل. أمامنا طريق طويل حتى نصل إلى النقطة التي يمكننا فيها الاعتماد فقط على الذكاء الاصطناعي للترجمة. كما هو الحال مع أي نهج أولي آخر، من المحتمل أن يستغرق الأمر بضع سنوات لتطوير هذه التكنولوجيا الجديدة بالكامل - وبعض الوقت الإضافي لاستيعاب التقنية بشكل كامل.
مستقبل المترجم
بالطبع، هناك أيضًا بعض التحديات على طول الطريق. دور المترجم، على سبيل المثال، سيحتاج إلى إعادة تعريف شبه كاملة لكي لا يصبح غير ذي جدوى. ومع ذلك، فإن هذا يمثل أيضًا فرصة رائعة لهؤلاء المحترفين لإعادة اختراع أنفسهم.
علينا أن ننظر إلى هذا على أنه تحد يجب التغلب عليه - وليس كمشكلة. بهذه الطريقة، سنتمكن من الاستمتاع بالجوانب الإيجابية التي يمكن أن تجلبها الذكاء الاصطناعي والتعلم العميق إلى الترجمة الآلية. من خلال الانفتاح على الحداثة والتعلم والتكيف، يمكننا تحويل MT إلى تحول اجتماعي واقتصادي عميق والظهور مرة أخرى على الجانب الآخر كأشخاص أكثر وعياً وأفضل تجهيزاً قادرين على التغلب على التحديات التي نواجهها.
Unlock the power of glocalization with our Translation Management System.
Unlock the power of
with our Translation Management System.
