Systemy do tłumaczeń to potężne i przydatne narzędzia, szczególnie w przedsiębiorstwach o globalnym zasięgu. Ich możliwości są dziś niemal nieograniczone i w niczym nie przypominają kanciastych i dosłownych przekładów, z którymi mieliśmy do czynienia jeszcze kilka lat temu. Wysoki stopień dokładności to zasługa sztucznej inteligencji, która zasila silniki tłumaczeń wspomaganych komputerowo. Sprawdzamy, jak działają one w praktyce.
Zaawansowane systemy do tłumaczeń przynoszą duże usprawnienia i ograniczenia kosztów w wielu branżach. Wystarczy wyobrazić sobie platformę e-commerce, która oferuje kilkaset nowych produktów dziennie i obsługuje klientów z całego świata. Zautomatyzowanie procesu tłumaczenia pozwala np. na dodawanie opisów produktów w ojczystym języku każdego konsumenta w zaledwie kilka sekund po publikacji. Tak dokładna i skuteczna technologia to efekt pracy nad udoskonaleniem tłumaczenia maszynowego, którego początki sięgają kilkudziesięciu lat wstecz.
Oprogramowanie do tłumaczeń – kiedyś i dziś
Pierwsze, najprostsze programy tłumaczeniowe bazowały na wykorzystywaniu słownika i po prostu przekładały tekst słowo w słowo, co często rozmijało się z logicznym sensem. Dlatego też lingwiści zaczęli programować skomplikowane zasady i reguły języka naturalnego, co dało początek tłumaczeniom opartym na regułach. Takie metody działały lepiej, jednak nadal mogły być stosowane wyłączenie do prostych tekstów.
Wynika to z natury samego języka, którym posługujemy się na co dzień – często jest on pozbawiony ścisłych reguł. Mówiąc i pisząc, korzystamy przecież z wielu wyjątków, łamiemy zasady gramatyczne, czy używamy lokalnej gwary. Przełom nastąpił w latach 90., gdy udoskonalono tłumaczenie wspomagane komputerowo i opracowano rozwiązania typu statystycznego. Tego rodzaju tłumaczenie maszynowe oparte na frazach dominowało w użyciu niemal do dziś, jednak, jak wiadomo, nie było ono pozbawione wad.
Sztuczna inteligencja napędza zmiany
Tłumaczenie maszynowe zmienia się jednak na naszych oczach, głównie za sprawą technologii sztucznej inteligencji (SI). Choć wiele osób ma na jej temat mgliste pojęcie, to w praktyce jest ona w zasięgu ręki dla każdego, choćby w smartfonie. To właśnie sztuczna inteligencja sprawia, że system urządzenia rozpoznaje na zdjęciach te same osoby i łączy fotografie w zbiory.
SI podpowiada nam także, które produkty mogą nam się spodobać np. podczas zakupów w e-sklepie, czy jaki film warto obejrzeć na platformie VOD.
W sztuczną inteligencję wyposażone są także chatboty, które odpowiadają na zapytania klientów, a także wirtualni asystenci. Zaletą tych rozwiązań jest wysoka wydajność, ciągła dostępność i łatwość w zbieraniu i analizie nawet dużych ilości danych. Dzięki temu firma oszczędza czas, zmniejsza ilość błędów i obniża koszty.
Technologię SI najprościej można zdefiniować jako dziedzinę informatyki, dzięki której systemy i maszyny mogą wykonywać czynności, które zwykle były zarezerwowane dla człowieka. Obecnie sztuczna inteligencja wykorzystywana jest w wielu dziedzinach biznesu. Z jej dobrodziejstw korzysta m.in.: marketing, IT, HR, e-commerce, księgowość czy właśnie branża tłumaczeniowa.
Uczenie maszynowe a programy zastępujące tłumaczy
SI obecnie rozwija się wielokierunkowo, a systemy coraz częściej są ulepszane po to, by podejmowały, jak najlepsze decyzje – zbliżone do sposobu, w jaki robi to człowiek. Jedną z najszybciej rozwijających się dziedzin sztucznej inteligencji jest uczenie maszynowe. Według Deloitte do 2021 r. wydatki firm na technologie SI i samouczenie maszyn będą pięciokrotnie wyższe niż w 2017 r. – wyniosą łącznie 57,6 mld dol. Machine learning: things are getting intense
Uczenie maszynowe z definicji umożliwia bowiem systemom i maszynom doskonalenie się przy pomocy zgromadzonych danych, doświadczeń i modeli, a także nabywania na tej podstawie nowej wiedzy. Oznacza to, że tłumaczenie automatyczne, a dokładnie wspomagane przez algorytmy samouczące, jest coraz bardziej spójne i dokładne. Co więcej, sprawdza się ono szczególnie wtedy, gdy do przetworzenia są bardzo duże ilości tekstów, a ich ręczne tłumaczenie jest zbyt czasochłonne i kosztowne. Algorytmy szybko uczą się wzorców, a następnie wyciągają wnioski i podejmują decyzje, wspomagając pracę tłumaczy, którzy nadzorują proces. Dzięki temu możliwa jest m.in. niemal natychmiastowa i wielojęzyczna zdalna obsługa klienta czy komunikacja w międzynarodowej organizacji.
