En (kort) historie om maskinoversættelse

Maskinoversættelse (MT) får en dårlig rap, fordi den opfattes som lav kvalitet (og resultaterne er nogle gange sjove) - men du vil blive overrasket over, hvor langt denne teknologi er avanceret, siden den først blev udtænkt i 1949. For nylig fandt vi TAUS' omfattende tidslinje over MT's historie, og det er en fantastisk læsning. Men hvis du ikke har tid til at læse igennem 63 års MT-fremskridt, er her en kort oversigt:

1949–65: Maskinoversættelsesforskning begynder

Det nye felt med "maskinoversættelse" dukker op i Warren Weavers Memorandum on Translation (1949), og den første forsker på området, Yehosha Bar-Hillel, begynder sin forskning ved MIT (1951). Et forskerhold fra Georgetown MT følger (1951) med en offentlig demonstration af sit system i 1954. MT udråbes som en løsning til at hjælpe USA med at holde styr på russisk. Det er også en af de første ikke-numeriske applikationer til computere. MT-forskningsprogrammer dukker op i Japan og Rusland (1955), og den første MT-konference afholdes i London (1956). Forskere fortsætter med at slutte sig til feltet, da Association for Machine Translation and Computational Linguistics er dannet i USA (1962), og National Academy of Sciences danner en komité (ALPAC) til at studere MT (1964).

1966–95: MT går på arbejde

ALPAC's rapport fastslår, at MT ikke kan konkurrere med menneskelig oversættelseskvalitet, og foreslår, at finansiering til MT-forskning bør stoppes. Men forskningen fortsætter. MT sættes også på arbejde: det franske tekstilinstitut til at oversætte abstracts fra og til fransk, engelsk, tysk og spansk (1970); Brigham Young University starter et projekt for at oversætte mormontekster ved automatiseret oversættelse (1971); og Xerox bruger Systran til at oversætte tekniske manualer (1978). Forskellige MT-virksomheder lanceres, herunder Trados (1984), som er den første til at udvikle og markedsføre oversættelseshukommelsesteknologi (1989). Det første kommercielle MT-system til russisk/engelsk/tysk-ukrainsk er udviklet på Kharkov State University (1991).

1996–2012: MT rammer nettet

MT på nettet starter med, at Systran tilbyder gratis oversættelse af små tekster (1996), efterfulgt af AltaVista Babelfish, som samlede op på 500.000 forespørgsler om dagen (1997). Franz-Josef Och (den fremtidige chef for Translation Development hos Google) vinder DARPA's speed MT-konkurrence (2003). Flere innovationer i løbet af denne tid omfatter MOSES, den statistiske MT-motor med åben kildekode (2007), en tekst/SMS-oversættelsestjeneste til mobiler i Japan (2008) og en mobiltelefon med indbygget tale-til-tale-oversættelsesfunktion til engelsk, japansk og kinesisk (2009). For nylig annoncerede Google, at Google Translate oversætter nogenlunde nok tekst til at fylde 1 million bøger på én dag (2012).

Puha! Det er meget, og vi dækkede ikke 90 % af historien om maskinoversættelse! Al den negative snak om MT ser ud til at glemme, at det er en utrolig, avanceret teknologi. Dens kvalitet er lavere end menneskelig oversættelse , men det betyder ikke, at den ikke har gode, praktiske anvendelser - som at oversætte gamle pressemeddelelser fra 5 år siden.

2013-nu 

I de seneste år har der været betydelige fremskridt inden for maskinoversættelsesteknologi , hvor Googles forskning i neural maskinoversættelse indebærer en optimistisk fremtid for industrien. Det er blevet klart, at maskinoversættelse bevæger sig væk fra at være den højhastigheds- og uholdbare kvalitetsmulighed for oversættelse af organisationer til at tilbyde et rimeligt alternativ til at oversætte indhold med lav synlighed. På få år er en lang række leverandører af maskinoversættelse dukket op, der lover acceptabel kvalitet til en brøkdel af prisen for professionelle lingvister. Kapløbet om en konkurrencefordel inden for kvalitet er i fuld effekt, og MT-udbydere er begyndt at tage differentierede tilgange til at 'booste' den kvalitet, som deres systemer er i stand til at producere. I dag falder udbydere generelt ind i tre kategorier:

Hybrid Human-MT Solutions (eks.: Unbabel) Domænetilpasset maskinoversættelse (eks.: Lilt, IBM) Neural maskinoversættelse (eks.: Google, Microsoft, SDL, Yandex) Hos Smartling er vi overbevist om, at maskinoversættelse hurtigt er ved at blive en vigtig komponent i en effektiv globaliseringsstrategi. Mens produktion af indhold til lave omkostninger og så hurtigt som muligt fortsætter med at have en negativ indvirkning på kvaliteten, giver maskinoversættelse mange oversættelsesorganisationer et forspring til at opnå oversættelsesresultatets hellige gral - en balance mellem omkostninger, kvalitet og time-to-market.

For at lære mere om Smartlings Neural Machine Translation Hub, se venligst dette link.