بررسی شیوه کاری ترجمه ماشینی عصبی (NMT)

قرن بیست و یکم با فناوری عجین شده است. در این قرن مباحثی چون هوش مصنوعی (AI) و ترجمه ماشینی (MT) همچنان در برخی از حوزه‌ها جذاب بوده و مورد استفاده قرار می‌گیرند؛ زیرا صنایع بیشتری پذیرای تحول دیجیتال و پیشرفت‌های خلاقانه فناوری شده‌اند.

اخیراً شرکت‌های بزرگ فناوری (گوگل، فیسبوک و دیگر غول‌های تکنولوژی) علاقه شدیدی به استفاده از شبکه‌های عصبی و یادگیری عمیق برای تکمیل MT پیدا کرده‌اند. در این فرآیند شبکه‌های عصبی براساس شیوه فعالیت مغز انسان در ابتدا مدل سازی می‌گردند و سپس نورون‌های مصنوعی با فرستادن سیگنال برای یکدیگر فعال می‌شوند. ماحصل این فناوری، پیشرفت قابل توجه "تشخیص گفتار" و "بینایی رایانه‌ای" (Computer Vision) بوده است.

گوگل در سال 2016 گزارش داد که در زمینه ترجمه ماشینی، گام مهمی به جلو برداشته است. مترجم گوگل (Google Translate) یک دهه بود که فعالیت می‌کرد؛ اما حرکت به سمت شبکه‌های عصبی باعث شد تا برگردان‌های غالباً ناشیانه آن بسیار بهتر از قبل شود. این تغییرات مثبت به لطف بهره‌گیری از سیستم ترجمه ماشینی عصبی به وقوع پیوست.

به طور خلاصه سیستم NMT گوگل به جای لغات مجزا یا گروه‌های کوچک کلمات، جملات کامل را معنی می‌کند. این سیستم از رمزگذار برای تجزیه ساختار جملات بهره می‌گیرد. سپس سیستم، معنای اجزای سازنده جملات را به عنوان یک بردار نشان می‌دهد. وبگاه رجیستر (The Register) در خصوص شیوه کاری سیستم مذکور می‌گوید: "سیستم کل جمله را تفسیر می‌نماید، و رمزگشا کار برگردان هر کلمه را با مشاهده توزیع وزنی بر روی بردارهای رمزگذاری شده و مطابقت آنها با کلمات مرتبط در زبان مقصد شروع می‌کند".

ترجمه ماشینی عصبی در مقایسه با دیگر روش‌های مرسوم یک گوی جادویی نیست. دامنه وسیع محدودیت‌های آن در مقابل فرآیندهای استاندارد زبان شناسی مبتنی بر ترجمه، ویرایش و نمونه خوانی غیر قابل انکار است، و همواره در معرض ارزیابی‌های مجدد قرار دارد. مزیت غالب HT در مقایسه با NMT، تفسیر متن در طیف گسترده‌ای از فرمت‌هاست. ارائه دهندگان خدمات تخصصی زبانی از سیستم‌های امنیتی پیشرفته، متخصصان ماهر و فناوری‌های به روز استفاده می‌کنند تا بتوانند گردش کار انتقال مفاهیم را به شیوه‌ای صحیح مدیریت نمایند.

ترجمه ماشینی عصبی از لحاظ درک متن و واژه جزء پیشرفته‌ترین اشکال هوش مصنوعی است؛ اما همچنان در مقایسه با کار مترجمین از تنوع و تراکم واژگانی بسیار محدودی بهره می‌برد. این عدم قوام واژگان به محدودیت اجرایی کاربر NMT در بسیاری از حوزه‌ها یا بخش‌های تجاری که به اصطلاحات خاص نیاز دارند، منتج می‌شود (مثل ترجمه تخصصی متون پزشکی یا مطالب سنگینی که حاوی اصطلاحات خاص هستند)؛ بنابراین بی‌ثباتی از نظر عدم صحت واژگان و فقدان تنوع کلامی در این سیستم اجتناب‌ناپذیر خواهد بود.

علاوه بر این، بهره‌گیری از هر نوع شبکه عصبی با خود مسئولیت‌های بزرگی به همراه می‌آورد که اغلب اوقات NMT نمی‌تواند از عهده آن برآید؛ زیرا سیناپس‌های این سیستم بدون تخصص و قدرت تصمیم‌گیری مهندسان و معماران انسانی نمی‌توانند عملکرد مناسبی داشته باشند. این نوع ترجمه به ویرایش حداقل یک زبان‌شناس نیازمند است و باید با حجم زیادی از داده‌های زبانی مرتب‌سازی شود. در کل تفاوت‌های بین این دو سیستم انتقال زبانی در جدول زیر خلاصه شده است:

با توجه به جهش‌های اخیر در فناوری MT، می‌توان پیش بینی کرد که طی سال‌های آینده تغییراتی در صنعت ترجمه به وقوع خواهد پیوست. با این حال اینگونه پیش بینی‌ها در دهه 1950 نیز صورت گرفته بود؛ اما هنوز محقق نشده است. تاریخ گواه این است که علیرغم قابلیت‌های باورنکردنی سیستم‌های محاسباتی مدرن، در هنگام ترجمه لاجرم به توانایی ماشین‌ها شک ‌کنیم. روشی مانند NMT می‌تواند یک ابزار مفید باشد؛ اما باید با ویرایش دقیق زبان شناس انسانی به عنوان بخشی از فرآیند کنترل کیفیت ترکیب شود.