ترجمه متون ادبی با نرخ صحت 25% توسط NMT

یکی از معروف‌ترین و در عین حال پرکاربردترین چهار سیستم ترجمه ماشینی رایج، Neural Machine Translation یا ترجمه ماشینی عصبی (NMT) می‌باشد. این سیستم در پلتفرم‌هایی مانند گوگل ترنسلیت (Google Translate) و اسکایپ ترنسلیتور (Skype Translator) وجود دارد و توسط عده زیادی از کاربران اینترنت روزانه مورد استفاده قرار می‌گیرد؛ با این حال فناوری پشت آن برای اکثر کاربران تقریباً یک معماست و کارآیی آن نیز در زمینه‌های مختلف به صورت دقیق اعلام نگردیده است.

در همین راستا پژوهش‌هایی صورت گرفته که یکی از آنها ادعا نموده NMT قادر است تا متون ادبی را با نرخ صحت 25% به زبان مقصد برگرداند. شاید این مقدار چندان زیاد به نظر نیاید؛ اما با توجه به پیچیدگی ترجمه متون ادبی، نشان دهنده کارآیی این تکنولوژی است. در حقیقت NMT از یادگیری عمیق (Deep Learning) در پیدا کردن معانی متون و عبارات استفاده می‌کند؛ بنابراین یکی از بزرگترین موانع بین ترجمه ماشینی (MT) و کاربردهای آن در دنیای واقعی را از میان می‌برد.

 

میزان موفقیت NMT در ترجمه متون ادبی چه اندازه بوده است؟

سخن گفتن طبیعی چیزی پیچیده است و بزرگترین چالش برای MT، درک معنای پشت این کلمات است؛ چه برسد به اینکه همین مفاهیم را به زبان دیگری ارائه دهد. این قضیه به خصوص در مورد کلمات سخت انگلیسی که معانی متناقضی نیز دارند؛ از نمود بیشتری برخوردار است. مثلاً کلمه Set ممکن است اسم، فعل یا صفت با معانی متفاوتی باشد، و تمام اینها به محل آن در جمله و نحوه استفاده از آن در ساختار جمله بستگی دارد.

ترجمه ماشینی عصبی قصد دارد با پیش‌بینی ترتیب کلمات و استفاده از پیش زمینه متن از طریق یادگیری عمیق، معانی پشت واژگان و عبارات را استنباط کند. از این‌رو این فناوری می‌تواند تصمیم بگیرد که کلمه Set چه زمانی به عنوان اسم و چه موقعی به صورت فعل مورد استفاده قرار گرفته است. این یک مثال تقریبی است؛ اما به توضیح آنچه در سطح الگوریتم می‌گذرد، کمک می‌کند.

یکی از موارد کاربردی بسیار پیچیده، استفاده از NMT برای ترجمه متون ادبی است و این دقیقاً همان چیزی است که افرادی مانند دکتر آنتونیو تورال (Antonio Toral)، استادیار دانشگاه گرونینگن (University of Groningen) هلند و پروفسور اَندی وی (Andy Way)، استاد رشته کامپیوتر و قائم مقام مرکز ADAPT فناوری محتوای دیجیتال اتحادیه اروپا در پروژه تحقیقاتی خود به آن پرداختند.

 

ترجمه رمان | ترجمه داستان

ترجمه متون ادبی توسط هوش مصنوعی

 

آنها از ترجمه ماشینی عصبی برای برگردان دوازه رمان معروف زیر استفاده کردند:

1. سانست پارک (Sunset Park)، نوشته پل استر (Paul Auster)، 2010؛

2. سه گانه بازی‌ های گرسنگی (Hunger Games)، اثر سوزان کالینز (Suzanne Collins)، 2010؛

3. سالار مگس ها (Lord of the Flies)، رمانی از ویلیام گلدینگ (William Golding)، 1954؛

4. پیرمرد و دریا (The Old Man and the Sea)، نوشته ارنست همینگوی (Ernest Hemingway)، 1952؛

5. ریپلی زیر آب (Ripley Under Water)، کتابی از پاتریشا های‌اسمیت (Patricia Highsmith)، 1991؛

6. هزار خورشید تابان (A Thousand Splendid Suns)، اثری از نویسنده افغانستانی خالد حسینی، 2007؛

7. اولیس (Ulysses)، نوشته جیمز جویس (James Joyce)، 1922؛

8. در جاده (On the Road)، اثر جک کرواک (Jack Kerouac)، 1957؛

9. رمان 1984، اثری از جورج اورول (George Orwell)، 1949؛

10. هفت گانه هری پاتر، رمان‌های جی. کی. رولینگ (J. K. Rowling)، 2007؛

11. ناطور دشت (The Catcher in the Rye)، نوشته جروم دیوید سالینجر (Jerome David Salinger)، 1951؛

12. سه گانه ارباب حلقه ها، اثر جی. آر. آر. تالکین (J. R. R. Tolkien)، 1955.

این دو محقق یک مدل NMT را ایجاد نمودند تا رمان‌ها را از انگلیسی به کاتالان (Catalan) برگرداند و نتایج را با یک سیستم ترجمه ماشینی آماری مبتنی بر عبارات (PBSMT) و همان آثار ادبی مقایسه کردند. آنها با بررسی نتایج مترجمان انسانی و مدل NMT دریافتند که روش مذکور حدود 11% در زمینه ترجمه دقیق رمان‌ها از 17 تا 34% گویشوران بومی موفق‌تر است.

 

نتایج حاصل شده گویای چه واقعیتی در خصوص ترجمه ماشینی هستند؟

یافته‌های منتشر شده توسط دکتر آنتونیو تورال و پروفسور اندی وی نشان می‌دهند که MT طی سال‌های اخیر بسیار پیشرفت کرده که قسمت اعظم این توسعه مدیون بهره‌گیری از یادگیری ماشین و فناوری‌های مرتبط بوده است. چند سال پیش غیر قابل تصور بود که الگوریتمی در زمینه ترجمه متون ادبی و سایر متون خلاقانه، واقعاً کارآمد عمل کند؛ به گونه‌ای که عده‌ای عقیده داشتند ترجمه هوش مصنوعی به این زودی‌ها نمی‌تواند جای مترجمین انسانی را بگیرد (هر چند این دیدگاه اکنون نیز رایج است).

البته نرخ صحت 25 درصدی ترجمه، به اندازه کافی برای سایر متون جالب توجه نمی‌باشد؛ اما لازم نیست که این روش جدید چیزی مانند رمان هری پاتر را با دقت بسیار بالایی به زبانی دیگر برگرداند. اگر بتواند تا اندازه‌ای پیشرفت کند که قابلیت معنی کردن مکالمات با هر دقتی را داشته باشد، یا حتی بتواند 50% از یک سند را برای مترجمان انسانی قابل درک نماید؛ قطعاً تأثیر بسیار زیادی در نحوه برخورد ما با موانع زبانی خواهد داشت.

پژوهشگران با انجام این آزمایش قصد داشتند تا چگونگی کار NMT در یکی از چالش برانگیزترین سناریوهای موجود را مورد ارزیابی قرار دهند. با این حال دقت 25% به تبع نمی‌تواند نیازهای حوزه نشر را مرتفع سازد. لذا هنوز به کمک مترجمین متخصص نیاز است و باید ترجمه متون ادبی را از آنها تقاضا نمود. شبکه مترجمین راستین این آمادگی را دارد تا به این نیاز پاسخ دهد، و با کیفیتی عالی و هزینه‌ای‌ معقول مناسب‌ترین خدمات را در زمینه ترجمه رمان و متونی از این دست ارائه نماید. پس اینک با کارشناسان این مجموعه تماس بگیرید.