Generalni direktor firme One Hour Translation, Ofer Shoshan, nam je rekao da će u roku od najviše tri godine, neuralna mašinska tehnologija (NMT) prevođenja izvoditi više od polovine poslova koji se obavlja na tržištu vrednom 40 milijardi dolara.

Njegove reči su u suprotnosti sa često ponovljenom rečenicom, da će makar u bliskoj budućnosti, veštačka inteligencija primarno izmeniti, umesto zameniti, ljude – profesionalne prevodioce.

Shoshan nam je rekao da se kvalitet mašinskog prevođenja značajno povećao u skorijim godinama, do tačke gde se pola miliona prevodilaca i 21 hiljada agencija suočava sa ostankom bez posla.

Analogija koju možemo da koristimo je Kodak i digitalna fotografija – Kodak nije video da ona dolazi… A pre toga, Corona pisaće mašine i programi za obradu teksta.

Pre dve godine, tehnologija prevođenja proizvela bi nešto što bi vam u najboljem slučaju dalo uvid u to o čemu se u tekstu radi, ali u većini slučajeva, profesionalni prevodilac bi vam rekao da bi on radije prevodio od početka jer ne može da razume većinu proizvoda.

“Danas kad imamo neuralne mašine potrebno je da se napravi jako mali broj izmena u prevodu, da bi se dobio prevod kvaliteta koji bi proizveo čovek.“

Shoshan kaže da danas procenat mašinski prevedenog dokumenta koji treba da se prilagodi od strane čoveka, da bi dostigao standard njegove kompanije iznosi u proseku samo 10%. Pre samo dve godine, ta cifra je iznosila oko 80%.

Ovo je omogućeno prelaskom na neuralno mašinsko prevođenje – ponekad poznato kao duboko učenje – koje su usvojile najnaprednije alatke za mašinsko prevođenje. Prethodno su se oslanjale na metodu poznatu kao statističko prevođenje.

Google, Bing i Amazon sada koriste NMT u svojim prevodilačkim mašinama.

Obuka neuralne mašine za prevođenje između jezika ne zahteva ništa više od pohranjivanja velike količine materijala, na kojim god jezicima želite da prevodite, u algoritme neuralne mreže.

Da bi se prilagodio ovoj brzoj transformaciji, One Hour Translation je razvio alate i usluge dizajnirane da razlikuju različite usluge prevođenja i izaberu najbolji za bilo koji prevod.

“Na primer, za putovanja i turizam, jedna usluga može biti odlična u prevođenju sa nemačkog na engleski, ali ne tako dobra za japanski. Druga može biti odlična na francuskom, ali lošija na nemačkom. Tako smo napravili indeks koji će pomoći industriji i našim klijentima. Možemo reći u realnom vremenu, koji je najbolji alat za korišćenje za bilo koju vrstu materijala, na bilo kojem jeziku.”

Ovaj rad koji upoređuje kvalitet rezultata NMT generisanog prevoda, daje ideju o tome kako ljudski prevodioci mogu da transformišu svoje poslove u narednim godinama. Ljudi ocenjuju izlaz svakog prevodilačkog alata i sastavljaju indeks. U slučaju indeksa One Hour Translation, ovo se radi jednom u kvartalu, kako bi se odrazila brzina kojom se NMT razvija, a novi igrači se pojavljuju na tržištu.

Međutim, ako to zvuči kao sreća u nesreći, onda stvari možda nisu baš tako jasne.

Nivo obuke i stručnosti potrebnih za ocenjivanje mašinskih prevoda, ili za prevođenje “pojačano“ mašinom, daleko je niži nego za tradicionalni prevod “od početka“.

Očigledno je da ako mašine mogu da urade ono što vi možete, onda ljudi imaju problem. Mnogi prevodioci i agencije će reći da postoje određene visoko specijalizovane prevodilačke usluge koje će zahtevati ljudski dodir u doglednoj budućnosti – to je istina.

Najveći deo materijala, 80% za koji korporativni klijenti plaćaju da se prevede, moći će da bude mašinski preveden za najviše tri godine.

Neki saveti za prevodioce koji žele da zadrže svoje poslove, mogu da uključe specijalizaciju za jezike koji su manje rasprostranjeni. NMT usluge se oslanjaju na ogromnu literaturu koja je dostupna za obuku algoritama – a za jezike sa manjom korisničkom bazom, ta količina materijala možda neće biti lako dostupna, posebno u specijalističkim, tehničkim ili naučnim predmetima.

Prevodioci će dakle postati moderni kentauri, biće neophodno da upoređuju dokumenta, ne samo rečenice.

Drugi, kao što je slučaj sa agencijom One Hour Translation i domaćom Worldwide Translations, će pokušati da se naviknu da rade zajedno sa mašinama. Iako će one obavljati veći deo posla, biće potrebno da ljudi budu u stanju da procene različite tehnologije prevođenja i da primene odgovarajuće alate za specifične poslove.

Međutim, jedna stvar je sigurna: sakrivanje glave u pesku i pretvaranje da se ništa od ovoga ne događa je recept za nezaposlenost.

The post Da li će veštačka inteligencija prevodioce pretvoriti u ugroženu vrstu? Prevodioci pažnja! appeared first on Moodiranje.

Doduše, Microsoftovi autori su ublažili svoje tvrdnje.

Prema njihovom radu, ljudski paritet je postignut ako ne postoji statistički značajna razlika između ocene ljudskog kvaliteta i sistema mašinskog prevođenja i rezultata.

Drugim rečima, ako dvojezični ljudski procenjivač oceni kvalitet ljudskih i mašinskih prevoda kao jednak (razlika u rezultatima je statistički beznačajna), “onda je mašina postigla ljudski paritet.”

Ulazak Läublija, Sennricha i Volka

Grupa istraživača tvrdi da mnogi istraživači i stručnjaci iz industrije gledaju na to pitanje iz pogrešnog ugla.

U radu pod naslovom “Da li je mašinsko prevođenje dostiglo ljudski paritet? Slučaj za procenu na nivou dokumenta”, Samuel Läubli, doktor na Univerzitetu u Edinburgu, dr Rico Sennrich, docent na Školi za informatiku Univerziteta u Edinburgu i dr Martin Volk sa Instituta za računarsku lingvistiku Univerziteta u Cirihu, tvrde da bi se istraživanja trebala usredsrediti na kontekst na nivou dokumenta umesto što upoređuju rezultate na nivou rečenice.

Autori su koristili profesionalne prevodioce za procenu performansi NMP mašine, korišćene od strane Microsofta na kineskom i engleskom kongresu o mašinskom prevodu (WMT) 2017. Pored toga, oni su takođe koristili rangiranje u parovima (uporedno poređenje ljudskog i mašinskog prevođenja), takođe uzimajući u obzir kontekst na nivou dokumenta, pri procenjivanju adekvatnosti prevoda i tečnosti.

Microsoftova tvrdnja o ljudskom paritetu, po njihovoj definiciji, pila je vodu, ali samo zato što su koristili trenutne standarde istraživanja MP, koji su, prema Läublijevom dokumentu, postali nepogodni za efikasno vrednovanje NMP-a.

Metodologija Läublija, Sennricha, i Volka ispravila je nekoliko problema sa procenom koja se koristi u Microsoftovom istraživačkom radu.

“Poznavajući prednosti i slabosti NMP-a, teško da možemo da zamislimo da je Microsoftov sistem zaista dostigao kvalitet profesionalnih ljudskih prevodilaca“, rekao nam je Läubli putem emaila.

On je objasnio da Microsoft u svojim metodologijama prati postojeće istraživačke standarde, gde obično “ocenjivači vide pojedinačne rečenice – jednu po jednu, iz bilo kog test-dokumenta, nasumičnim redom – i ocenjuju njihovu adekvatnost i tečnost na skali od 0 do 100”.

Međutim, u ovom procesu, Läubli je rekao da bi bilo “nemoguće” za procenjivače da otkriju određene greške u prevodu, i stoga nisu bili u stanju da ih pravilno uzmu u obzir.

On je ukazao na neke od glavnih problema u Microsoftovom procesu, između ostalog:

• Procenjivači su bili dvojezični radnici, ne nužno profesionalni prevodioci.
• Procenjivači su procenjivali samo adekvatnost, a ne tečnost.
• Procenjivači “nikada nisu direktno upoređivali ljudski prevod sa mašinom.” Oni su ih posmatrali odvojeno i dodeljivali ocene.

Da bi se pozabavio problemom direktnog poređenja, Läubli je rekao “koristili smo parno rangiranje u našim eksperimentima. Ocenjivači su uvek gledali ljudsko i mašinsko prevođenje određenog izvornog teksta u isto vreme, i izabrali bolje od oba. ”

“Dozvolite mi da vas uverim da zajednica mašinskog prevođenja (MP) još ne misli da je NMP dostigao nivo profesionalnih prevodilaca”, zaključio je on.

Nije krivica Microsofta

Rezultati Läublija, Sennricha, i Volka pokazuju nekoliko interesantnih stvari.

Jedan od glavnih zaključaka je bio da su profesionalni ljudski prevodioci snažno preferirali ljudske prevode u poređenju sa NMP izlazom kada im je dat kontekst čitavog dokumenta, a ne samo pojedinačne rečenice.

Štaviše, isti profesionalni procenjivači preferirali su tečnost ljudskih prevoda.

Kontekst na nivou dokumenta je trenutno prioritet za istraživanje NMP. To je jedan od sledećih velikih problema.

“To nije njihova krivica”, rekao nam je Läubli putem emaila, misleći na Microsoft, “Procedura koju su koristili je standardna praksa u zajednici MP.”

“Microsoft nije kriv za njihovu procenu sistema. Pratila je “najbolju praksu” u zajednici, zasnovanu na ocenjivanju rečenica, a ne celokupnih dokumenata, i tvrdimo da je MP sada dostiglo nivo kvaliteta tamo gde ova “najbolja praksa” treba da se promeni: treba da koristimo potpuna dokumenta da procenimo kvalitet MP”, rekao je.

Zaista, u zaključku njihovog rada, autori su napisali da “ako prihvatimo naše tumačenje da je ljudski prevod zaista kvalitetniji u skupu podataka koje smo testirali, to ukazuje na neuspeh trenutnih najboljih praksi u proceni mašinskog prevođenja”.

U svom e-mailu, Läubli je dodao, međutim, da je Microsoftov tim mogao bolje da se pozabavi naslovom. “Naslov njihovog rada bio je malo hrabar”, rekao je, “Trebalo je da glasi nešto kao: Dvojezični ne-profesionalci daju izolovanim rečenicama koje je proizveo naš sistem i profesionalnim prevodiocima slične ocene.”

Procena: neuralno mašinsko prevođenje mora da se menja

U zaključku svog rada, Läubli, Sennrich i Volk objašnjavaju:

“Kako se poboljšava kvalitet mašinskog prevođenja, prevodi će postati teži za diskriminisanje u smislu kvaliteta, i možda je vreme da se pređe na procenu na nivou dokumenata, što daje ocenjivačima više konteksta za razumevanje izvornog teksta i njegovog prevoda”.

“Tvrdimo da je mašinsko prevođenje sada dostiglo nivo kvaliteta gde ova “najbolja praksa“ mora da se promeni: treba da koristimo potpune dokumente da procenimo kvalitet MP.”

The post Ljudsko vs. mašinsko prevođenje – zašto da upoređujete dokumenta, a ne rečenice appeared first on Moodiranje.