Невронен машинен превод се разработва от десетилетие, но едва отскоро се прилага на масовия пазар, а много от организациите, които биха могли да спечелят от използването му, все още не знаят достатъчно за него.
Без да навлизаме в подробности, проблемът с по-ранния машинен превод винаги се е коренял в това, че е базиран на предварително преведени данни, алгоритми и ограничено разбиране на контекста/граматиката. По същество машината взима това, което се опитвате да кажете, прави опит да го идентифицира на базата на гореспоменатите критерии и ви предоставя (в зависимост от данните, с които разполага) това, което сте се опитвали да кажете от статистическа гледна точка. Както може да се предположи, това работи добре при малки, прости изречения; за по-сложни, пълни с подробности изречения обаче полученият превод би бил изключително труден за разбиране, ако въобще има някакъв смисъл.
В сравнение с това невронният машинен превод е голям скок напред. Вместо работа в рамките на строгите параметри на статистическия машинен превод, чрез използване на технология за дълбоко учене и учене за представяне, както и чрез прилагане на големи бази данни и изкуствен интелект, той се опитва да имитира начина, по който човешкият мозък учи и разбира понятия. Това се постига, като се взима вече известно разбиране за езика и се адаптира въз основа на начина, по който използваме езика по различен начин в зависимост от фактори като ситуация и контекст, например. Не само, че предоставя по-добър контекстуален превод, като разглежда как дадена дума се вписва в цялото изречение вместо само в рамките на няколко думи около нея, но способността за учене и самостоятелна корекция въз основа на структурата на отделния език, както и вариациите при употреба, предоставят по-добро разбиране и гъвкавост относно начина, по който един език се превежда правилно на друг. Взимайки всичко това предвид, по-голямата точност на невронния машинен превод има потенциала да намали времето за последваща редакция до 25%.
Макар това със сигурност да е от полза, не трябва да бързаме прекалено да отстъпваме пред възхода на машините, тъй като все още има съществени недостатъци. На първо място, докато те могат да превеждат думи в контекста на изречение, не могат да превеждат думи в контекста на цял документ, особено ако термините се различават в зависимост от конкретната индустрия или компания. На второ място, макар в края на краищата да са преводачи на езици, машините не са специално обучени да разбират местни разговорни изрази, така че идеята за локализиране на маркетинг или комуникация все още не е налице. На трето място, за внедряването е необходима значителна първоначална инвестиция в хардуер или невронни мрежи, без да споменаваме последващото обучение и разходи за поддръжка, необходими за работата на тази технология. Не на последно място, потвърждавайки това, което научихме от филма Матрицата от 1999 г., най-голямото ограничение за превода с невронна машина е това, че тя може да работи само в рамките на собствените си ресурси, което означава, че за да се разшири наистина нейният капацитет, са необходими повече данни за обучение.
И докато очакваните технологични подобрения, заедно с прогнозираното увеличение на обема на данни с 40% с всяка следваща година, ще продължат експлозията на големи бази данни и ще улеснят точността и ефективността на невронните машинни преводи, а тези, които въведат технологията рано, най-вероятно ще спечелят от новите ефективни начини за оползотворяване на данни и намаляване на разходите на своите международни стратегии за излизане на пазара, винаги ще има нужда от човешка намеса и не трябва да очакваме, че технологията ще замени професионалните услуги от преводачи в близко бъдеще.
EVS Translations разглежда невронния машинен превод като технология, която открива нови опции за лингвистични услуги както за доставчиците на езикови услуги, така и за техните потребители.
