W ostatnich latach komputery stały się znacznie bardziej sprawne w tłumaczeniu z jednego języka na inny dzięki wykorzystaniu sieci neuronowych. Jednak szkolenie w zakresie sztucznej inteligencji zwykle wymaga dużej ilości treści przetłumaczonych przez ludzi na komputery.
Mikel Arteks, informatyk z Uniwersytetu Kraju Basków (UPV) i autor jednej z tych prac, porównuje sytuację do dawania komuś różnych książek po chińsku i różnych po arabsku, bez nakładania się na siebie żadnego z tych samych tekstów wzajemnie. W tym scenariuszu człowiekowi byłoby bardzo trudno nauczyć się tłumaczyć z chińskiego na arabski, ale komputer może.
W typowym procesie uczenia maszynowego monitorowany jest system AI. Oznacza to, że kiedy sztuczna inteligencja próbuje znaleźć właściwą odpowiedź na dany problem, osoba powie, czy jest ona poprawna, czy nie, i, w razie potrzeby, dokona poprawek.
Zamiast tego sztuczna inteligencja bada, w jaki sposób słowa są powiązane w ten sam sposób w różnych językach - na przykład słowa „stół” i „krzesło” są często używane razem, niezależnie od dialektu, w nowy sposób. Porównując te kombinacje dla każdego języka, a następnie porównując je, możesz zorientować się, które terminy są ze sobą powiązane.
Systemy te mogą być używane do tłumaczenia całych zdań, a nie tylko pojedynczych słów, przy użyciu dwóch uzupełniających się strategii uczenia się. Tłumaczenie odwrotne zakłada, że zdanie napisane w jednym języku jest z grubsza tłumaczone na inny, a następnie z powrotem na język oryginalny, w przypadku niezgodności, sztuczna inteligencja ustala swoje protokoły w inny sposób. Redukcja szumów to proces podobny do tego samego procesu w inżynierii radiowej, ale ze słowami, które są usuwane lub dodawane do zdania. Synchronizacja tych metod pomaga maszynie lepiej zrozumieć, jak działa język.
Słownictwo testowe
Oba systemy - jeden opracowany przez UPV, a drugi przez informatyka z Facebooka Guillaume'a Lamplera - nie otrzymały jeszcze oceny eksperckiej, ale oba wykazały obiecujące wyniki we wstępnych testach.
Film promocyjny:
Aby ocenić ich zdolność do tłumaczenia tekstu z angielskiego na francuski i odwrotnie, zaproponowano do tłumaczenia około 30 milionów zdań. Obu AI udało się zdobyć 15 punktów. AI Google Translate, który wykorzystuje nadzorowane uczenie maszynowe, ma wynik 40, podczas gdy tłumacze - ludzie mogą uzyskać do 50.
Obaj badacze zgadzają się, że każdy z nich może ulepszyć swój samouczący się system sztucznej inteligencji, opierając się na pracy drugiego. Sztuczną inteligencję można by ulepszyć, wprowadzając kilka tysięcy równoległych zdań do ich programu nauczania, co skróciłoby czas potrzebny na opanowanie języka.
Latawiec Serg
