Приклади систем машинного перекладу
На сьогоднішній день найбільш відомими системами, які здатні перекладати тексти з англійської на українську мову є Google Translate Beta компанії Google і СМП Pragma 5.x компанії Trident Software.
Ядро перекладу Pragma базується на СМП SYSTRAN 5, яка збудована на принципі трансфер-підходу. Головна проблема перекладу - багатозначність слів - вирішена двома способами. Перш за все - спеціальне маркування слів по тематиці. По-друге - об'єднання слів у фрази, які мають пріоритет під час перекладу.
Компанія досягла якнайкращих результатів в перекладі для української і латиської мов, а також достатньо хорошої якості для інших напрямів перекладу. Користувачами програмного забезпечення компанії Trident Software є Верховна Рада України, Секретаріат Президента України, Кабінет Міністрів, Національний банк і більшість інших урядових установ в Україні, великі індустріальні та фінансові компанії, всі загальноосвітні школи України, а також малий бізнес та приватні особи як в Україні, так і по всьому світу.
Google Translate — це сервіс компанії Google, що дозволяє автоматично перекладати слова, фрази та web-сторінки з однієї мови на іншу. Google використовує власне програмне забезпечення для перекладу. Використовується підхід статистичного машинного перекладу, у якому максимальна довжина контексту є 5 слів, а фрази - 6.
У більшості сучасних комерційних систем машинного перекладу використовується підхід на основі правил. У цьому випадку від лінгвістів потрібні великі зусилля по створенню словників та визначення використовуваних правил граматики. Система Google працює трохи інакше. Вона аналізує великі обсяги тексту (мільярди слів) на різних мовах, а також оригінали та переклади, зроблені професійними лінгвістами. Потім за допомогою спеціальних методик формується модель для перекладу тексту з однієї мови на іншу. З вересня 2008 року підтримується й переклад на українську мову. Для покращення якості перекладу необхідні корпуси паралельних текстів чи колекції пам'яті перекладів.
Використовується підхід статистичного машинного перекладу, у якому максимальна довжина контексту є 5 слів, а фрази - 6. Вона аналізує великі обсяги тексту (мільярди слів) на різних мовах, а також оригінали та переклади, зроблені професійними лінгвістами. Потім за допомогою спеціальних методик формується модель для перекладу тексту з однієї мови на іншу.
ВИСНОВКИ
Отже, можна стверджувати, що сучасні СМП не в змозі досягти семантико-синтаксичної адекватності і перекладачу для редагування перекладу в обов’язковому порядку треба звертатися до оригінального тексту. Первісна проблема досягнення семантико-синтаксичної адекватності машинного перекладу полягає в нездатності людства на даному етапі розвитку створити комп’ютерну систему з вищим рівнем розуміння. В першу чергу це обумовлено тим, що ще ніхто не зміг пояснити механізмів обробки та структуру зберігання інформації в людському мозку.
Тим не менш, якість перекладу поліпшувалася останні 30-40 років в основному за рахунок збільшення швидкості обробки інформації та збільшення обсягів пам'яті, як оперативної, так і для зберігання даних, що дало можливість створювати об'ємні словники і швидше виконувати розроблені алгоритми.
У наш час машинний переклад залишається засобом, що допомагає розуміти користувачеві лише деяку частину інформації, що міститься в оригіналі тексту. Також ефективно СМП використовуються в якості помічника перекладачеві. Наприклад, доктор філологічних наук А. В. Ачкасов, завідувач лабораторією письмового перекладу вважає, що «автоматичні перекладачі - серйозна допомога в роботі професійних перекладачів і незамінний інструмент для тих, хто, не знаючи мови, хоче швидко отримати загальне уявлення про зміст тексту (документа, листи, описи приладу)».
Отже, машинний переклад значно дешевший і швидший від традиційного, хоч і поступається йому по якості. Ним користуються в тих випадках, коли важливіше зрозуміти зміст документу, ніж перекласти текст відповідно до літературних критеріїв. На мою думку, машинний переклад стане важливим інструментом для розвитку міждержавної торгівлі, тому що він спроможний значно спростити і прискорити одержання інформації про товари, що випускаються в інших країнах. Останнім часом в цій галузі досягнуто значних успіхів. У багатьох випадках навіть не дуже якісний переклад краще, чим відсутність якого-небудь. Там, де відсутність часу й доступність - більш важливі умови, ніж абсолютна стилістична точність, МП підтверджує свою неоціненну рентабельність, незважаючи на велику кількість помилок при перекладі.
Виходячи з вищенаведених фактів, очевидним є той факт, СМП, здатна перекладати тексти подібно професійному перекладачеві - це поки що ще не втілена в реальність ідея.
СПИСОК ВИКОРИСТАНОЇ ЛІТЕРАТУРИ
Анисимов В. Компьютерная лингвистика для всех: Мифы. Алгоритмы. Язык. К.: Наукова думка, 1992. – 208 с.
Блехман М.С. “Комп’ютерна лiнгвiстика”, монографія. – Харкiв: ХГУ. - 1997. – 153 с.
Ванников Ю.В. Проблемы адекватности перевода. Типы адекватности, виды перевода и переводческой деятельности. – М.:Наука, 1993. – С. 34-39.
Войнов В. К., Блехман М.С. Состав, методики разработки и эффективность действующих систем машинного перевода.– Харьков: ХГУ. – 1997. – 245 c.
Корунець І.В. Теорія і практика перекладу (аспектний переклад): Підручник. – Вінниця. «Нова книга», 2001 – 448 с.
Кулагина О.С. О современном состоянии машинного перевода // Математические вопросы кибернетики, вып. 3, М.: Наука, 1991. – С. 15-20.
Латышев, Л.К. Технология перевода: учеб. пособие / Л.К. Латышев. - М.: Академия, 2005. – 317 с.
Терехова С. І. Вступ до перекладознавства. (Сучасні проблеми і теорії. Діяльність перекладача). Навчальний посібник. - К.: Вид. Центр КДЛУ, 2001. - 198с.
Швейцер А. Д. Теория перевода. Статус, проблемы, аспекты / А. Д. Швейцер. – М.: Наука, 1999. – 364 с.
http://www.april.com.ua/ua/articles/robot.html
http://leksika.com.ua/13021022/ure/mashinniy_pereklad
http://studentus.com.ua/spisok/statistichniy-mashinniy-pereklad_29968.html