De siste årene har datamaskiner blitt mye flinkere til å oversette fra ett språk til et annet takket være bruken av nevrale nettverk. Imidlertid krever AI-trening vanligvis mye menneskelig oversatt innhold for datamaskiner.
Mikel Artex, informatiker ved University of Basque Country (UPV) og forfatter av en av disse papirene, sammenligner situasjonen med å gi noen forskjellige bøker på kinesisk og forskjellige bøker på arabisk, uten at noen av de samme tekstene overlapper hverandre. hverandre. Det ville være veldig vanskelig for et menneske å lære å oversette fra kinesisk til arabisk i dette scenariet, men en datamaskin kan.
I en typisk maskinlæringsprosess blir et AI-system overvåket. Dette betyr at når AI prøver å finne riktig svar for et gitt problem, vil personen si om det er riktig eller ikke, og om nødvendig vil AI gjøre justeringer.
I stedet studerer AI hvordan ord er relatert på samme måte på forskjellige språk - for eksempel brukes ordene "bord" og "stol" ofte sammen, uavhengig av dialekt. Ved å sammenligne disse kombinasjonene for hvert språk og deretter sammenligne dem, kan du få en god ide om hvilke termer som er relatert til hverandre.
Disse systemene kan brukes til å oversette komplette setninger, ikke bare enkeltord, ved hjelp av to komplementære læringsstrategier. Omvendt oversettelse antar at en setning skrevet på ett språk er grovt oversatt til et annet, og deretter tilbake til originalspråket, hvis AI ikke samsvarer, setter den opp protokollene sine annerledes. Støyreduksjon er en prosess som ligner på den samme prosessen innen radioteknikk, men med ord som blir fjernet eller lagt til setningen. Synkronisering av disse metodene hjelper maskinen til å forstå bedre hvordan språket fungerer.
Test ordforråd
Begge systemene - det ene utviklet av UPV og det andre av Facebook-datavitenskapsmannen Guillaume Lampler - har ennå ikke mottatt ekspertvurdering, men begge har vist lovende resultater i foreløpige tester.
Kampanjevideo:
For å vurdere deres evne til å oversette tekst fra engelsk til fransk og omvendt ble det foreslått omtrent 30 millioner setninger for oversettelse. Begge AI-ene klarte å få 15 poeng. AI Google Translate, som bruker maskinlæring under tilsyn, har en score på 40, mens menneskelige oversettere kan score opptil 50.
Begge forskerne er enige om at hver av dem kan forbedre sitt selvlærende AI-system ved å bygge videre på den andres arbeid. AI kan gjøres mer i stand ved å introdusere flere tusen parallelle setninger i læreplanen, noe som vil redusere tiden det tar å mestre språket.
Serg kite
