En (kort) historia om maskinöversättning

Maskinöversättning (MT) får en dålig rap eftersom den uppfattas som låg kvalitet (och resultaten är ibland roliga) - men du skulle bli förvånad över hur långt denna teknik har avancerat sedan den först skapades 1949. Nyligen hittade vi TAUS omfattande tidslinje för MTs historia, och det är en fantastisk läsning. Men om du inte har tid att läsa igenom 63 år av MT-framsteg, här är en kort översikt:

1949–65: Maskinöversättningsforskning börjar

Det nya området "maskinöversättning" dyker upp i Warren Weavers Memorandum on Translation (1949), och den första forskaren på området, Yehosha Bar-Hillel, börjar sin forskning vid MIT (1951). En forskargrupp från Georgetown MT följer (1951) med en offentlig demonstration av sitt system 1954. MT framhålls som en lösning för att hjälpa USA att hålla koll på ryska. Det är också en av de första icke-numeriska applikationerna för datorer. MT-forskningsprogram dyker upp i Japan och Ryssland (1955), och den första MT-konferensen hålls i London (1956). Forskare fortsätter att ansluta sig till fältet eftersom Association for Machine Translation and Computational Linguistics bildas i USA (1962) och National Academy of Sciences bildar en kommitté (ALPAC) för att studera MT (1964).

1966–95: MT går till jobbet

ALPAC:s rapport säger att MT inte kan konkurrera med mänsklig översättningskvalitet och föreslår att finansieringen av MT-forskning bör stoppas. Men forskningen fortsätter. MT sätts också i arbete: det franska textilinstitutet för att översätta abstrakt från och till franska, engelska, tyska och spanska (1970); Brigham Young University startar ett projekt för att översätta mormontexter genom automatiserad översättning (1971); och Xerox använder Systran för att översätta tekniska manualer (1978). Olika MT-företag lanseras, inklusive Trados (1984), som är först med att utveckla och marknadsföra översättningsminnesteknologi (1989). Det första kommersiella MT-systemet för ryska/engelska/tyska-ukrainska utvecklas vid Kharkov State University (1991).

1996–2012: MT träffar webben

MT på webben börjar med att Systran erbjuder gratis översättning av små texter (1996), följt av AltaVista Babelfish, som fick 500 000 förfrågningar om dagen (1997). Franz-Josef Och (den framtida chefen för översättningsutveckling på Google) vinner DARPA:s speed MT-tävling (2003). Fler innovationer under denna tid inkluderar MOSES, den statistiska MT-motorn med öppen källkod (2007), en text/SMS-översättningstjänst för mobiler i Japan (2008) och en mobiltelefon med inbyggd tal-till-tal-översättningsfunktion för engelska, japanska och kinesiska (2009). Nyligen meddelade Google att Google Translate översätter ungefär tillräckligt med text för att fylla 1 miljon böcker på en dag (2012).

Wow! Det är mycket, och vi täckte inte 90 % av historien om maskinöversättning! Allt negativt snack om MT verkar glömma att det är en otrolig, avancerad teknik. Dess kvalitet är lägre än mänsklig översättning , men det betyder inte att den inte har bra, praktiska användningsområden - som att översätta gamla pressmeddelanden från 5 år sedan.

2013-Nu 

De senaste åren har vi sett betydande framsteg inom maskinöversättningsteknik , där Googles forskning om neural maskinöversättning innebär en optimistisk framtid för branschen. Det har blivit tydligt att maskinöversättning håller på att gå bort från att vara det snabba, ohållbara kvalitetsalternativet för översättningsorganisationer till att erbjuda ett rimligt alternativ för att översätta innehåll med låg synlighet. På bara några år har en hel mängd maskinöversättningsleverantörer dykt upp som lovar acceptabel kvalitet till en bråkdel av kostnaden för professionella lingvister. Kapplöpet om en konkurrensfördel i kvalitet är i full effekt och MT-leverantörer börjar ta differentierade tillvägagångssätt för att "höja" kvaliteten som deras system kan producera. Dagens leverantörer delas i allmänhet in i tre kategorier:

Hybrid Human-MT Solutions (ex: Unbabel) Domänanpassad maskinöversättning (ex: Lilt, IBM) Neural maskinöversättning (ex: Google, Microsoft, SDL, Yandex) På Smartling tror vi starkt på att maskinöversättning snabbt blir en viktig komponent i en effektiv globaliseringsstrategi. Samtidigt som att producera innehåll till låg kostnad och så snabbt som möjligt fortsätter att ha en negativ effekt på kvaliteten, erbjuder maskinöversättning många översättningsorganisationer ett försprång när det gäller att uppnå översättningsresultatets heliga gral – en balans mellan kostnad, kvalitet och tid till marknad.

För att lära dig mer om Smartlings Neural Machine Translation Hub, se den här länken.