Vad är maskinöversättning och hur kan det påskynda marknadsinträdet?

Vad är maskinöversättning? Det är en bra fråga eftersom den här tekniken har funnits sedan 1949. Maskinöversättning, eller den automatiserade översättningen av text från dess källspråk till ett annat via datorprogram, ser mycket annorlunda ut idag än för decennier sedan, och den fortsätter att utvecklas snabbt.

Om du fortfarande föreställer dig Babelfish från tidigt 2000-tal när du tänker på maskinöversättning, kanske du blir förvånad över hur exakt, bekväm och snabb dagens teknik är. Maskinöversättning kan nu snabbt och tillförlitligt hjälpa företag att lansera på nya globala marknader.

Det är inte längre en fråga om du ska använda maskinöversättning utan om när och hur. Men låt oss först svara på frågan "Vad är maskinöversättning?" och skingra några vanliga myter om det.

Vad är maskinöversättning?

Enkelt uttryckt är maskinöversättning en process där artificiell intelligens (AI), maskininlärning och algoritmer automatiskt översätter text eller tal från ett språk till ett annat – utan en mänsklig lingvist. Under denna process kallas originaltexten eller språket källspråket och språket du översätter till kallas målspråket.

Olika typer av maskinöversättningsmetoder

Det finns en handfull olika metoder för maskinöversättning, och var och en fungerar lite olika.

Regelbaserad maskinöversättning

Med regelbaserad maskinöversättning (RBMT) använder AI-systemet språkliga regler och tvåspråkiga ordböcker för att översätta text. De språkliga reglerna berättar för AI hur den behöver översätta ord eller fraser från källspråket till målspråket för att bevara betydelsen.

RBMT kräver att mänskliga översättare skapar och underhåller grammatik- och språkregler, samt utför en hel del mänsklig redigering. Idag är RBMT inte särskilt vanligt på grund av behovet av mänskligt engagemang och låg översättningskvalitet.

Statistisk maskinöversättning

Statistisk maskinöversättning (SMT), som kräver mindre mänsklig input än RBMT, använder istället maskininlärningsalgoritmer för att slutföra översättningar. SMT analyserar ett stort antal existerande mänskliga översättningar för att identifiera mönster. Dessa mönster tillåter sedan systemet att utveckla statistiska modeller för att förutsäga hur texten ska översättas.

SMT är en förbättring jämfört med RBMT men stöter fortfarande på problem med noggrannhet.

Syntaxbaserad maskinöversättning

Syntaxbaserad maskinöversättning (SBMT), en typ av SMT, förlitar sig på grammatiska regler och meningsstrukturer för att översätta text. Genom att analysera exempelmeningar och deras motsvarande översättningar, eller språkpar, kan SBMT inkludera syntaxregler i de statistiska översättningsmodeller som den bygger.

Detta tillvägagångssätt gör att SBMT kan översätta komplex text mer exakt, men det kräver ett stort antal exempelord och fraser att träna på.

Neural maskinöversättning (NMT)

Neural maskinöversättning (NMT) lär sig hur man översätter språk med hjälp av en maskininlärningsmetod som kallas neurala nätverk. Ett neuralt nätverk fungerar på samma sätt som en mänsklig hjärna genom att skicka data genom flera sammankopplade noder. Detta system tillåter NMT att arbeta med stora datamängder, eftersom varje nod arbetar för att avkoda källspråket och koda målspråket.

Eftersom NMT översätter hela meningar istället för enstaka ord eller fraser, tenderar dess översättningar att låta mer naturliga. Eftersom många anser att det är den mest exakta maskinöversättningsmetoden, förlitar sig de flesta språköversättningstekniker, inklusive Smartling, på NMT.

Hybrid maskinöversättning

Hybrid maskinöversättning (HMT) använder två eller flera maskinöversättningsmetoder för att förbättra resultaten du kan se från en enda översättningslösning. Oftast kombinerar HMT RBMT- och SMT-modeller, men den kan också använda NMT-modeller.

Till exempel kan HMT använda SMT för att identifiera och översätta mönster, RBMT för att översätta vissa språkliga nyanser och NMT för att skapa mer exakta och naturligt klingande översättningar.

Vad är ett datorstödt översättningsverktyg?

Används tillsammans med verktyg för maskinöversättning, datorstödda översättningsverktyg (CAT) automatiserar uppgifter som att redigera och hantera översättningar. För att göra detta matar användarna in text i CAT-verktyget, som sedan delar upp texten i stycke-, menings- eller frassegment. Verktyget sparar sedan dessa segment i en databas som maskinöversättningsprogramvaran kan komma åt.

Eftersom CAT-programvaran påskyndar översättningsprocessen använder många företag dessa verktyg för att automatisera sina översättnings- och lokaliseringsprojekt .

3 primära fördelar med maskinöversättning

Smartling Translate låter dig snabbt skapa egna, anpassade översättningar på några sekunder. (Källa: Smartling

Att lokalisera användarupplevelser är viktigare än någonsin – CSA Research fann att 76 % av konsumenterna föredrar att handla på sitt eget språk. Lyckligtvis erbjuder maskinöversättning flera fördelar som gör den idealisk för företag som försöker nå nya marknader:

1. Ökad hastighet: Programvara för maskinöversättning, som Smartlings NMT Hub eller Smartling Translate, förbättrar effektiviteten genom att automatisera de manuella uppgifterna i översättningsprocessen. Maskinöversättning kan täcka upp till 7 000 ord per dag, medan en mänsklig översättare kan översätta i genomsnitt 2 000 till 3 000 ord per dag.
2. Lägre kostnader: Medan översättningshastigheten vanligtvis landar mellan 0,15 USD och 0,30 USD per ord för en mänsklig översättare, kostar översättning av maskinspråk mycket mindre – runt 0,0012 USD till 0,0050 USD per ord.
3. Bekvämlighet: Det finns nu många maskinöversättningstjänster, inklusive DeepL, Google Translate, Amazon Translate och Smartling. Dessa tjänster gör det mycket bekvämare att använda maskinöversättning för personliga projekt, eller till och med för flerspråkiga företagslokaliseringsprojekt.

Fördelarna med maskinöversättning hjälper företag att nå nya marknader snabbare med lokaliserat innehåll.

Maskinöversättningens historia

Maskinöversättningenshistoria började 1949 när den dök upp i Warren Weavers Memorandum on Translation. Inte långt efter, ledde andra världskriget till ett behov av snabbare militärdokumentöversättning, så forskare som Yehoshua Bar-Hillel började experimentera med maskinöversättning 1951.

Att omsätta maskinöversättning i praktiken var dock svårt. De första modellerna, som Georgetown IBM Experiment, förlitade sig på en uppsättning språkliga regler. Tillsammans med detta beroende av professionella översättare och regler, krävde maskinöversättningssystemen på 1950-talet mer databearbetningskraft och lagring än den nuvarande tekniken kunde ge.

Utvecklingen av maskinöversättning fortsatte på 1960- och 70-talen med SYSTRAN och METEO. Men eftersom dessa system fortfarande använde regelbaserad översättning, fortsatte forskarna att kämpa för att utveckla ett verktyg som kunde konkurrera med mänskliga översättare.

På 1990-talet steg SMT, tack vare tillgången på stora datauppsättningar för språkträning. SBMT-system blev också populära, och båda nya metoder för maskinöversättning ledde till förbättrad noggrannhet och översättningar av högre kvalitet.

I slutet av 90-talet och början av 2000-talet gav programvara som Babelfish och Google Translate, tillsammans med Internets ankomst, fler människor tillgång till maskinöversättning. Och 2016 introducerade Google NMT, vilket fick Microsoft och Amazon att följa efter. Kvaliteten på modern maskinöversättning är nu ännu närmare den hos mänskliga översättare.

"[Neural maskinöversättning] eliminerar gradvis gränsdragningen mellan mänsklig och maskinell översättning", säger Jack Welde, grundare och VD för Smartling. "Det skapar fler möjligheter för en produktiv sluten slinga mellan maskin och människa, inklusive maskinaktiverade verktyg som gör människan mer produktiv och mänskliga insatser som gör maskinen mer exakt framöver."

Visste du det? Teorierna bakom maskinöversättning skapade området för naturlig språkbehandling.

3 maskinöversättningsmyter

Även om maskinöversättning har funnits i över ett halvt sekel, är missförstånd fortfarande vanliga. Låt oss reda ut några vanliga maskinöversättningsmyter.

Myt 1: Maskinöversättning kommer att ersätta mänskliga översättare

Fakta: Det kommer alltid att finnas ett behov av mänskliga översättare i processen för att lägga till kulturell relevans och nyans som maskinöversättning inte kan nå.

Visst, maskinöversättning kan ta en del av arbetet på mänskliga översättare under vissa omständigheter. Men mer synligt, detaljerat och mer komplext innehåll som webbsidor, mobilappar eller till och med ett företags marknadsföringsmaterial kräver mänsklig efterredigering för att säkerställa noggrannhet och relevans. Dessutom, om ditt målspråk är mindre vanligt, kan maskinöversättning producera felaktiga översättningar på grund av brist på träningsdata på det språket.

Maskinöversättning kan också ha svårt att översätta branschspecifikt innehåll – särskilt om specialiserade datauppsättningar och modeller inte är tillgängliga. Det är här mänskliga lingvister med professionell eller akademisk erfarenhet lyser. De kan redigera resultat för maskinöversättning så att den översatta texten är tydlig och korrekt.

Alternativt kan du leta efter en maskinöversättningstjänst som Smartling som låter dig träna en anpassad maskinöversättningsmotor med hjälp av ordlistor och översättningsminne för att minska fel och upprätthålla varumärkesstandarder.

Myt 2: All programvara för maskinöversättning ger samma kvalitet på översättningen

Fakta: Kvalitet beror på maskinöversättningsmotorn och språket i fråga.

Det kan förvåna dig att veta att maskinöversättningsteknikens noggrannhet inte bara beror på vilken motor du använder utan också på ditt målspråk.

Till exempel testade PCMag exaktheten hos olika maskinöversättningsmotorer vid översättning av flera språk och fann att ChatGPT var det mest exakta för att översätta polska, men Google Translate var det bästa för att översätta tagalog. Svaret på vilken maskinöversättningsmotor som är bäst fortsätter att förändras när uppdateringar rullar ut och motorer tränar på nya datamängder. Smartlings NMT Hub väljer från flera motorer för att förbättra översättningskvaliteten. (Källa: Smartling)

Smartlings NMT Hub säkerställer att du alltid får den mest exakta översättningen som möjligt genom att automatiskt dirigera ditt innehåll till den maskinöversättningsmotor som ger de bästa resultaten baserat på ditt projekt. NMT Hub väljer mellan modeller som Amazon Translate, Watson Language Translator, GPT och PROMT, vilket resulterar i översättningar med upp till 350 % högre kvalitet.

Myt 3: Maskinöversättningsprocessen kräver inget mänskligt ingripande

Fakta: Kontextuell verifiering kräver efterredigering.

Även NMT är hit-or-miss när det kommer till sammanhang, så mänskliga redaktörer är nödvändiga för att säkerställa att den avsedda meningen fortfarande finns i ditt nyöversatta innehåll.

Utöver detta kan hur maskinöversättning fungerar potentiellt skapa partiska resultat. Detta beror till stor del på köns- och kulturfördomar, såväl som andra fördomar i träningsdata. Till exempel tenderar maskinöversättningssystem att översätta könsbundna ord till motsvarande maskulina versioner på grund av den stora representationen av maskulina figurer och tal i data.

För talade översättningar är detta en ännu större fråga. Stanford Social Innovation Review noterar att Googles taligenkänningsprogram känner igen mansröster 13 % mer exakt än kvinnliga röster. Skillnaden i noggrannhet växer ytterligare om rösten tillhör en färgad kvinna eller en användare som talar med accent.

Mänsklig input är nödvändig för att minska och ta bort partiskhet – och maskinöversättningsteknik kräver tillgång till olika, opartiska datauppsättningar när det är möjligt.

Att hitta rätt översättningsmix

Kvaliteten på maskinöversättningar är ännu inte i nivå med professionella översättare. Detta gäller särskilt för vissa typer av innehåll, som juridiska kontrakt, där noggrannhet är ett måste, eller annonser, som kräver kreativitet för att förmedla ett budskap på ett litet utrymme.

Här är när du ska använda maskinöversättning kontra mänsklig översättning— liksom när du ska använda båda.

Maskinöversättning (MT)

Med de senaste framstegen, inklusive NMT, är maskinöversättning nu idealisk för följande projekt:

• Supportbiljetter och meddelanden
• Användarrecensioner
• Användarmanualer med en hög volym innehåll
• Intern dokumentation
• Kunskapsbaser och hjälpguider
• Sidfot på webbplatsen

Mänsklig översättning

Du vill ha ett par mänskliga ögon när det gäller att översätta dessa typer av innehåll:

• Hemsidor och målsidor på webbplatsen
• Blogginlägg
• Pressmeddelanden
• Annonser
• E-postmarknadsföringskampanjer

Snabba upp global expansion: Läs vår guide för att lära dig hur du översätter din webbplats eller mobilapp med ett översättningshanteringssystem.

AI och mänsklig översättning

Arbetar du med tekniska dokument eller innehåll? Det är värt att använda programvara för maskinöversättning för att skapa din första översättning och sedan låta en mänsklig översättare granska resultaten för detta innehåll:

• Kommersiella avtal*
• Patent*
• Villkor
• Marknadsföringsmaterial*
• SEO-innehåll
• Produkttitlar och beskrivningar

Använd Smartlings kraftfulla maskinöversättning för att leverera effektfulla upplevelser

Maskinöversättning har kommit långt sedan starten 1949. Företag kan nu lita på verktyg som Smartling Translate och NMT Hub för att leverera högkvalitativt lokaliserat innehåll på kortare tid och till en bråkdel av kostnaden för mänsklig översättning.

För projekt som kräver mer nyans och branschspecifik expertis erbjuder Smartling även AI-driven mänsklig översättning. Detta tillvägagångssätt ger dig det bästa av två världar – snabba maskinöversättningsresultat följt av en mänsklig granskning för optimal noggrannhet och relevans.

Översätt miljarder ord på några minuter med Smartlings NMT Hub, eller titta på vår femminutersdemo för att upptäcka vad våra översättningstjänster kan ta av dig.