maskinoversættelser

Maskinoversættelser er automatiske processer, der oversætter tekst eller tale fra ét sprog til et andet ved hjælp af computerprogrammer. Formålet er at give hurtig, skalerbar adgang til information på mange sprog uden menneskelig oversættelse. Kvaliteten varierer afhængigt af sprogpar, domæne og data til rådighed for modellen.

Historisk set udviklede man MT gennem reglerbaserede systemer, statistiske metoder og, siden omkring 2010, neural maskinoversættelse (NMT). Moderne NMT-modeller anvender en encoder-decoder-arkitektur med attention, trænet på store parallelkorpus af sprogpar. De analyserer hele sætningen, ikke blot enkelte ord, og producerer ofte mere sammenhængende oversættelser end tidligere tilgange.

Evaluering af MT-ydelse bruger ofte automatiserede målemetoder som BLEU og BLEURT, sammen med menneskelig kvalitetsvurdering. På trods af fremskridt kan maskinoversættelser fejle i nyanser, ordvalg, kulturel kontekst, måske misforstå fagterminologi eller idiomer. Domain- og kontekstspecifik terminologi kræver ofte efterredigering (post-editering) for at nå professionel kvalitet.

Anvendelser omfatter oversættelse af webindhold, kundesupport, tekniske manualer, softwarelokalisering og undertekster. For at beskytte integritet og privatliv er det almindeligt at vurdere dataprivatliv og eventuel oversættelseskontekst, især ved følsomme oplysninger. Fremtidige tendenser inkluderer bedre ydeevne i lavressource-sprog, on-device oversættelse for privatliv, og mere domæne-tilpassede modeller.