maskinoversettelse

Maskinoversettelse er prosessen der datamaskiner automatisk oversetter tekst fra ett språk til et annet. Systemene bygger på algoritmer som læres opp ved hjelp av store parallelle tekstkorpus, der samme innhold finnes på flere språk. Målet er å produsere flytende og forståelig oversettelse uten menneskelig inngrep, eller med begrenset etterkontroll.

Historisk har maskinoversettelse gått fra regelbaserte tilnærminger på 1950- og 1960-tallet til statistiske metoder på 1990-tallet, og siden 2010-tallet til nevral maskinoversettelse (NMT). Moderne MT-modeller er ofte end-to-end-nevrale nettverk som lærer oversettelser fra store mengder parallelle data.

Et typisk MT-system består av dataregistrering, trening av en modell, generering av oversettelser og eventuell post-redigering. Teksten deles opp i enheter, og modellen produserer en måloversettelse ved hjelp av sannsynlighet og dekodingsteknikker. Ytterligere evaluering skjer gjennom automatiske mål som BLEU eller METEOR og gjennom menneskelig evaluering.

Fordeler er rask og kostnadseffektiv behandling av store tekstmengder, tilgjengelighet på mange språk og kontinuerlige forbedringer via ny forskning. Begrensninger inkluderer variasjon i kvalitet mellom språkpar, utfordringer med kontekst, ordlige flertydigheter, idiomer og lavressurs-språk. Store data- og regnekrevende behov kan også være en hindring, og systemene kan forsterke skjevheter hvis treningsdataene er ubalanserte.

Maskinoversettelse brukes i nettsurfing, innholdsLokalisering, sanntidstjenester og som verktøy for post-redigering av menneskelige oversettere. Forskning fokuserer på bedre kontekstforståelse, terminologihåndtering og reduksjon av feil.