maskinöversättning

Maskinöversättning är automatiserad översättning av text eller tal från ett språk till ett annat med datorprogram. Målet är att generera flytande och korrekt måltext som bevarar innehållet, tonen och funktionell betydelse. Maskinöversättning används inom offentliga myndigheter, näringsliv, media och forskning för snabb kommunikation och som stöd i människans översättningsarbete.

Historiskt började MT med reglerbaserade system som försökte avbilda grammatik, lexikon och ordföljd; senare utvecklades statistiska system som lärde sig översättningsmönster från stora parallella korpora. På 2010-talet tog neurala maskinöversättningssystem över, särskilt med transformerarkitekturer som klarar långväga kontext och fluency bättre. Modern MT bygger ofta på en ensemble av språkmodeller eller stora multilinguala modeller och kräver mycket data samt beräkningskraft.

Systemens prestanda varierar mellan språkpar, domäner och texttyper. Vanliga utvärderingsmått är automatiska metoder som BLEU och METEOR samt mänsklig bedömning. Utmaningar inkluderar språkliga nyanser, ordflöden, idiom, teknisk terminologi, samt risk för felaktig information eller bias. Kvalitet kan förbättras genom postredigering, översättningsminne och domänspecifika modeller.

I praktiken används MT som stödverktyg för översättning, där maskinöversättning ofta kompletteras med postredigering av människa innan publicering. Svenska MT-system förbättras kontinuerligt genom tillgång till stora svenskspråkiga korpora och satsningar inom NLP. Det finns även frågor om dataskydd och integritet när känslig information används i träningsdata.