讓機(jī)器翻譯為我們工作 - 第2部分

2019-01-01 11:43:24

在我們采訪STP常駐機(jī)器翻譯專家Mattia Ruaro的第一部分中，我們談到了機(jī)器翻譯（MT）：它是如何工作的，如何在STP中使用以及公司可以采取哪些措施來培訓(xùn)MT引擎使用。

在第二部分中，您可以閱讀Mattia關(guān)于MT技術(shù)最新發(fā)展的想法，該技術(shù)讓人們預(yù)測翻譯的結(jié)束我們所知道的：神經(jīng)機(jī)器翻譯。

那么，Mattia，什么是神經(jīng)機(jī)器翻譯？炒作是什么？

神經(jīng)機(jī)器翻譯（NMT）與統(tǒng)計(jì)機(jī)器翻譯（SMT）基本相同，但背后有更多的“大腦”。隨著時(shí)間的推移，NMT可能會(huì)自我提升并自行學(xué)習(xí)。

重要的區(qū)別在于NMT引擎需要的數(shù)據(jù)量 - 這比傳統(tǒng)的SMT引擎要多得多。

基本上，您有在多個(gè)級別上建立連接的節(jié)點(diǎn)，例如上下文和子句級別。這使得NMT更加靈活 - 它可以分析較短的文本位，因此目標(biāo)輸出的流量往往更好。

我們經(jīng)常開玩笑說，當(dāng)你訓(xùn)練SMT引擎時(shí)，你正在訓(xùn)練一臺(tái)機(jī)器。神經(jīng)學(xué)更像是教孩子一門語言 - 或者培養(yǎng)一個(gè)雙語的孩子！當(dāng)引擎正在學(xué)習(xí)時(shí)，它當(dāng)然會(huì)犯很多錯(cuò)誤。

NMT產(chǎn)量與以前的技術(shù)相比如何？

首先是更好的流暢性。NMT引擎的輸出往往更加慣用，這意味著它更像自然語言。比以前更頻繁地，引擎能夠在手邊的句子的上下文中使用適當(dāng)?shù)耐x詞或表達(dá)。

適應(yīng)直接上下文對于具有復(fù)雜語法的德語或丹麥語等語言有很大幫助。例如，可以更準(zhǔn)確地解釋用逗號分隔的子條款。

NMT的一個(gè)關(guān)鍵方面是它更好地解釋了形態(tài)學(xué)。例如，第一人稱中的動(dòng)詞通常會(huì)在第一人稱中呈現(xiàn)為等效動(dòng)詞。所以，如果消息來源說我用英文寫作，那么目標(biāo)就是法語中的j'écris，結(jié)果正確。如果引擎無法識(shí)別該人，它將為您提供下一個(gè)最好的東西，通常是不定式中的動(dòng)詞（例如écrire）。這樣便于手動(dòng)編輯。

我們之前談過培訓(xùn)MT引擎。培訓(xùn)NMT引擎與SMT和RBMT（基于規(guī)則的機(jī)器翻譯）引擎有何不同？

NMT比SMT和RBMT需要更多的數(shù)據(jù)。首先采用NMT的最大障礙是較小的公司無法找到足夠的數(shù)據(jù)。首先，NMT引擎需要至少1000萬字的數(shù)據(jù)。

相比之下，只要數(shù)據(jù)良好，SMT引擎就可以很好; 你可以得到一個(gè)體面的SMT引擎，只有一百萬字。

因此，在這方面，NMT更重要的是數(shù)量超過質(zhì)量！為了說明這一點(diǎn)，我們的芬蘭NMT引擎現(xiàn)在有1.4億字。

另一件事是訓(xùn)練引擎。NMT引擎傾向于根據(jù)您添加的數(shù)據(jù)自行解決問題 - 它們提出了規(guī)則。如果你愿意，你仍然可以添加規(guī)則，但有時(shí)候這可能會(huì)適得其反 - 你做得太多，太過嚴(yán)格。

例如，STP的德語到英語翻譯者想知道為什么德語 - 英語引擎正在翻譯個(gè)人名字。事實(shí)證明，這些具體名稱也都是有意義的名詞（例如姓Müller，意思是“米勒”）。這意味著我們必須仔細(xì)考慮新規(guī)則的需要，因?yàn)槊~Müller （大寫，就像德語中的所有名詞一樣）可能會(huì)出現(xiàn)在關(guān)于銑床的文本中。

在這種情況下，不管它并且每次手動(dòng)替換翻譯的名稱是最容易的事情。譯者發(fā)現(xiàn)這是一個(gè)容易犯的錯(cuò)誤。您看到錯(cuò)誤，檢查源并相應(yīng)地修復(fù)輸出。沒有人期望輸出是完美的。

NMT會(huì)取代人工翻譯嗎？

一百次，不！像這樣的技術(shù)和你使用的技術(shù)一樣好。

我可以想象這樣一種情況：世界各地有幾個(gè)辦事處的公司需要內(nèi)部通信，例如來自人力資源部門的短信，這些信息很快就會(huì)被翻譯。這些可以通過公司為此目的開發(fā)和培訓(xùn)的專用發(fā)動(dòng)機(jī)來運(yùn)行。翻譯的質(zhì)量不高，但人們會(huì)得到這個(gè)要點(diǎn)。但這將是內(nèi)部溝通，而客戶從未見過 - 僅供參考。另一個(gè)例子是使用MT翻譯大量的調(diào)查回復(fù)以用于市場研究目的。

但這不是它的使用方式或許多人如何看待它。許多機(jī)器翻譯的早期采用者濫用了這項(xiàng)技術(shù)，這已經(jīng)影響了它的聲譽(yù)。

關(guān)鍵是要適當(dāng)使用MT輸出。專業(yè)翻譯人員可以將其用作工具。甚至有人建議，MT引擎產(chǎn)生的后期編輯輸出可以是作為翻譯者提供的單獨(dú)服務(wù)，只要您知道自己在做什么。

譯員沒有被替換; 只是他們的工作方式正在發(fā)生變化。

NMT技術(shù)對不同的語言對有不同的作用嗎？

對某些語言對來說，它似乎已經(jīng)完成了。例如，英語 - 日語運(yùn)作良好，我覺得非常令人印象深刻。北歐語言并沒有太多集中，因?yàn)樗鼈冚^小。

德語輸出似乎受到語言的語法復(fù)雜性和嚴(yán)格性的影響，資本化是一個(gè)巨大的問題。浪漫語言似乎運(yùn)作良好; NMT引擎似乎應(yīng)對了他們的動(dòng)詞范式和時(shí)態(tài)。

而不是語言對，問題更多的是目標(biāo)語言本身。芬蘭顯然對我們來說有點(diǎn)頭疼。

為什么，語法復(fù)雜性更重要還是詞匯問題？

我認(rèn)為形態(tài)學(xué)更重要，語言中的語法復(fù)雜性。引擎將更難辨別一個(gè)單詞的不同部分。

芬蘭的案例系統(tǒng)對發(fā)動(dòng)機(jī)來說是一個(gè)真正的挑戰(zhàn)。每個(gè)案例結(jié)尾都是一個(gè)變量，您需要在每個(gè)場景中考慮這個(gè)變量。芬蘭有15個(gè)不同的案例，其中許多案例有幾種可能的結(jié)局，這意味著有很多潛在的選擇。

到目前為止，我只聽說過一家公司在形態(tài)和流暢性方面使芬蘭發(fā)動(dòng)機(jī)工作得非常好。而這只能通過專注于一種語言來實(shí)現(xiàn)。

NMT的成本有多高？值得投資嗎？

非常昂貴。您需要功能強(qiáng)大的服務(wù)器來運(yùn)行我們正在談?wù)摰拇罅繑?shù)據(jù)。如果SMT駕駛汽車，NMT更像是駕駛噴氣式飛機(jī) - 燃料成本要高得多。不過，它現(xiàn)在比以前更實(shí)惠?，F(xiàn)在有越來越多的選擇，價(jià)格正在下降。

就成本效率而言，我會(huì)說，如果使用得當(dāng)，MT有可能真正加快既定工作流程中的翻譯速度。

MT一般和NMT有多安全？我們?nèi)绾未_保個(gè)人數(shù)據(jù)和其他數(shù)據(jù)安全？

它和你想要的一樣安全。這取決于誰處理您的引擎以及如何處理。我們有第三方技術(shù)，但我們檢查了他們的位置和背景。

我們還清理數(shù)據(jù)以確保其安全，以便不會(huì)使用任何個(gè)人數(shù)據(jù)來訓(xùn)練引擎。甚至谷歌也不再重復(fù)使用您發(fā)送給他們的數(shù)據(jù)。有一段時(shí)間了，他們僅限于谷歌本身的數(shù)據(jù)，而不是使用翻譯人員的最終輸出。

換句話說，我認(rèn)為機(jī)器翻譯是非常安全的。

在與Mattia的訪談的第三部分中，我們將與他討論機(jī)器翻譯后編輯的實(shí)踐以及翻譯人員如何學(xué)習(xí)編輯MT引擎的輸出。