Реферат на тему Почему машинный перевод не может заменить человеческий

Содержание:

Введение. 2

Глава 1. Теоретические
аспекты машинного перевода. 3

Глава 2. Практические плюсы
и минусы машинного перевода. 8

Заключение. 17

Список использованной литературы.. 19

Введение:

Многие факторы способствуют сложности машинного
перевода, в том числе слова с множеством значений, предложения с множеством
грамматических структур, неопределенность в отношении того, к чему относится
местоимение, и другие проблемы грамматики. Актуальность
нашей работы обусловлена тем, что несмотря на распространение современных
технологий и постоянное улучшение искусственного интеллекта машинный перевод не
может в полной мере заменить человеческий, на что есть ряд причин, которые и
будут рассмотрены в данной работе.

Объектом
работы являются проблемы машинного перевода. Предметом – оценка преимуществ человеческого перевода перед
машинным.

Целью
данной работы является определить причины, по которым машинный перевод не может
заменить человеческий. Соответственно цели, можно поставить следующие задачи работы:

1. Определить теоретические аспекты машинного
перевода;

2. Сравнить человеческий и машинный перевод,
выделив плюсы и минусы последнего.

При написании работы использовались следующие методы исследования – анализ научных
источников, сопоставление переведённых текстов.

Данная работа состоит
из введения, двух глав – теоретической и практической, заключения, а также
списка использованной литературы.

Заключение:

Системы машинного перевода — это приложения или
онлайн-сервисы, которые используют технологии машинного обучения для перевода
больших объемов текста с любого из поддерживаемых языков и на них. Сервис
переводит «исходный» текст с одного языка на другой «целевой» язык.

Хотя концепции, лежащие в основе технологии
машинного перевода и интерфейсы для ее использования, относительно просты,
наука и технологии, стоящие за ней, чрезвычайно сложны и объединяют несколько
передовых технологий, в частности, глубокое обучение (искусственный интеллект),
 объёмные данные, лингвистику, облачные
вычисления и веб-API.

С начала 2010-х годов новая технология
искусственного интеллекта, глубокие нейронные сети (также известные как
глубокое обучение), позволила технологии распознавания речи достичь такого
уровня качества, который позволил команде переводчиков Microsoft объединить
распознавание речи с основной технологией перевода текста для запуска новой
технологии перевода речи.

Исторически сложилось так, что основным методом
машинного обучения, используемым в отрасли, был статистический машинный
перевод. Он  использует расширенный
статистический анализ для оценки наилучшего перевода слова с учетом контекста
нескольких слов. Статистический перевод используется с середины 2000-х годов
всеми основными поставщиками услуг перевода, включая Microsoft.

Появление нейронного машинного перевода вызвало
радикальный сдвиг в технологии перевода, что привело к гораздо более
качественному переводу. Эта технология перевода начала разворачиваться для
пользователей и разработчиков во второй половине 2016 года.

Технологии перевода имеют два общих элемента:

1. Оба требуют большого количества переведенного
предварительно человеком контента (до миллионов переведенных предложений) для
обучения систем.

2. Они не действуют как двуязычные словари,
переводя слова на основе списка возможных переводов, а переводят на основе
контекста слова, которое используется в предложении.

Машинный перевод не может заменить человеческий,
поскольку даже гибридные системы перевода не являются совершенными. Они не
могут оценивать контекст, эмоциональность текста и его культурное содержание.
Поэтому стоит заметить в заключение, что искусственный интеллект ещё не достиг
такого порога качества, чтобы полностью исключить человеческий фактор.

Фрагмент текста работы:

Глава 1. Теоретические аспекты машинного перевода

Машинный перевод — это автоматический перевод. Это
процесс, при котором компьютерное программное обеспечение используется для
перевода текста с языка оригинала (например, английского) на язык перевода
(например, русский) [12].

Для обработки любого перевода, человеческого или
автоматизированного, значение текста на исходном языке должно быть полностью
восстановлено на целевом языке, то есть в переводе. Хотя на первый взгляд это
кажется простым, это довольно сложная задача. Перевод — это не просто дословная
замена. Переводчик должен интерпретировать и анализировать все элементы текста
и знать, как каждое слово может влиять на другое. Для этого требуются обширные
знания в грамматике, синтаксисе (структуре предложения), семантике (значениях
слов) и т. д. в исходном и целевом языках, а также знание культуры каждого
региона [5].

При машинном переводе тексты переводятся
автоматически с помощью компьютерного программного обеспечения, поэтому
переводчик-человек не принимает непосредственного участия в этом процессе.
Связь между переводчиками-людьми и системами машинного перевода заключается в
том, что механизм машинного перевода обучен переводам, созданным
переводчиками-людьми. Неоспоримая сила машинного перевода — скорость процесса
перевода. Заказчики могут получить необходимые переводы за считанные минуты.

Сильной стороной переводчиков-людей по-прежнему
является качество перевода. Механизмы машинного перевода могут обеспечить такое
же качество, как и переводчик-человек, только для некоторых типов текста.
Сегодня машинный перевод лучше всего работает в сценариях, когда текст
необходимо передать в понятной форме на другом языке. Язык перевода не
обязательно безошибочный или полностью логичный, но его можно понять. Порядок
слов может быть странным, или одно слово могло быть заменено странным
синонимом. Например, перевод слова «volume» может относиться к громкости звука, объёму или
количеству, независимо от фактического контекста. Тем не менее, читатель с
базовыми языковыми навыками может понять предполагаемое значение текста.