چرا پلتفرم های ترجمه خودکار نمی توانند بطور کامل جایگزین انسان شوند
با وجود پلتفرم های ترجمۀ خودار که تغییراتی را در نحوۀ انتشار اطلاعات ایجاد و امکان تعامل جهانی را فراهم می کنند هیچ شکی نیست که این پلتفرم ها, علی الخصوص با ادامۀ روند بهبودسازیشان، نقشی بنیادی در توسعۀ ارتباطات میان کشورها بازی می کنند. با این وجود، آیا می توان بر آینده ای اتکا کرد که در آن پلتفرم های ترجمۀ خودکار بطور کامل جایگزین مترجمانِ انسانی و زبان شناسان شوند؟
تنها به تازگی ابزارهایِ ترجمۀ آنلاین به سطح کاراییِ قابل قبولی رسیده اند.
طی چند ماه گذشته مترجم هایِ آنلاین پیشرفت ده برابری داشته اند. در نوامبر ۲۰۱۶ گوگل از نسخۀ جدید مترجم خود رونمایی کرد که از یک موتور ترجمه با نام ترجمۀ ماشینی عصبی گوگل (GNMT[۱]) استفاده می کند. این سیستم با استفاده از یک شبکۀ عصبیِ مصنوعی جملات کامل را ترجمه می کند. این موتور «نورون های» دیجیتال در لایه های متعدد را به یکدیگر متصل می سازد، که هریک خروجی خود را به لایۀ بعدی منتقل می کنند – روشی که بطور نسبی به تقلید از مغز انسان مدل سازی شده است.
سیستم های ترجمۀ عصبی در ابتدا بهوسیلۀ حجم بالایی از متون ترجمه شده توسط انسان «آموزش» داده می شوند. سپس این سیستم هر واژه را برگرفته و از فحوای کلام برای تبدیل آن به یک بازنمود دیجیتالیِ انتزاعی استفاده می کند. در محلۀ بعد این موتور تلاش می کند تا نزدیکترین بازنمود همسان این واژه در زبان مقصد را بر اساس آنچه پیشتر «آموخته» است پیدا کند. این سیستم ترجمۀ عصبی جملات طولانی را به مراتب بهتر از نسخه های قبلی ترجمه می کند.
در عوض، در سیستم های قدیمی تر بطور معمول از روش تکه تکه («مبتنی بر گروه واژه») استفاده می شد. در این روش گروه واژه ها بهصورت مجزا از یکدیگر ترجمه و سپس این تکه ها برای ارائۀ ترجمه هایی دور از فهم و بی معنی کنار یکدیگر قرار داده می شدند که توجهی به فحوای کلام در پس هر واژه نداشت.
با این وجود شمار زبان هایی که با استفاده از این سیستم جدید قابل ترجمه اند محدود است.
مترجم جدید گوگل کار خود را با ترجمۀ هشت زبان اروپایی از انگلیسی و به انگلیسی آغاز کرد و در مراحل بعدی به زبان های چینی، عربی، عبری، روسی و ویتنامی گسترش یافت. بعدها گوگل ترجمه عصبی را به منظور دربرگرفتنِ ۹ زبان هندی گسترش داد. پلتفرم های دیگر ترجمه نظیر مایکروسافت نیز از یک سیستم عصبی برای ترجمۀ چندین زبان دشوار استفاده می کنند. با این وجود فهرست زبان هایی که می توان با استفاده از این روش جدید ترجمه کرد چندان گسترده نیست. پیش از آنکه ترجمۀ عصبی بتواند به سادگی متنی را بصورت دوسویه میان چندین زبان ترجمه کند به مدتی زمان نیاز است.
حتی پیشرفته ترینِ سیستم های ترجمه نیز اغلب ترجمه هایی نامنسجم و بی معنی را بدست می دهند
هنوز هم ضعف هایی در ارتباط با سیستم ترجمۀ عصبی وجود دارد که باید مورد توجه قرار بگیرند. برای مثال هیچ راهی وجود ندارد که بتوان دریافت که کدامیک از واژگان جزء اسامی خاص هستند و از این رو نباید به شکل تکه تکه ترجمه شوند. در همین حال، سیستم های ترجمۀ عصبی همچنان آوا نویس های عجیبی برای بسیاری از عبارت هایی ارائۀ می دهند که با آن ها آشنا نیستند.
سیستم های ترجمۀ عصبی گاهی ترجمه هایی بدست می دهند که مبهم و غیرمنطقی اند. برای مثال، اخیرا کاربران دریافتند که اشکال گوناگون نوشتنِ عبارت لاتین «Loren Ipsum» (به معنای طرحنما) در مترجم گوگل ترجمه های انگلیسی متفاوتی را به دست می دهد. اگر این عبارت با استفاده از حروف کوچک و به صورت «lorem ipsum» نوشته می شد نتیجه «China» و چنانچه حروف ابتدایی به درستی با استفاده از حروف بزرگ نوشته می شد («Lorem Ipsum») نتیجه «NATO» بود. این پیام های مبهم کاربران اینترنت را مات و مبهوم کرده بود و گوگل با سرعت بسیار اقدام به تصحیح این ترجمه های اشتباه کرد.
بنابراین سیستم های ترجمۀ عصبی به این زودی ها آمادگی گرفتن جای مترجم های انسانی را نخواهند داشت.
ماشین های ترجمه برای احراز صلاحیت در ترجمۀ متون ادبی مستلزم شناخت به مراتب استوارتری از مقاصد و نیات نویسنده و فرهنگ او هستند. برای ترجمه هایِ حساس که در حوزه های فنی، مالی و حقوقی جای می گیرند، حتی کوچک ترینِ خطاها نتایج فاجعه باری را در پی خواهد داشت. به هر ترتیب، همواره لازم است تا فردی نتیجۀ نهایی را به منظور بازبینی و اصلاح خروجیِ مترجمان ماشینی و خودکار از نظر بگذارند.
[۱] Google Neural Machine Translation (GNMT)
