Automatiserad översättning

Automatiserad översättning

Översättningsautomationslandskapet förändras alltid, med ny teknik och utveckling som man arbetar med varje dag. Upptäck vart MT är på väg!

Från framstegen inom neural maskinöversättning (NMT), automatisk felklassificering och förutsägbar kvalitet till non-stop forskning om  innehållsinformation, låt oss ta en titt på framtiden för  översättningsautomation.

Prediktiv kvalitetsuppskattning:  från teori till praktik

Den tvåspråkiga utvärderingsundersökningsmetoden (BLEU) fortsätter att betecknas som ett snabbt och billigt alternativ för att utvärdera MT-framsteg. Utvecklat av MT-ingenjörer kräver det inte att översättare deltar, men resultaten innebär att det bara finns en korrekt översättning för en viss text, när detta uppenbarligen inte är sant. Den ”godkända” översättningen ställs sedan in som en referens, både på käll- och målspråket, och utvärderingsresultaten är lika höga som likheten mellan utdata och referensöversättning. 

Så även om BLEU vanligtvis korrelerar med mänskligt omdöme, svarar det inte på den verkliga frågan: hur bra är det faktiska maskinöversatta innehållet? 

Diskussioner om MT-kvalitetsstatistik pågår fortfarande, men målet är att komma till en position där varje maskinöversatt innehåll kommer med en kvalitetsuppskattning som antecknar MT-output och ger det en kvalitetspoäng. Det verkar enhälligt bland översättningsexperter att kvalitet bara kan ”verkligen” bedömas genom mänsklig granskning (för nu).    

Neural MT: till APE eller inte till APE

Automatisk Post redigering (APE) för neural MT, medan inte ny vinner dragkraft. Eftersom det börjar testas av stora e-handel företag, är det utvecklas till ett verkligt företag möjlighet. Men det finns fortfarande en fråga i luften: är det kontraproduktivt eller tidsbesparande?     

APE har följt en liknande utveckling som maskinöversättning. Syftet med ett APE-system är att korrigera misstagen i MT-output och generera en "mänsklig"  postredigerad maskinöversättning  (PEMT). APE kan förbättra maskinöversatt innehåll eller anpassa det till en viss domän. Till exempel i egna system kan det vara till nytta som ett sätt att lära av mänskliga korrigeringar och undvika återkommande fel och lära systemet vad man inte ska göra. Även med en högkvalitativ MT-motor kan automatisk redigering av inlägg hjälpa till att minska den mänskliga ansträngningen för efterredigering. 

APE kan också införlivas i datorassisterade översättningsverktyg (CAT) för att hjälpa innehållsgranskare vid redigering efter inlägg. Testresultaten för denna applikation har dock visat sig vara kontraproduktiva, eftersom lingvister tenderar att spendera mindre ansträngning på segment som har fått 90 procent (eller mer) av APE-verktyget och går vidare till nästa segment. Problemet är att 90 procents poäng kanske eller inte är korrekta. Ansträngningarna som språket spenderas minskar, men kvaliteten på den slutliga leveransen kan äventyras. Sammanfattningsvis, även om framsteg fortsätter inom området förutsägbara och faktiska kvalitetsmått, finns det fortfarande mycket mer att uppnå men framstegen fortsätter. 

Crowdsourcing-översättning: flytta mellan förväntningar och verklighet

Folkmassaöversättning  uppträdde först som en lösning för nystartade organisationer eller ideella organisationer som behövde flerspråkigt innehåll men hade begränsade lokaliseringsbudgetar. Numera används Crowdsourcing vanligtvis i sammanhang med maskinöversättning efter redigering. Det kan förbättra kvaliteten på maskinöversatt innehåll avsevärt, men det kan också vara utmanande när det gäller kvalitetsövervakning. 

Genom att bjuda in en ”folkmassa”, som kan vara en liten grupp kollegor eller klienter, eller till och med hela online-communityn, kan textsträngar översättas och kvalitetskontroll utförs genom peer-to-peer review - vem som helst kan lämna en kommentar eller korrektion. 

Risken är att allt beror på intresset och samarbetsviljan för publiken, liksom att inte veta om de är kvalificerade eller inte. Domen är att även om det är på en bra väg, finns det fortfarande en lång inlärningskurva att övervinna. 

Den kvarvarande frågan: Vart tar tekniken oss? 

Innehållsteknologi  fortsätter att utvecklas med ljusets hastighet och maskinöversättning är inget undantag. 

I dagens affärsvärld,  global kommunikation  sker i realtid. För att hålla jämna steg är automatisering oundviklig. Företag över hela världen vänder sig till maskinöversättning för att hålla jämna steg med den konstanta ökningen av innehållsvolymer och en växande “global by." 

Som med all ny design väcker denna tekniska utveckling intressanta frågor och dilemman. Var tar innehållstekniken oss? Kan vi komma överens om standardmått för mätning av maskinöversättningens kvalitet och prestanda? Kan vi säkerställa lika tillgång till data för alla? Hur hanterar vi innehållsintegritet? Kan kvaliteten på maskinöversättning verkligen bedömas utan mänsklig granskning? Håller lösningar för röstigenkänning i takt?

Som en global partner för innehållslösningar är vi glada över att vara en del av denna innehållsrevolution och fortsätta att hjälpa våra kunder att hitta  den perfekta teknikmixen  och kvalitetsnivån för att kommunicera effektivt med sina målgrupper över hela världen.