- Väheste digitaalsete ressurssidega keelte töötlemise praeguste tehnoloogiliste piirangute analüüs.
- Neuraalse tõlke ja Zero-Shot'i lähenemisviisi uurimine keelelise mitmekesisuse säilitamise lahendustena.
- Inimfaktori ja järeltoimetamise olulisus kultuurilise ja tehnilise täpsuse tagamiseks.
Tänapäeval elame ülimalt ühendatud maailmas, kus peaaegu 8.000 miljardit inimest püüab üksteist mõista. Kuigi eksisteerib tuhandeid keeli, on tegelikkus selline, et käputäis domineerivaid keeliKeeled nagu inglise, hiina või hispaania koondavad valdava enamuse kõnelejatest, jättes tuhanded murded varju, püüdes vältida digitaalsesse unustusse kadumist.
Tehnoloogia on hüppeliselt arenenud ja meil on juba olemas tööriistad, mis aitavad meil võõrkeelse teksti põhitõdesid mõista. Kui aga süveneda sellesse valdkonda... vähemuskeeled või vähemusrahvastatud keeledAsjad lähevad keeruliseks, kuna andmete puudumine tähendab, et need tööriistad teevad mõnikord vigu või eiravad olulisi kultuurilisi nüansse.
Mida me täpselt vähemuskeelte all mõtleme?
Lihtsamalt öeldes on vähemuskeel keel, mida räägib väike rühm inimesi võrreldes piirkonna ametliku või domineeriva keelega. Kuid pidage meeles, et vähemuskeeleks olemine ei tähenda, et see oleks vähem väärtuslik; me räägime sageli vähemuskeeled, mis on need, mida on läbi ajaloo taga kiusatud, marginaliseeritud või keelatud.
Need keeled on sageli seotud väga spetsiifilised geograafilised territooriumid Ja kahjuks puudub neil sageli institutsionaalne tugi, mis viib selleni, et nooremad põlvkonnad lõpetavad nende õppimise. Selged näited meie piirkonnast on baski, katalaani ja kõmri keel, mis, kuigi mõnel neist on ametlik staatus, võitlevad jätkuvalt globaalsete keelte hegemoonia vastu.
Kui vaadata globaalset kaarti, on olukord kriitiline. Kesk-Ameerikas on indiaani keeli ning Okeaanias ja Aafrikas murdeid, mis on väljasuremise äärel, jõudes südantlõhestavate juhtumiteni, kus kogu planeedil on alles vaid üks elav kõneleja, nagu see on Taushiro puhul Peruus.
Masintõlke areng: reeglitest neuroniteni
Et mõista, miks nende keelte tõlkimine on nii keeruline, peate kõigepealt teadma, kuidas masinad töötavad. Varem Reeglipõhine tõlge (RBMT)mis oli sisuliselt hiiglaslik sõnastik jäikade grammatikareeglitega. Probleem oli selles, et tõlked olid liiga sõnasõnalised ja nõudsid iga reegli käsitsi kirjutamist asjatundlikelt keeleteadlastelt, mis oli tuhandete keelte puhul ebapraktiline.
Siis tuli Statistiline teisendus (SMT)mis reeglite asemel kasutab tohutul hulgal andmetel põhinevaid tõenäosusi. Kui masin näeb, et ingliskeelne fraas tõlgitakse tavaliselt hispaania keelde teatud viisil, eeldab see, et see on norm. Siin jäetakse vähemuskeeled mängust välja, kuna Kakskeelseid korpusi ei ole süsteemile õppimiseks piisab.
Praegu on nemad vastutavad. närvivõrgud (NMT)See tehisintellekt jäljendab inimese aju ja otsib sügavamat tähendust, selle asemel et lihtsalt sõnu sobitada. Kuigi tulemused kõlavad palju loomulikumalt ja sujuvamalt, tuginevad need siiski tohutule hulgale andmetele. Kui selles keeles digitaliseeritud tekste pole, pole tehisintellektil lihtsalt "materjali", millega töötada.
Innovatiivsed lahendused ja tee säilitamise suunas
Vaatamata takistustele ei anna mõned teadlased alla. On välja töötatud selliseid meetodeid nagu järgmised: Null-löögi tõlgekus tehisintellekt üritab üldiste mustrite põhjal tõlkida keelt, mida ta pole varem näinud. See on hämmastav edasiminek, kuigi see teeb endiselt vigu, mis nõuavad inimeselt tulemuse ülevaatamist.
Teine väga huvitav lähenemisviis on kasutada seotud keeledKujutage ette, et soovite midagi hispaania keelde tõlkida, kuid andmed puuduvad; süsteem otsib sarnasusi itaalia või prantsuse keeles (romaani keeled) ja loob hübriidsegu. Kuigi tulemuseks olev tekst on omamoodi segatud "žargoon", on see kasutajale piisavalt arusaadav, et aru saada üldisest ideest, võimaldades seega juurdepääsu raamatutele või veebisaitidele, mis varem olid ületamatud takistused.
Nende mootorite käitamiseks rakendatakse järgmisi strateegiaid: sünteetiliste andmete genereerimine (luues tehisintellekti treenimiseks tehisintellekti näiteid) või tehes otsest koostööd emakeelena kõnelejatega digitaalsete sõnaraamatute laiendamiseks. Vähemuskeeltes sisu üleslaadimine internetti on nüüd rohkem kui kunagi varem kultuurilise ellujäämise vahend.
Inimese tõlkija asendamatu roll
Oled ilmselt mõelnud, kas tehisintellekt asendab lõpuks tõlkijad. Lühike vastus on eitav, eriti vähemuskeelte puhul. Masin ignoreerib täielikult inimkõne nüansse. keelevälised elemendidSellised tegurid nagu sarkasm, sotsiaalne kontekst või kultuuriline tundlikkus võivad viia ränkade vigadeni.
Kriitilistes sektorites, nagu meditsiin, õigus või rahandus, võib terminoloogia viga põhjustada õigusvaidlused või majanduslikud kahjud tõsine. Me ei saa unustada reaalseid juhtumeid, kus automaattõlgete kasutamine poliitilise varjupaiga protsessides viis keeleliste arusaamatuste tõttu ebaõiglaste keeldumisteni.
Tekkimas on hübriidmudel: Neuraaltõlge järeltoimetamisegaSiin teeb masin kiire ja toore töö ning inimene lihvib teksti, parandab sidususe ja kohandab sõnumi sihtrühmale. Tehisintellekt ei ole ohuks, vaid pigem toeks, mis võimaldab tõlkijatel spetsialiseeruda Tehisintellekti revolutsioon tõlkesektoris et ära kasutada väga kasumlikke turuniše.
Keelelise mitmekesisuse säilitamise nimel võitlemine sõltub tasakaalust Poliitiline juhtimine ja tehnoloogiline innovatsioonNiikaua kui masinad jätkavad õppimist ja inimesed panustavad kultuuriliste nüansside loomisesse, on reaalne võimalus tagada, et ükski kultuur ei kustuks digitaalselt kaardilt lihtsalt seetõttu, et sellel on vähe kõnelejaid.
