In de afgelopen jaren zijn computers dankzij het gebruik van neurale netwerken veel bedrevener geworden in het vertalen van de ene taal naar de andere. AI-training vereist echter meestal veel door mensen vertaalde inhoud voor computers.
Mikel Arteks, computerwetenschapper aan de Universiteit van Baskenland (UPV) en auteur van een van deze werken, vergelijkt de situatie met iemand verschillende boeken in het Chinees en verschillende boeken in het Arabisch geven, zonder dat dezelfde teksten elkaar overlappen elkaar. In dit scenario zou het voor een mens erg moeilijk zijn om te leren vertalen van het Chinees naar het Arabisch, maar een computer kan dat wel.
In een typisch machine-leerproces wordt een AI-systeem bewaakt. Dit betekent dat wanneer de AI het juiste antwoord voor een bepaald probleem probeert te vinden, de persoon zal zeggen of het juist is of niet, en, indien nodig, de AI zal bijsturen.
In plaats daarvan leert AI op een nieuwe manier hoe woorden op dezelfde manier in verschillende talen met elkaar verwant zijn - de woorden 'tafel' en 'stoel' worden bijvoorbeeld vaak samen gebruikt, ongeacht het dialect. Door deze combinaties voor elke taal te vergelijken en vervolgens te vergelijken, kunt u een goed idee krijgen van welke termen aan elkaar gerelateerd zijn.
Deze systemen kunnen worden gebruikt om volledige zinnen te vertalen, niet alleen enkele woorden, met behulp van twee complementaire leerstrategieën. Omgekeerde vertaling gaat ervan uit dat een zin die in de ene taal is geschreven, grofweg in een andere taal wordt vertaald, en vervolgens terug naar de oorspronkelijke taal, in het geval van een mismatch, stelt de AI zijn protocollen anders op. Ruisonderdrukking is een proces vergelijkbaar met hetzelfde proces in radiotechniek, maar met woorden die worden verwijderd of toegevoegd aan de zin. Door deze methoden te synchroniseren, kan de machine beter begrijpen hoe de taal werkt.
Test woordenschat
Beide systemen - de ene ontwikkeld bij UPV en de andere door Facebook-computerwetenschapper Guillaume Lampler - moeten nog door experts worden beoordeeld, maar beide hebben veelbelovende resultaten laten zien bij de voorbereidende tests.
Promotie video:
Om hun vermogen te beoordelen om tekst van het Engels naar het Frans en vice versa te vertalen, werden ongeveer 30 miljoen zinnen ter vertaling voorgesteld. Beide AI's wisten 15 punten te behalen. De AI Google Translate, die gebruikmaakt van machine learning met supervisie, heeft een score van 40, terwijl menselijke vertalers tot 50 kunnen scoren.
Beide onderzoekers zijn het erover eens dat elk van hen hun zelflerende AI-systeem kan verbeteren door voort te bouwen op het werk van de ander. AI zou beter kunnen worden gemaakt door enkele duizenden parallelle zinnen in hun curriculum op te nemen, waardoor de tijd die het kost om de taal onder de knie te krijgen, zou verminderen.
Serg vlieger
