Dalam beberapa tahun kebelakangan ini, komputer menjadi lebih mahir dalam menerjemahkan dari satu bahasa ke bahasa lain berkat penggunaan rangkaian saraf. Walau bagaimanapun, latihan AI biasanya memerlukan banyak kandungan terjemahan manusia untuk komputer.
Mikel Artex, saintis komputer di University of the Basque Country (UPV) dan pengarang salah satu makalah ini, membandingkan keadaan dengan memberikan seseorang buku yang berbeza dalam bahasa Cina dan buku yang berbeza dalam bahasa Arab, tanpa teks yang sama bertindih satu sama lain. Sangat sukar bagi manusia untuk belajar bagaimana menerjemahkan dari bahasa Cina ke bahasa Arab dalam senario ini, tetapi komputer dapat.
Dalam proses pembelajaran mesin yang biasa, sistem AI dipantau. Ini bermaksud bahawa ketika AI berusaha mencari jawapan yang tepat untuk setiap masalah yang diberikan, orang itu akan mengatakan sama ada betul atau tidak, dan, jika perlu, AI akan membuat penyesuaian.
Sebaliknya, AI mengkaji bagaimana kata-kata saling berkaitan dengan cara yang sama dalam bahasa yang berbeza - sebagai contoh, perkataan "meja" dan "kerusi" sering digunakan bersama, tanpa mengira dialek. Dengan membandingkan kombinasi ini untuk setiap bahasa dan kemudian membandingkannya, anda boleh mendapatkan idea yang baik mengenai istilah mana yang saling berkaitan.
Sistem ini dapat digunakan untuk menterjemahkan ayat yang lengkap, bukan hanya satu kata, dengan menggunakan dua strategi pembelajaran pelengkap. Terjemahan terbalik mengandaikan bahawa ayat yang ditulis dalam satu bahasa secara kasar diterjemahkan ke bahasa lain, dan kemudian kembali ke bahasa asalnya, jika AI tidak sesuai, ia menetapkan protokolnya secara berbeza. Pengurangan kebisingan adalah proses yang serupa dengan proses yang sama dalam teknik radio, tetapi dengan kata-kata yang dikeluarkan atau ditambahkan pada ayat. Menyelaraskan kaedah ini membantu mesin memahami dengan lebih baik bagaimana bahasa berfungsi.
Uji perbendaharaan kata
Kedua-dua sistem tersebut - satu yang dikembangkan di UPV dan yang lain oleh saintis komputer Facebook Guillaume Lampler - belum menerima penilaian pakar, tetapi kedua-duanya menunjukkan hasil yang menjanjikan dalam ujian awal.
Video promosi:
Untuk menilai kemampuan mereka menerjemahkan teks dari bahasa Inggeris ke bahasa Perancis dan sebaliknya, kira-kira 30 juta ayat dicadangkan untuk diterjemahkan. Kedua-dua AI berjaya memperoleh 15 mata. Terjemahan Google AI, yang menggunakan pembelajaran mesin yang diselia, mempunyai skor 40, sementara penterjemah manusia dapat memperoleh skor hingga 50.
Kedua-dua penyelidik bersetuju bahawa masing-masing dapat meningkatkan sistem AI pembelajaran kendiri mereka dengan membina karya yang lain. AI dapat dibuat lebih mampu dengan memasukkan beberapa ribu ayat selari ke dalam kurikulumnya, yang akan mengurangkan masa yang diperlukan untuk menguasai bahasa.
Serg kite
