Een (korte) geschiedenis van machinevertaling

Machinevertaling (MT) krijgt een slechte reputatie omdat het wordt gezien als van lage kwaliteit (en de resultaten zijn soms hilarisch) - maar het zou je verbazen hoe ver deze technologie is gevorderd sinds deze voor het eerst werd bedacht in 1949. Onlangs vonden we TAUS's uitgebreide tijdlijn van de geschiedenis van MT , en het is geweldig om te lezen. Maar als je geen tijd hebt om 63 jaar MT-vooruitgang te lezen, volgt hier een kort overzicht:

1949-65: Machine vertaalonderzoek begint

Het nieuwe gebied van "machinevertaling" verschijnt in Warren Weaver's Memorandum on Translation (1949), en de eerste onderzoeker op dit gebied, Yehosha Bar-Hillel, begint zijn onderzoek aan het MIT (1951). Een onderzoeksteam van Georgetown MT volgt (1951) met een openbare demostratie van zijn systeem in 1954. MT wordt aangeprezen als een oplossing om de VS te helpen het Russisch in de gaten te houden. Het is ook een van de eerste niet-numerieke toepassingen voor computers. MT-onderzoeksprogramma's duiken op in Japan en Rusland (1955), en de eerste MT-conferentie wordt gehouden in Londen (1956). Onderzoekers blijven zich bij het veld voegen, aangezien de Association for Machine Translation and Computational Linguistics in de VS wordt opgericht (1962) en de National Academy of Sciences een commissie (ALPAC) vormt om MT te bestuderen (1964).

1966-95: MT gaat aan het werk

Het rapport van ALPAC stelt dat MT niet kan concurreren met de kwaliteit van menselijke vertaling, en suggereert dat de financiering voor MT-onderzoek moet worden stopgezet. Maar het onderzoek gaat door. MT wordt ook ingezet: het Franse Textielinstituut om abstracts te vertalen van en naar het Frans, Engels, Duits en Spaans (1970); Brigham Young University start een project om mormoonse teksten te vertalen via geautomatiseerde vertaling (1971); en Xerox gebruikt Systran om technische handleidingen te vertalen (1978). Verschillende MT-bedrijven worden gelanceerd, waaronder Trados (1984), dat als eerste vertaalgeheugentechnologie ontwikkelde en op de markt bracht (1989). Het eerste commerciële MT-systeem voor Russisch/Engels/Duits-Oekraïens is ontwikkeld aan de Staatsuniversiteit Charkov (1991).

1996-2012: MT raakt het web

MT op het web begint met Systran, dat gratis vertalingen van kleine teksten aanbiedt (1996), gevolgd door AltaVista Babelfish, dat 500.000 aanvragen per dag verzamelt (1997). Franz-Josef Och (het toekomstige hoofd Vertaalontwikkeling bij Google) wint de MT-snelheidswedstrijd van DARPA (2003). Andere innovaties in deze periode zijn MOSES, de open-source statistische MT-engine (2007), een tekst/SMS-vertaalservice voor mobiele telefoons in Japan (2008), en een mobiele telefoon met ingebouwde spraak-naar-spraak-vertaalfunctie voor Engels, Japans en Chinees (2009). Onlangs kondigde Google aan dat Google Translate ongeveer genoeg tekst vertaalt om 1 miljoen boeken in één dag te vullen (2012).

Poeh! Dat is veel, en we hebben 90% van de geschiedenis van machinevertaling niet behandeld! Alle negatieve praat over MT lijkt te vergeten dat het een ongelooflijke, geavanceerde technologie is. De kwaliteit is lager dan menselijke vertaling , maar dat betekent niet dat het geen goede, praktische toepassingen heeft — zoals het vertalen van oude persberichten van vijf jaar geleden.

2013-Nu 

De afgelopen jaren zijn er aanzienlijke vooruitgang geboekt in machinevertalingstechnologie , waarbij Google's onderzoek naar Neurale Machinevertaling een optimistische toekomst voor de industrie impliceert. Het is duidelijk geworden dat machinevertaling zich verwijdert van de snelle en onhoudbare kwaliteitsoptie voor vertaalorganisaties, naar het aanbieden van een redelijk alternatief voor het vertalen van content met lage zichtbaarheid. In slechts een paar jaar tijd zijn er een hele reeks leveranciers van machinevertaling ontstaan die acceptabele kwaliteit beloven tegen een fractie van de kosten van professionele taalkundigen. De race om een concurrentievoordeel in kwaliteit is in volle gang en MT-aanbieders beginnen gedifferentieerde benaderingen te hanteren om de kwaliteit die hun systemen kunnen leveren te 'verhogen'. Tegenwoordig vallen zorgverleners over het algemeen in drie categorieën:

Hybride Human-MT-oplossingen (bijv. Unbabel) Domeinaangepaste machinevertaling (bijv. Lilt, IBM) Neurale machinevertaling (bijv. Google, Microsoft, SDL, Yandex) Bij Smartling zijn we ervan overtuigd dat machinevertaling snel een belangrijk onderdeel wordt van een effectieve globaliseringsstrategie. Hoewel het produceren van content tegen lage kosten en zo snel mogelijk een nadelig effect blijft hebben op de kwaliteit, biedt machinevertaling veel vertaalorganisaties een voorsprong bij het bereiken van de heilige graal van vertaalresultaten: een evenwicht tussen kosten, kwaliteit en time-to-market.

Zie deze link voor meer informatie over Smartling's Neural Machine Translation Hub.