Wat is machinevertaling en hoe kan het de toegang tot de markt versnellen?

Wat is machinevertaling? Dat is een goede vraag, want deze technologie bestaat al sinds 1949. Machinevertaling, of de geautomatiseerde vertaling van tekst van de brontaal naar een andere via computersoftware, ziet er tegenwoordig heel anders uit dan tientallen jaren geleden, en het blijft zich snel ontwikkelen.

Als je je Babelfish uit het begin van de jaren 2000 nog steeds voorstelt als je aan machinevertaling denkt, zal het je misschien verbazen hoe nauwkeurig, handig en snel de technologie van vandaag is. Machinevertaling kan bedrijven nu snel en betrouwbaar helpen om nieuwe wereldwijde markten te betreden.

Het is niet langer de vraag óf je machinevertaling moet gebruiken, maar wanneer en hoe. Maar laten we eerst de vraag "Wat is machinevertaling?" beantwoorden. en verdrijf enkele veelvoorkomende mythes erover.

Wat is machinevertaling?

Simpel gezegd is machinevertaling een proces waarbij kunstmatige intelligentie (AI), machine learning en algoritmen automatisch tekst of spraak van de ene taal naar de andere vertalen, zonder een menselijke taalkundige. Tijdens dit proces wordt de oorspronkelijke tekst of taal de brontaal genoemd en de taal waarin u vertaalt de doeltaal.

Verschillende soorten automatische vertaalmethoden

Er zijn een handvol verschillende benaderingen van automatische vertaling, en elke benadering werkt enigszins anders.

Op regels gebaseerde automatische vertaling

Met rule-based machinevertaling (RBMT) gebruikt het AI-systeem taalkundige regels en tweetalige woordenboeken om tekst te vertalen. De taalkundige regels vertellen de AI hoe het woorden of zinsdelen uit de brontaal naar de doeltaal moet vertalen om de betekenis te behouden.

RBMT vereist menselijke vertalers om grammatica- en taalregels te creëren en te onderhouden, en om veel menselijke bewerkingen uit te voeren. Tegenwoordig is RBMT niet erg gebruikelijk vanwege de noodzaak van menselijke tussenkomst en de lage vertaalkwaliteit.

Statistische machinevertaling

Statistische machinevertaling (SMT), die minder menselijke input vereist dan RBMT, maakt in plaats daarvan gebruik van machine learning-algoritmen om vertalingen te voltooien. SMT analyseert een groot aantal bestaande menselijke vertalingen om patronen te identificeren. Deze patronen stellen het systeem vervolgens in staat om statistische modellen te ontwikkelen om te voorspellen hoe de tekst moet worden vertaald.

SMT is een verbetering ten opzichte van RBMT, maar loopt nog steeds tegen problemen aan met de nauwkeurigheid.

Machinevertaling op basis van syntaxis

Syntax-gebaseerde automatische vertaling (SBMT), een type SMT, vertrouwt op grammaticale regels en zinsstructuren om tekst te vertalen. Door voorbeeldzinnen en hun overeenkomstige vertalingen, of taalparen, te analyseren, kan SBMT syntaxisregels opnemen in de statistische vertaalmodellen die het bouwt.

Met deze aanpak kan SBMT complexe tekst nauwkeuriger vertalen, maar het vereist een groot aantal voorbeeldwoorden en -zinnen om op te trainen.

Neural Machine Translation

Neurale machinevertaling (NMT) leert hoe talen kunnen worden vertaald met behulp van een machine learning-methode die neurale netwerken wordt genoemd. Een neuraal netwerk werkt op dezelfde manier als een menselijk brein door gegevens door te geven via verschillende onderling verbonden knooppunten. Dit systeem stelt NMT in staat om met grote datasets te werken, aangezien elk knooppunt werkt om de brontaal te decoderen en de doeltaal te coderen.

Omdat NMT hele zinnen vertaalt in plaats van losse woorden of zinnen, klinken de vertalingen meestal natuurlijker. Omdat het door velen als de meest nauwkeurige automatische vertaalmethode wordt beschouwd, vertrouwen de meeste taalvertaaltechnologieën, waaronder Smartling, op NMT.

Hybride automatische vertaling

Hybride machinevertaling (HMT) maakt gebruik van twee of meer machinevertalingsmethoden om de resultaten van één vertaaloplossing te verbeteren. Meestal combineert HMT RBMT- en SMT-modellen, maar het kan ook NMT-modellen gebruiken.

HMT kan bijvoorbeeld SMT gebruiken om patronen te identificeren en te vertalen, RBMT om bepaalde taalkundige nuances te vertalen en NMT om nauwkeurigere en natuurlijker klinkende vertalingen te maken.

Wat is een computerondersteund vertaalhulpmiddel?

Naast automatische vertaaltools, automatiseren computerondersteunde vertaaltools (CAT) taken zoals het bewerken en beheren van vertalingen. Om dit te doen, voeren gebruikers tekst in het CAT-gereedschap in, dat de tekst vervolgens in alinea-, zin- of zinsdelen verdeelt. De tool slaat deze segmenten dan op in een database waartoe de automatische vertaalsoftware toegang heeft.

Aangezien CAT-software het vertaalproces versnelt, gebruiken veel bedrijven deze hulpmiddelen om hun vertaal- en lokalisatieprojecten te automatiseren.

3 belangrijke voordelen van machinevertaling

Met Smartling Translate kunt u binnen enkele seconden snel on-brand, aangepaste vertalingen maken. (Bron: Smartling

Het lokaliseren van gebruikerservaringen is belangrijker dan ooit: CSA Research ontdekte dat 76% van de consumenten het liefst in hun eigen taal winkelt. Gelukkig biedt machinevertaling verschillende voordelen die het ideaal maken voor bedrijven die nieuwe markten proberen te bereiken:

1. Verhoogde snelheid: Machinevertalingssoftware, zoals Smartling's NMT Hub of Smartling Translate, verbetert de efficiëntie door de handmatige taken die bij het vertaalproces komen kijken te automatiseren. Machinevertaling kan tot 7.000 woorden per dag omvatten, terwijl een menselijke vertaler gemiddeld 2.000 tot 3.000 woorden per dag kan vertalen.
2. Lagere kosten: Terwijl vertaaltarieven voor een menselijke vertaler doorgaans tussen $ 0,15 en $ 0,30 per woord liggen, kost machinevertaling veel minder - ongeveer $ 0,0012 tot $ 0,0050 per woord.
3. Gemak: Er bestaan nu talloze automatische vertaaldiensten, waaronder DeepL, Google Translate, Amazon Translate en Smartling. Deze diensten maken het gebruik van machinevertaling voor persoonlijke projecten, of zelfs voor meertalige zakelijke lokalisatieprojecten, veel handiger.

De voordelen van machinevertaling helpen bedrijven sneller nieuwe markten te bereiken met gelokaliseerde content.

De geschiedenis van automatische vertaling

De geschiedenis van machinevertalingbegon in 1949 toen het verscheen in Warren Weaver's Memorandum on Translation. Niet lang daarna ontstond er tijdens de Tweede Wereldoorlog behoefte aan snellere vertaling van militaire documenten, dus begonnen onderzoekers zoals Yehoshua Bar-Hillel in 1951 te experimenteren met machinevertaling.

Het in de praktijk brengen van machinevertaling was echter moeilijk. De eerste modellen, zoals het Georgetown IBM Experiment, waren gebaseerd op een reeks taalkundige regels. Samen met deze afhankelijkheid van professionele vertalers en regels, vereisten de automatische vertaalsystemen van de jaren 1950 meer gegevensverwerkingskracht en opslag dan de huidige technologie kon bieden.

In de jaren 1960 en '70 werd de ontwikkeling van machinevertaling voortgezet met SYSTRAN en METEO. Omdat deze systemen echter nog steeds op regels gebaseerde vertaling gebruikten, bleven onderzoekers worstelen om een tool te ontwikkelen die kon concurreren met menselijke vertalers.

In de jaren 1990 zag de opkomst van SMT, dankzij de beschikbaarheid van grote datasets voor taaltrainingen. SBMT-systemen wonnen ook aan populariteit, en beide nieuwe benaderingen van machinevertaling leidden tot een verbeterde nauwkeurigheid en vertalingen van hogere kwaliteit.

Aan het einde van de jaren '90 en het begin van de jaren 2000 gaf software zoals Babelfish en Google Translate, samen met de komst van internet, meer mensen toegang tot machinevertaling. En in 2016 introduceerde Google NMT, waardoor Microsoft en Amazon op de voet volgden. De kwaliteit van moderne machinevertalingen ligt nu nog dichter bij die van menselijke vertalers.

"[Neurale automatische vertaling] is geleidelijk de scheidslijn tussen menselijke en automatische vertaling aan het verdwijnen," zegt Jack Welde, oprichter en CEO van Smartling. "Het creëert meer mogelijkheden voor een productieve gesloten lus tussen machine en mens, inclusief machinegeschikte hulpmiddelen die de mens productiever maken en menselijke input die de machine nauwkeuriger maakt."

Wist je dat? De theorieën achter machinevertaling creëerden het gebied van natuurlijke taalverwerking.

3 mythes over machinevertaling

Hoewel machinevertaling al meer dan een halve eeuw bestaat, komen er nog steeds misverstanden voor. Laten we een aantal veelvoorkomende mythes over machinevertaling uit de weg ruimen.

Mythe 1: Machinevertaling zal menselijke vertalers vervangen

Feit: Er zal altijd behoefte zijn aan menselijke vertalers in het proces om culturele relevantie en nuance toe te voegen die machinevertaling niet kan bereiken.

Natuurlijk kan machinevertaling in bepaalde omstandigheden een deel van het werk van menselijke vertalers uit handen nemen. Maar beter zichtbaarde, gedetailleerde en complexere inhoud zoals webpagina's, mobiele apps of zelfs het marketingmateriaal van een bedrijf vereist menselijke nabewerking om nauwkeurigheid en relevantie te garanderen. Bovendien, als uw doeltaal minder gebruikelijk is, kan machinevertaling onnauwkeurige vertalingen opleveren vanwege een gebrek aan trainingsgegevens in die taal.

Machinevertaling kan ook moeite hebben met het vertalen van branchespecifieke inhoud, vooral als er geen gespecialiseerde datasets en modellen beschikbaar zijn. Dit is waar menselijke linguïsten met professionele of academische ervaring uitblinken. Ze kunnen machinevertalingsresultaten bewerken, zodat de vertaalde tekst duidelijk en nauwkeurig is.

Als alternatief kunt u op zoek gaan naar een automatische vertaalservice zoals Smartling waarmee u een aangepaste machinevertalingsmachine kunt trainen met behulp van woordenlijsten en vertaalgeheugen om fouten te verminderen en merknormen te handhaven.

Mythe 2: Alle automatische vertaalsoftware produceert dezelfde kwaliteit van vertaling

Feit: De kwaliteit is afhankelijk van de automatische vertaalmachine en de taal in kwestie.

Het zal u misschien verbazen te weten dat de nauwkeurigheid van machinevertalingstechnologie niet alleen afhangt van de engine die u gebruikt, maar ook van uw doeltaal.

PCMag testte bijvoorbeeld de nauwkeurigheid van verschillende machinevertalingen bij het vertalen van meerdere talen en ontdekte dat ChatGPT het meest nauwkeurig was voor het vertalen van Pools, maar Google Translate was het beste voor het vertalen van Tagalog. Het antwoord op de vraag welke machinevertalingsengine het beste is , verandert nog steeds naarmate updates worden uitgerold en engines trainen op nieuwe datasets. De NMT Hub van Smartling kiest uit meerdere engines om de vertaalkwaliteit te verbeteren. (Bron: Smartling)

De NMT Hub van Smartling zorgt ervoor dat u altijd de meest nauwkeurige vertaling krijgt die mogelijk is door uw inhoud automatisch door te sturen naar de automatische vertaalmachine die de beste resultaten levert op basis van uw project. De NMT Hub kiest tussen modellen zoals Amazon Translate, Watson Language Translator, GPT en PROMT, wat resulteert in vertalingen van tot 350% hogere kwaliteit.

Mythe 3: Het automatische vertaalproces vereist geen menselijke tussenkomst

Feit: Contextuele verificatie vereist nabewerking.

Zelfs NMT is wisselvallig als het gaat om context, dus menselijke redacteuren zijn nodig om ervoor te zorgen dat de beoogde betekenis nog steeds aanwezig is in uw pas vertaalde inhoud.

Bovendien kan de manier waarop machinevertaling werkt mogelijk vertekende resultaten opleveren. Dit is grotendeels te wijten aan gender- en culturele vooroordelen, evenals andere vooroordelen in de trainingsgegevens. Machinevertalingssystemen hebben bijvoorbeeld de neiging om geslachtsgebonden woorden te vertalen naar de overeenkomstige mannelijke versies vanwege de grote vertegenwoordiging van mannelijke figuren en spraak in de gegevens.

Voor gesproken vertalingen is dit een nog groter probleem. De Stanford Social Innovation Review merkt op dat de spraakherkenningssoftware van Google mannenstemmen 13% nauwkeuriger herkent dan vrouwenstemmen. Het verschil in nauwkeurigheid neemt verder toe als de stem toebehoort aan een vrouw van kleur of een gebruiker die met een accent spreekt.

Menselijke inbreng is nodig om vooroordelen te verminderen en weg te nemen - en machinevertalingstechnologie vereist waar mogelijk toegang tot diverse, onbevooroordeelde datasets.

Het vinden van de juiste vertaalmix

De kwaliteit van machinevertalingen is nog niet vergelijkbaar met die van professionele vertalers. Dit geldt met name voor bepaalde soorten inhoud, zoals juridische contracten, waarbij nauwkeurigheid een must is, of advertenties, die creativiteit vereisen om een boodschap over te brengen in een kleine hoeveelheid ruimte.

Hier leest u wanneer u machinevertaling moet gebruiken in plaats van menselijke vertaling, en wanneer u beide moet gebruiken.

Machine Translation

Met recente ontwikkelingen, waaronder NMT, is machinevertaling nu ideaal voor de volgende projecten:

• Tickets en berichten voor ondersteuning
• Gebruiker reviews
• Gebruikershandleidingen met een grote hoeveelheid inhoud
• Interne documentatie
• Kennisbanken en hulpgidsen
• Voetteksten van de website

Menselijke vertaling

U wilt een paar menselijke ogen als het gaat om het vertalen van dit soort inhoud:

• Startpagina's en bestemmingspagina's van websites
• Blogberichten
• Persberichten
• Advertenties
• E-mailmarketingcampagnes

Versnel de wereldwijde expansie: Lees onze gids om te leren hoe u uw website of mobiele app kunt vertalen met een vertaalbeheersysteem.

AI en menselijke vertaling

Werk je aan technische documenten of inhoud? Het is de moeite waard om machinevertalingssoftware te gebruiken om uw eerste vertaling te maken en vervolgens een menselijke vertaler de resultaten voor deze inhoud te laten beoordelen:

• Commerciële contracten*
• Octrooien
• Algemene voorwaarden
• Marketingmateriaal*
• SEO inhoud
• Producttitels en beschrijvingen

Gebruik de krachtige automatische vertaling van Smartling om indrukwekkende ervaringen te leveren

Machinevertaling heeft een lange weg afgelegd sinds de oprichting in 1949. Bedrijven kunnen nu vertrouwen op tools zoals Smartling Translate en de NMT Hub om gelokaliseerde content van hoge kwaliteit te leveren in minder tijd en voor een fractie van de kosten van menselijke vertaling.

Voor projecten die meer nuance en branchespecifieke expertise vereisen, biedt Smartling ook AI-aangedreven menselijke vertaling. Deze aanpak biedt u het beste van twee werelden: snelle machinevertalingen gevolgd door een menselijke beoordeling voor optimale nauwkeurigheid en relevantie.

Vertaal miljarden woorden in enkele minuten met de NMT Hub van Smartling, of bekijk onze vijf minuten durende demo om te ontdekken wat onze vertaaldiensten u uit handen kunnen nemen.