Google Çeviri

Google Translate, makine çevirisi için dünyanın en iyi bilinen ücretsiz aracıdır. Bu, Google’ın büyük veri hazinesi ve bir dilden n-gramları diğerinden makul n-gramlarla eşleştiren istatistiksel teknikler ile mümkün olmaktadır. Benim gibi çeviri endüstrisine yabancı bir kişi için, Google Translate ilk tanıtıldığında çeviri kalitesinde büyük bir sıçrama gibi görünüyordu. Bununla birlikte, o zamandan beri, kalite iyileştirmeleri herkes tarafından görülebildiğinde daha artımlı görünüyor. Google Translate nasıl bu kadar iyi oldu? Ve plato kalitesini nasıl önleyebilir ve daha da iyi olabilir?

Bir gazeteci olmanın parlak yönlerinden biri, böyle sorularınız olduğunda, en çok bilen insanları arayabilir ve onlara sorabilirsiniz. Google’ın basın ekibi, Google Translate’in mühendislik Direktörü Macduff Hughes ile konuşmak için bir teklifle e-postama yanıt verdi.

İlk olarak, Google tüm verilerini nereden aldı? Yaklaşık bir trilyon web sayfasından metin tarar ve kaydeder. Ancak, istatistiksel öğrenme algoritmalarını çalıştırmak için insan tarafından çevrilen metnin ne olduğunu nasıl biliyor? Belki de insanların motora beslenmek için metinleri itlaf ettiğini ve kodladığını düşündüm.

Ancak Hughes, arama motorunun sadece birbirlerinin çevirileri gibi görünen sayfaları aradığını açıkladı. Belki de aynı etki alanlarına sahiptirler, sadece biri /en ile biter ve diğeri /fr ile biter. Belki de aynı konumda uygun isimleri veya aynı sayıları vardır. Yazılım, bir çeviri olma olasılığı daha fazla veya daha az olduğu için bir eşleştirmeyi ağırlaştırmaz—bu bir ya-ya da ikili bir karardır, içeri ya da dışarı.

Nasıl bu kadar iyi mi? Kalitedeki ilk sıçrama, saf kütleden geldi. Üç Google araştırmacısının 2009 tarihli bir makalesi, insan fenomeni öğrencilerinin hissettiği “fizik kıskançlığına” cevap verdi. Klasik bir 1960 makalesi, F=ma gibi formüllerin gücünü öven “Doğa Bilimlerinde matematiğin mantıksız etkinliği” olarak adlandırılmıştı. Dilbilimin böyle bir formülü yoktur. Ancak Google araştırmacıları, 2009 makalelerini “verilerin mantıksız etkinliği ” olarak adlandırarak geri döndüler.”

Google’ın yaklaşımı, büyük bir veri hazinesi üzerinde basit bir yaklaşımın, sınırlı veriler üzerinde akıllı bir yaklaşımdan daha iyi olmasıdır. Çok fazla veri, hataları olacak, umut, … büyük kitlesel olarak birbirlerini iptal olur.

Tüm bu işaretlenmemiş, etiketlenmemiş dağınık verilere ek olarak, Google profesyonel çevirmenlerden bazı özel veriler alır: Avrupa Patent Ofisi, örneğin Google ile veri paylaşır, ancak Hughes bu EPO verilerinin (yüksek kalitesine rağmen) şu anda kamuya açık Google Translate’de herhangi bir özel ağırlığa sahip olmadığını söylüyor. Birçok kişinin Google Translate’i argo veya sözlü amaçlar için kullandığını, bunun için bir patent başvurusunda bu tür bir dile çok fazla ağırlık vermenin idealden daha az olacağını belirtti.

Ancak Google’ın bile muazzam miktarda verinin neler yapabileceğine dair sınırları vardır. Google Translate’in sunduğu birkaç düzine dilde binlerce potansiyel dil eşleşmesi var. Ancak, bu çiftlerin büyük çoğunluğu için (Fince-Zulu, diyelim ki), trilyon web sayfasında bile çok az veya hiç eğitim metni yoktur. Bu nedenle, Google Translate’de Fince dilini Zulu’ya çevirmeyi ümit eden bir kullanıcı, neredeyse kesinlikle ingilizce olan “köprü” dilinden geçecektir.

Bu, elbette, hata olasılığını artırır. Stanford’da dilbilim öğreten Asya Pereltsvaig, Google Translate’i “iki mutlu kaz” ile bir Rus kreş kafiyesini Fransızca’ya çevirdi ve deux oies gay—iki eşcinsel kaz aldı. Suçlu, elbette, İngilizce’de “eşcinsel” in çifte anlamı, Rusça ve Fransızca arasındaki köprü diliydi.

Bu başka bir soruna yol açar. Pereltsvaig bu ifadeyi Google Translate ile çevirdi, ancak kötü. Dud çevirisi artık Google tarafından taranacak ve Google Translate’e geri gönderilebilecek web’de yaşıyor. Ya hizmet, kabaca söylemek gerekirse, kendi atıklarını tüketirse?

Hughes sorunu açıkça kabul ediyor. Google, çevirilerini elektronik olarak “filigran” etmeyi denedi” böylece tarayıcı onları tanıyacak ve giriş olarak sisteme geri besleme hatalarından kaçınmaya çalışacaktır. Ve sonra sadece aynı metne sahip web sayfaları var—şüpheli bir şekilde—Google Translate’in sunduğu tüm diller. Sistem, bunların Google tarafından çevrildiğini tahmin edebilir ve bunları sisteme geri beslemekten kaçınabilir.

Daha fazla veri, zaten çok fazla olan bir organizasyona yardımcı olur mu? On trilyon sayfa bir trilyondan belirgin şekilde daha iyi olur mu? Hughes yine açık sözlü: en yaygın dil eşleşmeleri için “ ” daha fazla verinin yararlı olduğu sınıra ulaştık.”

Çabaları, Google Translate’i daha akıllı hale getirmek, kaliteyi geliştirip geliştirmediklerini görmek için kurallara dayalı geliştirmelerle oynamak zorunda kaldı. Başka bir deyişle, Google Translate’in ilk büyük sıçraması büyük veri ve bilgi işlem gücünden kaynaklanıyorsa, büyük diller için en azından bir sonraki sıçraması akıllı yazılım mühendisliğine daha fazla güvenecektir. Örneğin, otomatik ayrıştırma, çevirilerdeki sözcük sırasını iyileştirebilir.

Ve sinir ağlarından araştırma için özellikle heyecan verici bir yol olarak bahseder—bu, her şeyden önce, Google’ın konuşma tanıma konusunda özellikle yardımcı olmuştur.

Ama başka bir yol var: büyük bir yazılım şirketi, eski moda insan kullanıcılarından uzmanlıklarını geliştirmelerini istiyor. Sık sık Google Translate kullanıcısıysanız, muhtemelen sayfanın altındaki “Google Translate’i geliştirmeye yardımcı olun” ifadesini fark etmiş olursunuz. Bu kullanıcı odaklı çabalar, verilerin seyrek olduğu ve kullanıcıların istekli gönüllüler olduğu diller için özellikle ağır bir yumruk atıyor.

Google gibi bir veri titanı, verilerin sınırlarını bilecek kadar akıllıdır. Hughes, bazı (açıklanmayan) radikal atılımların Google Translate’in kalitesinde ani bir sıçramaya yol açabileceğini umuyor. Ancak bu olmasa bile, veri toplama döngüleri ve artan inovasyon, kalite iğnesini yavaş yavaş ilerletmeyi umuyor. Ve kalabalıkların bilgeliği-Google’ın kullanıcıları-daha da ileri gidebilir.