امروزه ترجمه ماشینی رو به گسترش بوده و بر همین اساس از ابزار های مختلفی برای افزایش دقت در ترجمه ماشینی استفاده می شود. یکی از روش هایی که موفقیت های نسبی در این زمینه به دست آورده است استفاده از شبکه های عصبی در ترجمه متون است. در این مقاله از وبلاگ ترجمه تخصصی ایرانیان به بررسی این نوع ترجمه خواهیم پرداخت.
امروزه با کمک تکنولوژی بسیاری از کارهایی که قبلا نیاز به صرف زمان و هزینه بالایی داشت، با سرعت انجام شده و صرفه جویی قابل ملاحظه ای در وقت و انرژی صورت می گیرد. بیش از ۱۰ سال از معرفی اولین رباتی که قادر به ترجمه متون باشد می گذرد. در این ۱۰ سال صنعت ترجمه پیشرفت های قابل ملاحظه ای داشته است و ماشین های ترجمه امروزی قابل مقایسه با سایت ها و ربات های ترجمه اولیه نیستند. البته به معنای اتمام این راه نیست و اگر بخواهیم دقیق تر بررسی کنیم، ترجمه ماشینی هنوز با اشکالات زیادی مواجه است ولی موفقیت هایی را هم به دست آورده است. یکی از مهمترین عوامل این موفقیت ها، استفاده از شبکه های عصبی مصنوعی است. برای درک اتفاقی که در شبکه عصبی می افتد کافی است برخورد اشخاص با ابرهای تیره را در نظر بگیریم. افراد مختلف بر اساس تجارب قبلی و اطلاعاتی که تا کنون تجربه کرده اند، احتمال می دهند که ابرهای تیره منشا بارش بوده و بنابراین در روزی که این ابرها در آسمان باشند، باران و رعد و برق، رخ خواهد داد. در مقابل در یک روز آفتابی کسی احتمال بارش را نمی دهد. تا کنون فکر کرده اید که چه اتفاقی رخ میدهد که ذهن شما قادر به پیش بینی هوا می شود؟ طبیعتا ما در ذهن خود یک معادله صریح و روشن نداریم ولی بازهم قادر به پیش بینی برخی از امور خواهیم بود. شبکه های عصبی مصنوعی که الهام گرفته از طبیعت هستند، بر همین اساس شکل گرفته اند. پدیده های طبیعی زیادی هستند که نمی توان رابطه یا روابطی به صورت صریح برای آن پیشنهاد نمود. مثلا میزان خوردگی ستون های یک پل فولادی به عوامل متعددی مثل پوشش ستون، میزان دبی و ارتفاع و سرعت آب، دمای محیط، تعداد ساعاتی که ستون در آب قرار دارد و …. وابسته است. با این که امکان شناسایی این عوامل وجود دارد ولی ارائه یک رابطه صریح عملا نشدنی است. برای مواردی از این قبیل از شبکه های عصبی مصنوعی استفاده می شود.
به زبان ساده شبکه های عصبی مصنوعی، روشی برای پیش بینی یک کمیت دلخواه با استفاده از داده هایی است که در گذشته انجام شده است. به عنوان مثال برای آب شستگی پل، شبکه ای تهیه شده و ۳۰ عامل مهم در نظر گرفته می شوند. حال بر اساس تعداد مشاهدات گذشته، وزن و میزان اهمیت هر عامل تعیین شده و در نهایت به جای ارایه یک رابطه صریح، شبکه ای به داده که با ورود داده، می توان از آن برای پیش بینی استفاده نمود. امروزه شبکه های عصبی مصنوعی کاربرد های مختلفی دارند که در رشته هایی مانند مهندسی دارند.
هرچند استفاده از شبکه های عصبی در ترجمه موجب پیشرفت هایی در زمینه ترجمه ماشینی شده است، اما هنوز ترجمه ماشینی فاصله زیادی با ترجمه تخصصی دارد. ترجمه ماشینی نمی تواند ترجمه تخصصی ارائه نماید و علی رغم استفاده از هوش مصنوعی، هنوز خروجی به صورت روان و سلیس نیست. یکی از مشکلاتی که در ترجمه ماشینی موجود است، عدم تطابق بین بندها و جملات یک متن است. زمانی که شما با استفاده از یک سایت ترجمه آنلاین، اقدام به ترجمه مقاله می نمایید متوجه می شوید که مفاهیم متن به صورت درستی انتقال پیدا نکرده اند. به بیان دیگر انسجام بین جملات و بندها وجود نداشته و خواننده این درک را دارد که هر بند در رابطه با یک موضوع خاص بیان شده است. علت این مسئله این است که هرچند استفاده از شبکه های عصبی مصنوعی در ترجمه متن مفید است و می تواند بهترین معادل برای کلمات داخل یک جمله را انتخاب کند ولی تمام متن به صورت واحد در نظر گرفته نمی شوند. در هوش مصنوعی معمولا جمله و بند عامل انتخاب کلمات هم معنی است و به همین دلیل هم هست که دو جمله متوالی (با وجود تناسب معنایی و مفهومی) به صورت کاملا مختلف ترجمه می شوند.
