Машинний переклад (МП) — технології автоматизованого перекладу текстів (письмових та усних) з однієї природної мови на іншу за допомогою комп'ютера; напрямок наукових досліджень, пов'язаний з побудовою систем автоматизованого перекладу.
На базовому рівні, робота комп'ютерних програм для перекладу полягає у заміні слів чи словосполучень з однієї мови на слова чи словосполучення з іншої. Однак тоді виникає проблема, що така заміна не може забезпечити якісний переклад тексту, адже потрібне визначення та розпізнання слів та цілих фраз з мови оригіналу. Це спонукає активну наукову діяльність у галузі комп'ютерної лінгвістики. Наразі, для вирішення неоднозначностей при перекладі, використовуються багатомовні онтологічні ресурси, такі як WordNet та UWN.
Машинний переклад — одна з підгруп комп’ютерної лінгвістики, яка досліджує використання програмного забезпечення для перекладу тексту з однієї мови на іншу. На початковому рівні МТ виконує звичайну заміну слів з однієї мови на слова з іншої мови, але, зазвичай, переклад здійснений таким чином не є дуже якісним, адже для того щоб, повністю передати сенс речення, та знайти найспорідненіший аналог в «цільовій» (target language) — потрібній перекладачу мові, часто потрібно здійснювати переклад цілої фрази.
Вирішення цієї проблеми з статистичними (statistical) та нейронними (neural) системами перекладу є швидко зростаючою галуззю, яка веде до покращення перекладу, усунення різниці в лінгвістичній типології, перекладу ідіом та виділенню аномалій.
Сучасне програмне забезпечення для машинного перекладу має функцію зміни налаштувань за доменом (domain) — галуззю або професійною діяльністю (напр. метеорологічні звіти). Обмежуючи сферу допустимих замін/заміщень ми маємо змогу отримати кращий результат перекладу.
Цей метод є особливо ефективним в сферах де використовується формальна чи шаблонна мова. Це означає, що машинний переклад, наприклад, урядових та юридичних документів є більш якісним, ніж переклад розмовних чи будь-яких менш стандартизованих текстів.
Підвищення якості кінцевого продукту може також бути досягнуто шляхом людського втручання: наприклад деякі системи зможуть надати більш точний переклад, якщо користувач заздалегідь позначить які слова в тексті є власними іменами. За допомогою цих методів, МТ проявив себе як знаряддя, що дійсно допомагає перекладачам, а іноді, у дуже рідкісних випадках і сам може слугувати високоякісним перекладачем, здійснюючи переклад, який не потребує корекції. З моменту виникнення машинного перекладу (кінець 50-х років XX ст.) і до сьогодення науковці сперечаються щодо його прогресу та потенціалу.
Починаючи з 1950-х років ряд дослідників поставили під сумнів той факт, що автоматично здійснений переклад може бути високої якості.
Деякі критики стверджують що існують перешкоди, що унеможливлюють повну комп’ютеризацію процесу перекладу.
Автоматизований переклад
Замість «машинний» іноді вживається слово автоматичний, що не впливає на сенс. Проте термін автоматизований переклад має зовсім інше значення — в такому випадку програма просто допомагає людині перекладати тексти.
Автоматизований переклад передбачає такі форми взаємодії:
- Частково автоматизований переклад: наприклад, використання перекладачем-людиною комп'ютерних словників.
- Системи з поділом праці: комп'ютер навчений перекладати тільки фрази чітко заданої структури (але робить це так, що виправляти за ним не потрібно), а все, що не вклалося в схему, залишає людині.
В англомовній термінології також розрізняються терміни англ. machine translation, MT (повністю автоматичний переклад) і англ. machine-aided або англ. machine-assisted translation (MAT) (автоматизований); якщо ж треба позначити й те, й інше, пишуть — M(A)T.
Типи систем машинного перекладу
Існують два принципово різних підходи до побудови алгоритмів машинного перекладу: заснований на правилах (rule-based) і статистичний, або заснований на статистиці (statistical-based). Перший підхід є традиційним і використовується більшістю розробників систем машинного перекладу (ПРОМТ у Росії, SYSTRAN у Франції, Linguatec у Німеччині тощо).
МП на основі правил (Rule-based MT)
МП на основі правил (Rule-based MT — RBMT, «Класичний підхід» МП) — система машинного перекладу, сформована на базі лінгвістичної інформації з одномовних (unilingual), двомовних (bilingual) чи багатомовних (multilingual) словників та граматичних правил вихідної мови та цільової мови.
Система охоплює основні семантичні, морфологічні та синтаксичні закономірності кожної мови. Відповідно, для того щоб здійснити переклад, система повинна зробити попередній морфологічний, синтаксичний та аналіз тексту, і тільки після цього вона генерує речення. Найбільший мінус RB-перекладу полягає в тому, що для здійснення програмою коректного перекладу, її база даних повинна містити усі орфографічні варіації та помилкові форми введення слів, а для всіх випадків неоднозначності повинні бути написані правила лексичного відбору.
Сама по собі, адаптація до нових доменів є не таким вже і складним процесом, оскільки основи граматики для всіх доменів однакові, а налаштування сфер користувацької діяльності обмежується лише корекцією лексичного відбору.
Отож, така система машинного перекладу є першим, класичним методом його здійснення. Вона дозволяє отримати більш якісний результат, аніж статистичний метод, але синтезує переклад повільніше.
Статистичний переклад (Statistical MT)
Статистичний машинний переклад — це різновид машинного перекладу тексту, заснований на порівнянні великих обсягів мовних пар. Мовні пари — тексти, що містять речення однією мовою і відповідні речення іншою, можуть бути як варіантами написання двох речень людиною — носієм двох мов, так і набором речень та їх перекладів, виконаних людиною. Таким чином статистичний машинний переклад володіє властивістю «самонавчання». Чим більше в розпорядженні програми є мовних пар і чим точніше вони відповідають один одному, тим кращий результат статистичного машинного перекладу.
Під поняттям «статистичного машинного перекладу» мається на увазі загальний підхід до вирішення проблеми перекладу, який заснований на пошуку найімовірнішого перекладу речення з використанням даних, отриманих з двомовної сукупності текстів. Прикладом двомовної сукупності текстів можна назвати парламентські звіти, які являють собою протоколи дебатів у парламенті. Двомовні парламентські звіти видаються в Канаді, Гонконгу та інших країнах; офіційні документи Європейського економічного співтовариства видаються 11 мовами; а Організація Об'єднаних Націй публікує документи на декількох мовах. Як виявилося, ці матеріали є безцінними ресурсами для статистичного машинного перекладу.
Дана система базується на статистичному вирахуванні імовірності збігів. Задля виконання перекладу програма повинна мати доступ до сотень мільйонів документів, які заздалегідь були перекладені людьми. Такі документи слугують для системи шаблонами, на основі яких вона і здійснює переклад. Чим більше документів, тим вища ймовірність більш якісного перекладу.
На початку свого існування, з 2006 року, Google Translate базувався саме на статистичному методі машинного перекладу, і здійснений ним переклад був дуже низької якості, і вважався одним з найгірших варіантів перекладу, який може здійснити онлайн-перекладач. Сьогодні Google використовує «нейронний» метод МП і складає серйозну конкуренцію комерційним підприємствам, продукція яких не є безкоштовною.
«Нейронний» МП (Neural MT)
Даний підхід заснований на методі глибокого засвоєння інформації (deep learning).
Поглиблене навчання/Поглиблене засвоєння інформації (Deep learning) (також відоме як глибоке структурне навчання або ієрархічне навчання) є частиною більш широкої групи методів машинного навчання, що базуються на інтерпретації результатів навчання, на відміну від алгоритмів конкретних завдань. Навчання може бути як керованим, так і некерованим.
Машинне навчання (Machine learning) — комп’ютерна наука, яка дає комп’ютерам можливість засвоювати інформацію без попереднього запрограмування на цю дію. В останні роки «нейронний» МП відзначився стрімким розвитком своїх технологій, навіть компанія Google оголосила, що її перекладацькі сервіси на даний момент в переважній більшості використовують цей метод перекладу, аніж їх попередній статистичний метод.
Інші компанії включно з KantanMT, Omniscien Technologies та SDL також оголосили про подальше використання технології «нейронного» МП в 2017 році.
Для керовання перекладами, породжуваними моделлю GPT-3, потрібне конструювання підказок.
Гібридний МП (Hybrid MT)
Останнім часом все більшої популярності набирає гібридний МП (Hybrid machine translation [HMT]).
ГМП використовує сильні сторони обох систем машинного перекладу, в результаті користувач отримує якісний переклад, який забезпечує RBMT та високу швидкість, яку надає статистичний метод.
Кілька компаній, які займаються МП, наприклад Omniscien Technologies (колишня Asia Online), LinguaSys, SYSTRAN, PROMT та інші, стверджують, що використовують саме гібридний вид МП.
Види гібридного МП різняться між собою:
- Статистична корекція після виконання перекладу системою RBMT:
Спочатку переклади здійснюються системою RBMT, а після цього, з метою виправлення помилок або ж внесення власних корективів застосовується система статистичного МП.
- Статистичний метод, що керується правилами:
Правила використовують для попередньої обробки даних, задля здійснення кращого управління статистичним механізмом. Правила також використовують для обробки даних після здійснення статистичного перекладу для виконання такої функції як нормалізація.
Цей метод перекладу має багато переваг: він є більш потужним, гнучким (тобто здійснює якісний переклад в багатьох сферах діяльності). Система також контролює процес обробки контенту як при здійсненні завчасного перекладу, (наприклад, розподілу вмісту та термінів що не перекладаються) так і після здійснення перекладу (корегування та виправлення).
Нещодавно, з появою нейронного МП, з’явилася нова версія гібридного МП, яка поєднує в собі переваги 3 видів машинного перекладу: RB, статистичного та нейронного. Такий підхід дозволяє користуватися перевагами NMT та SMT які в процесі перекладу контролюються правилами RBMT. Єдиним недоліком цієї системи перекладу є невід‘ємна складність такої роботи, яка робить його нагідним лише для специфічних випадків використання. Одним з прихильників такого методу для складних випадків — Omniscien Technologies.
Машинний переклад в Україні
За даними 2013 року, українського виробництва є одна система машинного перекладу — Trident Software.
Компанія Трайдент Софтвер була заснована в 1998 році. Відтоді було розроблено декілька лінійок продуктів — Language Master, L-Master 98 і Pragma. Останньою розробкою є Pragma 6.x для англійської, латиської, німецької, польської, російської, української, французької та казахської мов. Перекладач має 56 напрямів перекладу і підтримує близько 50 тематик. Розробники стверджують:
«Користувачами нашого програмного забезпечення є державні органи влади та урядові установи України, банківські структури, великі індустріальні і фінансові компанії, усі загальноосвітні школи України, а також малий бізнес і приватні особи як в Україні, так і по всьому світу».
На території України подальший прогрес у цій галузі навряд чи можна назвати перспективним.
Сучасні українські розробники мають великий потенціал, але більшість із них працюють на великі закордонні компанії. Більшість із них, якщо і стають розробниками незалежних програм із перекладу, то реєструють свої компанії за кордоном, тож їх неправильно називати українськими. Отже, в сфері машинного перекладу більшість пересічних громадян користуються сайтами та програмами іноземного виробництва.
Лідером серед систем МП є Google (Перекладач Google). Його безкоштовна система на базі «нейронного» МП (Нейронний машинний переклад Google) здатна здійснювати більш-менш якісний переклад зі 103 мов та надає доступ до аудіосупроводу (щоправда, він доступний не для всіх мов).
Див. також
- Автоматизований переклад
- Історія машинного перекладу
- Обробка природної мови
- AI-повна задача
- PROMT
- Пост-редагування
Ця стаття не містить . (травень 2020) |
Це незавершена стаття з мовознавства. Ви можете проєкту, виправивши або дописавши її. |
- Fadelli, Ingrid. Study assesses the quality of AI literary translations by comparing them with human translations. techxplore.com (англ.). Процитовано 18 December 2022.
- Thai, Katherine; Karpinska, Marzena; Krishna, Kalpesh; Ray, Bill; Inghilleri, Moira; Wieting, John; Iyyer, Mohit (25 October 2022). Exploring Document-Level Literary Machine Translation with Parallel Paragraphs from World Literature (англ.). arXiv:2210.14250 [cs.CL].
Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет
Mashinnij pereklad MP tehnologiyi avtomatizovanogo perekladu tekstiv pismovih ta usnih z odniyeyi prirodnoyi movi na inshu za dopomogoyu komp yutera napryamok naukovih doslidzhen pov yazanij z pobudovoyu sistem avtomatizovanogo perekladu Na bazovomu rivni robota komp yuternih program dlya perekladu polyagaye u zamini sliv chi slovospoluchen z odniyeyi movi na slova chi slovospoluchennya z inshoyi Odnak todi vinikaye problema sho taka zamina ne mozhe zabezpechiti yakisnij pereklad tekstu adzhe potribne viznachennya ta rozpiznannya sliv ta cilih fraz z movi originalu Ce sponukaye aktivnu naukovu diyalnist u galuzi komp yuternoyi lingvistiki Narazi dlya virishennya neodnoznachnostej pri perekladi vikoristovuyutsya bagatomovni ontologichni resursi taki yak WordNet ta UWN Mashinnij pereklad odna z pidgrup komp yuternoyi lingvistiki yaka doslidzhuye vikoristannya programnogo zabezpechennya dlya perekladu tekstu z odniyeyi movi na inshu Na pochatkovomu rivni MT vikonuye zvichajnu zaminu sliv z odniyeyi movi na slova z inshoyi movi ale zazvichaj pereklad zdijsnenij takim chinom ne ye duzhe yakisnim adzhe dlya togo shob povnistyu peredati sens rechennya ta znajti najsporidnenishij analog v cilovij target language potribnij perekladachu movi chasto potribno zdijsnyuvati pereklad ciloyi frazi Virishennya ciyeyi problemi z statistichnimi statistical ta nejronnimi neural sistemami perekladu ye shvidko zrostayuchoyu galuzzyu yaka vede do pokrashennya perekladu usunennya riznici v lingvistichnij tipologiyi perekladu idiom ta vidilennyu anomalij Suchasne programne zabezpechennya dlya mashinnogo perekladu maye funkciyu zmini nalashtuvan za domenom domain galuzzyu abo profesijnoyu diyalnistyu napr meteorologichni zviti Obmezhuyuchi sferu dopustimih zamin zamishen mi mayemo zmogu otrimati krashij rezultat perekladu Cej metod ye osoblivo efektivnim v sferah de vikoristovuyetsya formalna chi shablonna mova Ce oznachaye sho mashinnij pereklad napriklad uryadovih ta yuridichnih dokumentiv ye bilsh yakisnim nizh pereklad rozmovnih chi bud yakih mensh standartizovanih tekstiv Pidvishennya yakosti kincevogo produktu mozhe takozh buti dosyagnuto shlyahom lyudskogo vtruchannya napriklad deyaki sistemi zmozhut nadati bilsh tochnij pereklad yaksho koristuvach zazdalegid poznachit yaki slova v teksti ye vlasnimi imenami Za dopomogoyu cih metodiv MT proyaviv sebe yak znaryaddya sho dijsno dopomagaye perekladacham a inodi u duzhe ridkisnih vipadkah i sam mozhe sluguvati visokoyakisnim perekladachem zdijsnyuyuchi pereklad yakij ne potrebuye korekciyi Z momentu viniknennya mashinnogo perekladu kinec 50 h rokiv XX st i do sogodennya naukovci sperechayutsya shodo jogo progresu ta potencialu Pochinayuchi z 1950 h rokiv ryad doslidnikiv postavili pid sumniv toj fakt sho avtomatichno zdijsnenij pereklad mozhe buti visokoyi yakosti Deyaki kritiki stverdzhuyut sho isnuyut pereshkodi sho unemozhlivlyuyut povnu komp yuterizaciyu procesu perekladu Avtomatizovanij perekladDokladnishe Avtomatizovanij pereklad Zamist mashinnij inodi vzhivayetsya slovo avtomatichnij sho ne vplivaye na sens Prote termin avtomatizovanij pereklad maye zovsim inshe znachennya v takomu vipadku programa prosto dopomagaye lyudini perekladati teksti Avtomatizovanij pereklad peredbachaye taki formi vzayemodiyi Chastkovo avtomatizovanij pereklad napriklad vikoristannya perekladachem lyudinoyu komp yuternih slovnikiv Sistemi z podilom praci komp yuter navchenij perekladati tilki frazi chitko zadanoyi strukturi ale robit ce tak sho vipravlyati za nim ne potribno a vse sho ne vklalosya v shemu zalishaye lyudini V anglomovnij terminologiyi takozh rozriznyayutsya termini angl machine translation MT povnistyu avtomatichnij pereklad i angl machine aided abo angl machine assisted translation MAT avtomatizovanij yaksho zh treba poznachiti j te j inshe pishut M A T Tipi sistem mashinnogo perekladuDokladnishe Isnuyut dva principovo riznih pidhodi do pobudovi algoritmiv mashinnogo perekladu zasnovanij na pravilah rule based i statistichnij abo zasnovanij na statistici statistical based Pershij pidhid ye tradicijnim i vikoristovuyetsya bilshistyu rozrobnikiv sistem mashinnogo perekladu PROMT u Rosiyi SYSTRAN u Franciyi Linguatec u Nimechchini tosho MP na osnovi pravil Rule based MT MP na osnovi pravil Rule based MT RBMT Klasichnij pidhid MP sistema mashinnogo perekladu sformovana na bazi lingvistichnoyi informaciyi z odnomovnih unilingual dvomovnih bilingual chi bagatomovnih multilingual slovnikiv ta gramatichnih pravil vihidnoyi movi ta cilovoyi movi Sistema ohoplyuye osnovni semantichni morfologichni ta sintaksichni zakonomirnosti kozhnoyi movi Vidpovidno dlya togo shob zdijsniti pereklad sistema povinna zrobiti poperednij morfologichnij sintaksichnij ta analiz tekstu i tilki pislya cogo vona generuye rechennya Najbilshij minus RB perekladu polyagaye v tomu sho dlya zdijsnennya programoyu korektnogo perekladu yiyi baza danih povinna mistiti usi orfografichni variaciyi ta pomilkovi formi vvedennya sliv a dlya vsih vipadkiv neodnoznachnosti povinni buti napisani pravila leksichnogo vidboru Sama po sobi adaptaciya do novih domeniv ye ne takim vzhe i skladnim procesom oskilki osnovi gramatiki dlya vsih domeniv odnakovi a nalashtuvannya sfer koristuvackoyi diyalnosti obmezhuyetsya lishe korekciyeyu leksichnogo vidboru Otozh taka sistema mashinnogo perekladu ye pershim klasichnim metodom jogo zdijsnennya Vona dozvolyaye otrimati bilsh yakisnij rezultat anizh statistichnij metod ale sintezuye pereklad povilnishe Statistichnij pereklad Statistical MT Syudi perenapravlyayetsya zapit Statistichnij mashinnij pereklad Na cyu temu potribna okrema stattya Statistichnij mashinnij pereklad ce riznovid mashinnogo perekladu tekstu zasnovanij na porivnyanni velikih obsyagiv movnih par Movni pari teksti sho mistyat rechennya odniyeyu movoyu i vidpovidni rechennya inshoyu mozhut buti yak variantami napisannya dvoh rechen lyudinoyu nosiyem dvoh mov tak i naborom rechen ta yih perekladiv vikonanih lyudinoyu Takim chinom statistichnij mashinnij pereklad volodiye vlastivistyu samonavchannya Chim bilshe v rozporyadzhenni programi ye movnih par i chim tochnishe voni vidpovidayut odin odnomu tim krashij rezultat statistichnogo mashinnogo perekladu Pid ponyattyam statistichnogo mashinnogo perekladu mayetsya na uvazi zagalnij pidhid do virishennya problemi perekladu yakij zasnovanij na poshuku najimovirnishogo perekladu rechennya z vikoristannyam danih otrimanih z dvomovnoyi sukupnosti tekstiv Prikladom dvomovnoyi sukupnosti tekstiv mozhna nazvati parlamentski zviti yaki yavlyayut soboyu protokoli debativ u parlamenti Dvomovni parlamentski zviti vidayutsya v Kanadi Gonkongu ta inshih krayinah oficijni dokumenti Yevropejskogo ekonomichnogo spivtovaristva vidayutsya 11 movami a Organizaciya Ob yednanih Nacij publikuye dokumenti na dekilkoh movah Yak viyavilosya ci materiali ye bezcinnimi resursami dlya statistichnogo mashinnogo perekladu Dana sistema bazuyetsya na statistichnomu virahuvanni imovirnosti zbigiv Zadlya vikonannya perekladu programa povinna mati dostup do soten miljoniv dokumentiv yaki zazdalegid buli perekladeni lyudmi Taki dokumenti sluguyut dlya sistemi shablonami na osnovi yakih vona i zdijsnyuye pereklad Chim bilshe dokumentiv tim visha jmovirnist bilsh yakisnogo perekladu Na pochatku svogo isnuvannya z 2006 roku Google Translate bazuvavsya same na statistichnomu metodi mashinnogo perekladu i zdijsnenij nim pereklad buv duzhe nizkoyi yakosti i vvazhavsya odnim z najgirshih variantiv perekladu yakij mozhe zdijsniti onlajn perekladach Sogodni Google vikoristovuye nejronnij metod MP i skladaye serjoznu konkurenciyu komercijnim pidpriyemstvam produkciya yakih ne ye bezkoshtovnoyu Nejronnij MP Neural MT Danij pidhid zasnovanij na metodi glibokogo zasvoyennya informaciyi deep learning Pogliblene navchannya Pogliblene zasvoyennya informaciyi Deep learning takozh vidome yak gliboke strukturne navchannya abo iyerarhichne navchannya ye chastinoyu bilsh shirokoyi grupi metodiv mashinnogo navchannya sho bazuyutsya na interpretaciyi rezultativ navchannya na vidminu vid algoritmiv konkretnih zavdan Navchannya mozhe buti yak kerovanim tak i nekerovanim Mashinne navchannya Machine learning komp yuterna nauka yaka daye komp yuteram mozhlivist zasvoyuvati informaciyu bez poperednogo zaprogramuvannya na cyu diyu V ostanni roki nejronnij MP vidznachivsya strimkim rozvitkom svoyih tehnologij navit kompaniya Google ogolosila sho yiyi perekladacki servisi na danij moment v perevazhnij bilshosti vikoristovuyut cej metod perekladu anizh yih poperednij statistichnij metod Inshi kompaniyi vklyuchno z KantanMT Omniscien Technologies ta SDL takozh ogolosili pro podalshe vikoristannya tehnologiyi nejronnogo MP v 2017 roci Dlya kerovannya perekladami porodzhuvanimi modellyu GPT 3 potribne konstruyuvannya pidkazok Gibridnij MP Hybrid MT Ostannim chasom vse bilshoyi populyarnosti nabiraye gibridnij MP Hybrid machine translation HMT GMP vikoristovuye silni storoni oboh sistem mashinnogo perekladu v rezultati koristuvach otrimuye yakisnij pereklad yakij zabezpechuye RBMT ta visoku shvidkist yaku nadaye statistichnij metod Kilka kompanij yaki zajmayutsya MP napriklad Omniscien Technologies kolishnya Asia Online LinguaSys SYSTRAN PROMT ta inshi stverdzhuyut sho vikoristovuyut same gibridnij vid MP Vidi gibridnogo MP riznyatsya mizh soboyu Statistichna korekciya pislya vikonannya perekladu sistemoyu RBMT Spochatku perekladi zdijsnyuyutsya sistemoyu RBMT a pislya cogo z metoyu vipravlennya pomilok abo zh vnesennya vlasnih korektiviv zastosovuyetsya sistema statistichnogo MP Statistichnij metod sho keruyetsya pravilami Pravila vikoristovuyut dlya poperednoyi obrobki danih zadlya zdijsnennya krashogo upravlinnya statistichnim mehanizmom Pravila takozh vikoristovuyut dlya obrobki danih pislya zdijsnennya statistichnogo perekladu dlya vikonannya takoyi funkciyi yak normalizaciya Cej metod perekladu maye bagato perevag vin ye bilsh potuzhnim gnuchkim tobto zdijsnyuye yakisnij pereklad v bagatoh sferah diyalnosti Sistema takozh kontrolyuye proces obrobki kontentu yak pri zdijsnenni zavchasnogo perekladu napriklad rozpodilu vmistu ta terminiv sho ne perekladayutsya tak i pislya zdijsnennya perekladu koreguvannya ta vipravlennya Neshodavno z poyavoyu nejronnogo MP z yavilasya nova versiya gibridnogo MP yaka poyednuye v sobi perevagi 3 vidiv mashinnogo perekladu RB statistichnogo ta nejronnogo Takij pidhid dozvolyaye koristuvatisya perevagami NMT ta SMT yaki v procesi perekladu kontrolyuyutsya pravilami RBMT Yedinim nedolikom ciyeyi sistemi perekladu ye nevid yemna skladnist takoyi roboti yaka robit jogo nagidnim lishe dlya specifichnih vipadkiv vikoristannya Odnim z prihilnikiv takogo metodu dlya skladnih vipadkiv Omniscien Technologies Mashinnij pereklad v UkrayiniZa danimi 2013 roku ukrayinskogo virobnictva ye odna sistema mashinnogo perekladu Trident Software Kompaniya Trajdent Softver bula zasnovana v 1998 roci Vidtodi bulo rozrobleno dekilka linijok produktiv Language Master L Master 98 i Pragma Ostannoyu rozrobkoyu ye Pragma 6 x dlya anglijskoyi latiskoyi nimeckoyi polskoyi rosijskoyi ukrayinskoyi francuzkoyi ta kazahskoyi mov Perekladach maye 56 napryamiv perekladu i pidtrimuye blizko 50 tematik Rozrobniki stverdzhuyut Koristuvachami nashogo programnogo zabezpechennya ye derzhavni organi vladi ta uryadovi ustanovi Ukrayini bankivski strukturi veliki industrialni i finansovi kompaniyi usi zagalnoosvitni shkoli Ukrayini a takozh malij biznes i privatni osobi yak v Ukrayini tak i po vsomu svitu Na teritoriyi Ukrayini podalshij progres u cij galuzi navryad chi mozhna nazvati perspektivnim Suchasni ukrayinski rozrobniki mayut velikij potencial ale bilshist iz nih pracyuyut na veliki zakordonni kompaniyi Bilshist iz nih yaksho i stayut rozrobnikami nezalezhnih program iz perekladu to reyestruyut svoyi kompaniyi za kordonom tozh yih nepravilno nazivati ukrayinskimi Otzhe v sferi mashinnogo perekladu bilshist peresichnih gromadyan koristuyutsya sajtami ta programami inozemnogo virobnictva Liderom sered sistem MP ye Google Perekladach Google Jogo bezkoshtovna sistema na bazi nejronnogo MP Nejronnij mashinnij pereklad Google zdatna zdijsnyuvati bilsh mensh yakisnij pereklad zi 103 mov ta nadaye dostup do audiosuprovodu shopravda vin dostupnij ne dlya vsih mov Div takozhAvtomatizovanij pereklad Istoriya mashinnogo perekladu Obrobka prirodnoyi movi AI povna zadacha PROMT Post redaguvannya Cya stattya ne mistit posilan na dzherela Vi mozhete dopomogti polipshiti cyu stattyu dodavshi posilannya na nadijni avtoritetni dzherela Material bez dzherel mozhe buti piddano sumnivu ta vilucheno traven 2020 Ce nezavershena stattya z movoznavstva Vi mozhete dopomogti proyektu vipravivshi abo dopisavshi yiyi Fadelli Ingrid Study assesses the quality of AI literary translations by comparing them with human translations techxplore com angl Procitovano 18 December 2022 Thai Katherine Karpinska Marzena Krishna Kalpesh Ray Bill Inghilleri Moira Wieting John Iyyer Mohit 25 October 2022 Exploring Document Level Literary Machine Translation with Parallel Paragraphs from World Literature angl arXiv 2210 14250 cs CL