Sixty years ago this week, scientis

Sixty years ago this week, scientists at Georgetown and IBM lauded their machine translation “brain,” known as the 701 computer. The “brain” had successfully translated multiple sentences from Russian into English, leading the researchers to confidently claim that translation would be fully handled by machines in “the next few years.”

Fast forward six decades, and MIT Technology Review makes a remarkably similar proclamation: “To translate one language into another, find the linear transformation that maps one to the other. Simple, say a team of Google engineers.”

Simple? Not exactly.

Even in the 1950s, IBM acknowledged that to translate just one segment “necessitates two and a half times as many instructions to the computer as are required to simulate the flight of a guided missile.” It’s also highly doubtful that the scientists at Google see anything “simple” about their new method, which relies on vector space mathematics.

Granted, there is a beautiful simplicity in statistical machine translation, such as Google Translate. Essentially, the more data you have, the better the probability of a high-quality translation as an end result. But what do you do when you don’t have enough data? Or in the case of Google, what do you do when the data might be out there somewhere, but it isn’t part of the free and public web that you’re designed to mine?

That’s when you come up with new techniques, just as Google has done. Their new method — one that is meant to complement, but not replace their statistical approach — automatically creates dictionaries and phrase tables without help from humans. The new technique uses data mining in order to compare the structure of one language to another, and then generates phrase tables and dictionaries accordingly. This means that Google won’t have to rely exclusively on documents available in two languages to improve its translation quality. It will have other methods, such as this new one, to add to the mix.

What does this mean? Even Google isn’t satisfied that statistical machine translation will move things along quickly enough. That method has its limitations, just like all methods do.

What’s fascinating is that every few months, starry-eyed and often misinformed journalists herald a new era for language translation, announcing a “groundbreaking milestone” related to a technology that has been around for 60 years.

And their claim is always the same: “The translation problem is solved!”

Unfortunately, equating such minor machine translation accomplishments with “solving the translation problem” is like assuming that because we’ve walked on the moon that we can all just pack up and move there. We can’t, and we may never be able to. But that doesn’t stop us from trying.

Machine translation, or computer-generated translation as we often call it at Smartling, is a technical marvel. It serves many important purposes, can be used properly in specific, limited cases, and is useful for a variety of tasks that are typically unrelated to the final output on the page. Personally, I’m a believer in making strides toward improving machine translation. For that reason, I profiled the work of Franz Och, the brain behind Google Translate, in Found in Translation.

However, machine translation is not going to replace professional human translators anytime soon. Here are six reasons why:

ผลลัพธ์ (ไทย) 1:

หกสิบปีที่ผ่านมาสัปดาห์นี้ นักวิทยาศาสตร์ที่จอร์จทาวน์และ IBM ยกย่องการแปลภาษาด้วยเครื่อง "สมอง เรียกว่าคอมพิวเตอร์ 701 "สมอง" ได้สำเร็จแปลหลายประโยคจากรัสเซียเป็นภาษาอังกฤษ นำนักวิจัยจะมั่นใจเรียกร้องให้ แปลจะเต็มที่จัดการ โดยเครื่อง "ปีนี้"กรอหกทศวรรษ และรีวิวเทคโนโลยี MIT ทำให้ประกาศอย่างคล้าย: "การแปลภาษาหนึ่งเป็นอีก ค้นหาการแปลงเชิงเส้นที่แมปหนึ่งไปยังอีก ง่าย บอกทีมงานวิศวกรของ Google "ง่าย ไม่ถูกต้องแม้ในปี 1950, IBM ยอมรับที่การแปลส่วนหนึ่งเพียง "necessitates สอง และแบบครึ่งครั้งเป็นหลายคำสั่งไปยังคอมพิวเตอร์จำเป็นในการจำลองการบินเป็นขีปนาวุธ guided" สงสัยสูญสูงว่า นักวิทยาศาสตร์ที่ Google เห็นอะไร "ง่ายๆ" เกี่ยวกับการวิธีการใหม่ ที่อาศัยคณิตศาสตร์เวกเตอร์ได้ได้รับ มีความเรียบง่ายสวยงามในทางสถิติแปลภาษาด้วยเครื่อง เช่น Google แปลภาษา หลัก ข้อมูลเพิ่มเติมที่คุณ มี ดีกว่าน่าเป็นของการแปลคุณภาพเป็นการทำ แต่อะไรที่คุณทำเมื่อคุณไม่มีข้อมูลเพียงพอหรือไม่ หรือในกรณีของ Google อะไรที่คุณทำข้อมูลอาจจะมีที่ใดที่หนึ่ง แต่มันไม่ได้เป็นส่วนหนึ่งของฟรี และประชาชนเว็บที่คุณกำลังออกแบบเหมืองนั่นคือเมื่อคุณมากับเทคนิคใหม่ เช่นเดียวกับที่ Google ได้ทำการ วิธีการใหม่ของพวกเขา — ที่จะหมายถึงการเติมเต็ม แต่แทนที่วิธีการทางสถิติของพวกเขา — สร้างพจนานุกรมและวลีตาราง โดยไม่มีความช่วยเหลือจากมนุษย์ เทคนิคใหม่ใช้การทำเหมืองข้อมูลเพื่อการเปรียบเทียบโครงสร้างของภาษาหนึ่งไปยังอีก และจากนั้น สร้างตารางวลีและพจนานุกรมตามลำดับ ซึ่งหมายความ ว่า Google จะไม่ต้องพึ่งเฉพาะเอกสารที่มีอยู่ในภาษาที่สองเพื่อปรับปรุงคุณภาพการแปล จะมีวิธีการอื่น ๆ เช่นนี้ใหม่ การเพิ่มการผสมมีอะไรบ้าง แม้แต่ Google ไม่พอใจการแปลด้วยเครื่องนั้นสถิติจะย้ายสิ่งต่าง ๆ ไปได้เร็วพอ วิธีการที่มีข้อจำกัด เหมือนทำทุกวิธีมีอะไรที่น่าสนใจคือที่ทุกสองสามเดือน starry-eyed และนักข่าวมักเข้าใจ herald ยุคใหม่สำหรับการแปลภาษา ประกาศ "แหวกแนวเหตุการณ์สำคัญที่เกี่ยวข้องกับเทคโนโลยีที่ได้รับรอบ 60 ปีและข้อเรียกร้องของพวกเขาเสมอกัน: "ปัญหาแปลสามารถแก้ไขได้"อับ สันนิษฐานดังกล่าวสำเร็จรองเครื่องแปล ด้วย "การแก้ปัญหาการแปล" เป็นเช่นสมมติว่าเนื่องจากเราได้เดินบนดวงจันทร์ที่เราเพียงสามารถจัดกระเป๋า และย้ายไปที่นั่น เราทำไม่ได้ และเราอาจไม่สามารถ แต่ที่ไม่ได้หยุดเราพยายามแปลภาษาด้วยเครื่อง หรือแปลคอมพิวเตอร์เรามักจะเรียกที่ Smartling เป็นมหัศจรรย์ทางเทคนิค มันทำหน้าที่ประการสำคัญมาก สามารถใช้ได้อย่างถูกต้องในกรณีเฉพาะ จำกัด และจะเป็นประโยชน์สำหรับความหลากหลายของงานที่ไม่เกี่ยวข้องโดยทั่วไปเพื่อผลลัพธ์สุดท้ายที่หน้า ส่วนตัว ผมเชื่อในการก้าวไปสู่การปรับปรุงการแปลภาษาด้วยเครื่อง สำหรับเหตุผลที่ ฉันประวัติผลงานของฟรานซ์และ สมองเบื้องหลัง Google แปล ในพบในการแปลอย่างไรก็ตาม เครื่องแปลจะไม่แปลภาษามนุษย์มืออาชีพแทนเร็ว ๆ นี้ นี่คือเหตุผลที่หกทำไม: