Tłumacz Google dotychczas był bardzo niedoskonałym narzędziem. Opierał się na statystycznym tłumaczeniu maszynowym, które (niestety) ma duży problem ze zrozumieniem szerszego kontekstu wypowiedzi. O ile przy tłumaczeniu pojedynczych słów, czy wyrażeń sprawdza się całkiem nieźle, o tyle zdania i dłuższe teksty stanowiły barierę nie do pokonania.
Ludzie też mają czasami problem z językami obcymi; źródło: YouTube
Jednak od 15 listopada dla 8 par językowych (angielski i francuski, niemiecki, hiszpański, portugalski, chiński, japoński, koreański, turecki) Tłumacz będzie stosował nową metodę przekładu – Neural Machine Translation.
Neural Machine Translation – jak to działa?
Mówiąc najprościej, w metodzie tej maszyna (taka jak Tłumacz Google) tłumaczy od razu całe zdanie zamiast jego poszczególnych części. Jednocześnie system nie „zapomina” o elementach składowych danego zdania.
Proces tłumaczenia z chińskiego na angielski w ramach NMT; źródło: Google Research Blog
Jak tłumaczy TechCrunch można to porównać do człowieka patrzącego na obraz, czy zdjęcie – patrzymy na całość i jednocześnie dostrzegamy jego poszczególne elementy.
„From mobile first to AI-first”
Nie jest to pierwszy i zapewne również nie ostatni projekt w coraz większym stopniu wykorzystujący potencjał machine learning, czy też szczątkowej sztucznej inteligencji. Sundar Pichai, CEO Google, jeszcze w październiku stwierdził, że zmierzamy w kierunku świata „AI-first”, czyli takiego, w którym sztuczna inteligencja będzie nam towarzyszyć na każdym kroku.
Źródło: Google Assistant
Wśród projektów, które w mniejszym lub większym stopniu korzystają z, czy też testują możliwości maszynowego uczenia się i sztucznej inteligencji, wymienić można między innymi:
- RankBrain – jeden z elementów algorytmu Google,
- otwarcie oddziału badawczego do spraw SI,
- fragmenty polecane w wynikach wyszukiwania z odpowiedziami przygotowanymi przez uczący się algorytm,
- algorytm rozpoznający retinopatię cukrzycową (powodującą ślepotę).
Podsumowując, maszyny przejmują świat?
Rzeczywiście postępy w machine learning, deep neural networks i ogólnie pojętej sztucznej inteligencji wydają się być w ostatnim czasie imponujące. SI, w jednej ze swoich form, jest coraz częściej spotykana również w codziennym życiu. Przed nami jednak jeszcze daleka droga, a maszyny muszą się wiele nauczyć zanim choćby w niewielkim stopniu zaczną funkcjonować tak jak ludzki mózg.
Źródła: The Keyword: Found in translation; TechCrunch; The Keyword: Detecting diabetic eye disease; The Keyword: A personal Google, just for you; Wikipedia; Moz; Search Engine Land; Wired; Google Research Blog