Algoritmo di traduzione di Google

Nel sistema neurale, l`elemento più piccolo non è una parola, ma frammenti di una parola. Ciò consente di concentrare la potenza di calcolo non sulle forme delle parole, ma sul contesto e sui significati della frase. GNMT utilizza circa 32.000 di questi blocchi. Secondo gli sviluppatori, ciò consente un`elevata velocità e precisione di traduzione senza consumare un`eccessiva potenza di calcolo.

L`analisi dei frammenti riduce notevolmente i rischi di una traduzione imprecisa di parole e frasi con vari suffissi, prefissi e finali.

Il sistema di autoapprendimento consente alla rete neurale di tradurre con elevata precisione anche quei concetti che sono assenti nei dizionari generalmente accettati - slang, gergo o neologismi.

Ma questo non è tutto. La rete neurale può funzionare anche lettera per lettera. Ad esempio, quando si traslitterano i nomi propri da un alfabeto all`altro.

Statistiche: è davvero migliorata?

Sono passati 2 anni dal lancio del sistema GNMT, quindi i risultati possono essere valutati.

Perché ora? Il fatto è che il sistema neurale funziona senza un database installato e ci vuole tempo per costruire e correggere i metodi di traduzione.

Ad esempio, l`impostazione di un modello di traduzione automatica che utilizza metodi statistici richiede da 1 a 3 giorni. Allo stesso tempo, la costruzione di un modello neurale della stessa dimensione richiederà più di 3 settimane.

È interessante notare che con un aumento della base, il tempo per l`elaborazione di un modello statistico cresce in una progressione aritmetica e per una rete neurale - in una progressione geometrica. Maggiore è la base, maggiore è l`intervallo di tempo, proprio come in questo esempio https://www.conveythis.com//.

E se consideriamo che Google Translate funziona con 10.000 combinazioni linguistiche (103 lingue), allora è chiaro che risultati adeguati si possono riassumere solo ora.

Analisi dei risultati

Nel novembre 2016, dopo il completamento completo della formazione del sistema e il lancio ufficiale dell`analisi, Google ha presentato un`analisi dettagliata dei risultati GNMT. Ne consegue che i miglioramenti nell`accuratezza della traduzione sono insignificanti, in media il 10%.

Le coppie linguistiche più popolari, come spagnolo-inglese o francese-inglese, hanno mostrato i maggiori guadagni, con un punteggio di precisione dell`85–87%.

Nel 2017, Google ha condotto sondaggi su larga scala sugli utenti di Google Translate: è stato chiesto loro di valutare 3 opzioni di traduzione: statistica automatica, neurale e umana. Qui i risultati sono stati più interessanti. La traduzione che utilizza le reti neurali in alcune coppie linguistiche si è rivelata molto vicina alla traduzione umana.

Come puoi vedere, la qualità della traduzione nelle combinazioni linguistiche inglese-spagnolo e francese-inglese è praticamente umana. Ma questo non è strano, perché è stato su queste coppie linguistiche che ha avuto luogo l`apprendimento profondo degli algoritmi.

Ecco gli stessi risultati tracciati in modo che tu possa vedere chiaramente la differenza con la traduzione automatica standard.

Altre combinazioni linguistiche

Con altre coppie linguistiche, la situazione non è così rosea, ma non ci sono ricerche su larga scala su di esse. Tuttavia, se con lingue simili nella struttura, la traduzione neurale funziona abbastanza bene, quindi con sistemi linguistici radicalmente diversi (ad esempio giapponese e russo), la traduzione è notevolmente inferiore alla traduzione umana.

Va notato che gli sviluppatori non hanno cercato di ottenere la massima precisione di traduzione durante l`avvio della rete neurale. Questo perché richiederebbe strutture euristiche complesse e ciò ridurrebbe notevolmente la velocità del sistema. Gli sviluppatori hanno cercato di trovare un equilibrio tra precisione e velocità. Secondo la nostra opinione soggettiva, l`hanno fatto. Riferimento: Wiki