fbpx
pl
Wróć do listy
Tłumaczenie maszynowe

Czy dla trudnego języka, jakim jest polski, sprawdzi się tłumaczenie maszynowe?

Tłumaczenia maszynowe oparte na sieciach neuronowych to gorący temat, szczególne w przypadku języków o skomplikowanej składni i gramatyce, takich jak język polski. Case study zaprezentowane na konferencji LocWorld37 pokazało możliwość skutecznego biznesowego zastosowania neuronowych tłumaczeń maszynowych z języka angielskiego na polski.

W roku 2014 neuronowe tłumaczenia maszynowe (ang. NMT — Neural Machine Translation)były jedynie przedmiotem badań naukowych

.
W roku 2016 stały się dominującym podejściem do tematu tłumaczeń automatycznych. Obecnie zajmują się nim tacy giganci jak Google, Microsoft, Baidu, Amazon, Facebook oraz wiele innych firm pracujących nad technologiami językowymi.

Podczas odbywającej się po raz pierwszy w Warszawie konferencji LocWorld37 2018 — najważniejszej konferencji z branży tłumaczeń i lokalizacji na świecie, Jarosław Ganczarenko z GET IT oraz Andrejs Vasiļjevs z Tilde (partner technologiczny z Łotwy) zaprezentowali wynik wdrożenia silnika NMT do tłumaczenia tekstów prawnych z języka angielskiego na polski.

Język polski jest językiem szczególnie trudnym dla algorytmów tłumaczenia maszynowego

ze względu na skomplikowaną składnię i gramatykę oraz bogatą fleksję. Dlatego nie sprawdzają się w jego przypadku zwykłe tłumaczenia maszynowe (nieoparte na sieciach neuronowych).

Testy GET IT i Tilde zakończyły się sukcesem

i pokazały, że NMT poprawia jakość tłumaczenia na języki skomplikowane, takie jak polski, zapewniając większą płynność przekładu i lepsze dopasowanie do kontekstu niż dotychczas używane tłumaczenie maszynowe oparte na statystyce (ang. SMT — Statistical Machine Translation).

W praktyce oznacza to, że neuronowe tłumaczenia maszynowe są prawdziwym przełomem w tłumaczeniach automatycznych. Wpisują się one w rozwijający się od roku 2016 trend rozwoju sieci neuronowych, sztucznej inteligencji i uczenia maszynowego. Obszary te znajdują zastosowanie w rozpoznawaniu mowy, zdjęć, tworzeniu autonomicznych samochodów, automatyzacji badań medycznych itp.

Jak zastosowanie NMT przekłada się na konkretne korzyści dla klientów:

  1. Znacząco zwiększa się szybkość wykonania tłumaczenia — nawet do 100 stron na godzinę (tłumaczenie for info lub przeznaczone do późniejszej pracy z tekstem).
  2. Tłumaczenia maszynowe z posteditingiem (weryfikacją tekstu przez tłumacza) mogą być wykonane znaczenie szybciej (nawet 50%) niż tłumaczenie tradycyjne.

W GET IT z powodzeniem stosujemy silniki neuronowe MT do tłumaczenia tekstów prawnych i finansowych

w ramach oferty tłumaczeń SMART. Na tle darmowych translatorów rozwiązanie to wyróżnia się jeszcze jedną, niezwykle istotną dla firm korzyścią: bezpieczeństwem danych. Tłumaczenie SMART odbywa się z wykorzystaniem wewnętrznych, zabezpieczonych serwerów, więc przekazane przez klienta treści i dane (np. finansowe czy osobowe) są całkowicie bezpieczne i objęte rygorystycznymi procesami zapewniającymi pełną poufność danych.

Czytaj również

Jak uporządkować wieżę Babel, czyli zarządzanie terminologią w firmie.

Każda specjalizacja branżowa to oddzielny, często bardzo hermetyczny język. Dodatkowo każda firma posługuje się wewnętrznym żargonem, a w dużych organizacjach o zróżnicowanej strukturze różnice mogą występować nawet pomiędzy działami. Dodajmy do tego konieczność pracy równolegle w kilku językach i otrzymujemy istną terminologiczną wieżę Babel. Jak wobec tego zachować spójną, profesjonalną i bezpieczną komunikację firmową?

Zanim zaprosisz tłumacza — czyli co nieco o tłumaczeniach ustnych

Potrzebujemy tłumaczenia ustnego? Zapraszamy tłumacza, podajemy datę, języki… i zaczynają się problemy. Jak zamówić przekład ustny, aby uniknąć przykrych niespodzianek czy dodatkowych kosztów? Czy możemy zadbać o organizację spotkania lub konferencji, aby tłumaczenie było tak sprawne, że nikt go nie zauważy? Możemy zapewnić komfort pracy tłumaczowi, a sobie — święty spokój?

pl

"Jak zamawiać tłumaczenia?"

Bezpłatny poradnik dla biznesu. Pobierz teraz!