В останні роки розробникам вдалося домогтися успіхів у машинному перекладі і багато в чому — завдяки використанню нейромереж, які дозволяють враховувати контекст переведених слів. Два роки тому “рекордно точний” машинний переклад на основі глибокого навчання представила Google.
Зазвичай системи машинного перекладу перед запуском перевіряються або за допомогою спеціальних алгоритмів, або вручну людьми. У другому випадку перевірка, нехай і відбувається повільніше, дозволяє оцінити якість набагато повніше. Проте, навіть така перевірка в основному проходить на рівні пропозицій, і значно рідше — тексту, що може відбитися на зв’язності цілого тексту і, як наслідок, його розумінні читачем.
Новий метод для оцінки якості машинного перекладу запропонували вчені під керівництвом Самюеля Лойблі з Цюріхського університету. Їх метод оснований на оцінці експертами всього двох параметрів: відповідності початкового тексту (adequacy) і плавності (fluency). Така оцінка зводиться до вибору кращого варіанту перекладу на основі двох питань: “Який переклад краще передає зміст вихідного тексту?” І “Який переклад граматично більш правильний?”.
Для перевірки свого методу вчені попросили 100 професійних перекладачів оцінити фрагменти перекладу з китайської на англійську: частина з них була зроблена перекладачами, а частина — за допомогою машинного перекладу. Дослідники з’ясували, що за обома параметрами тексти, перекладені людьми, перевершують машинний переклад.
Автори таким чином показали, що методики оцінки якості машинного перекладу повинні вийти на більш широкий контекстний рівень: кількох пропозицій або навіть цілих текстів.
Нагадаємо, влада Великої Британії оголосила про намір провести випробування мережі стандарту 5G на залізниці. Під час випробувань планується перевірити можливість нового стандарту забезпечувати безперервний високошвидкісний доступ до інтернету на всьому протязі маршруту.