„Kapcs ford” – szólt Öcsi, a 20. századi Mézga család 30. századi leszármazottja, s már mehetett is a társalgás, mégpedig úgy, hogy Öcsi újmagyarul beszélt, Mézgáék az atom-ókor nyelvén, s mindenki a saját anyanyelvén hallotta beszélni a másikat.
Nyilván valamilyen magas mesterséges intelligencia alapú fordítógépet használhattak, mégpedig valós időben – mondhatnánk 21. századi nyelven. Majd negyven (38) évvel a sorozat debütálása után Mézgáék minden bizonnyal igencsak elámulnának, ha látnák, milyen eredményeket hoz a „kapcs ford”-nak megfelelő parancs. Az a telefon például, amelynek a fejlesztését a Google 2010-ben jelentette be, lehetővé teszi, hogy két, egymás nyelvét nem ismerő személy úgy folytasson telefonbeszélgetést, hogy mindkettő a saját nyelvét használhatja. Hasonló, beszédfelismerésre és statisztikai alapú fordításokra az iPhone is képes.
Négyféle a fordítás
Ma, amikor a mesterséges intelligenciát, illetve a gépi fordításokat egyre szélesebb körben alkalmazzák, egy adott nyelvről egy másik adott nyelvre történő fordítás eleve legalább négy különféle műveletet jelenthet: hagyományos emberi fordítást, gép által segített emberi fordítást, ember által asszisztált gépi fordítást, valamint teljesen automatikus gépi fordítást. Már egy „Hol és hová tart a gépi fordítás?” című, 2011-es kerekasztal-beszélgetésen, Tihanyi László (MorphoLogic) és Faragó Gábor (espell-csoport) megállapították, hogy e rendszerek egyre jobbak lesznek, „mind az üzleti életben, mind a fogyasztói kütyük virtuális valóságában”.
Alapvetően két módszer terjedt el a gépi fordításban: az egyik a nyelvtani szabályok gépi detektálására épül, ezt nevezik szabály alapú fordításnak; ezt alkalmazza Magyarországon a webforditas.hu oldalt üzemeltető MorphoLogic. A Noam Chomsky által leírt generatív grammatikán alapul, melyben véges számú nyelvtani szabály végtelen számú mondatot generálhat.
A másikat, a statisztikai módszert ma túlnyomórészt a Google Translate és a Bing motorja használja, de például a SysTran, az egyik legrégebben használt fordítóprogram is. A Google is ezt használta a saját motorja előtt. Ezeket a programokat a nyelvtani szabályok nem is érdeklik, ehelyett hatalmas méretű nyelvi adattárakat – több nyelvű korpuszokat – építenek, amelyekben korábbi fordításokat tárolnak, indexelnek és elemeznek, s nem a legjobb fordítási megoldás kiválasztásával próbálkoznak, hanem azt számítják ki, melyik mondat lesz a statisztikailag legvalószínűbb fordítás.
Jó tanulók
Mind a szabály alapú, mind a statisztikai fordítómotorok tanulnak. Teljesítményük számos tényezőtől függ. Ígéretes, ámulatba ejtő és kezdetleges, gyakran komikus eredmények is születnek. A „Szabadság, szerelem” című Petőfi-verset (Szabadság, szerelem! /E kettő kell nekem. /Szerelemért föláldozom az életet, /Szabadságért föláldozom szerelmemet) a MorphoLogic webfordítója, illetve a Google fordító segítségével előbb angolra fordítottuk, majd ugyanazzal vissza, magyarra.
MorphoLogic: „Szabadság, szeress! /E kettő nekem szükségem van rá. /Feláldozom az életet a szeretetemért, /Feláldozom a szerelmemet egy szabadság iránt.”
Google: „Szabadság, szerelem! /Ez a két amire szükségem van. /Miért föláldozom az élet szeretete, /szerelem Szabadság föláldozom.” Feltűnő színvonalkülönbség nincs a (kétszer) két fordítás között, legalábbis Petőfi fordításakor…
|
Mandarax |
|---|
|
Ki más, mint Kurt Vonnegut talált ki (vagy írt le) egy univerzális fordítógépet a „Galápagos” című 1985-ben (!) megjelent regényében. A Mandarax olyan, mint egy mai okostelefon: kis tégla, legnagyobbik felületén képernyővel. Bármilyen nyelvről bármilyenre valós időben fordít, mellesleg speech-to-text átalakítást végez: ki is írja a szöveget. Nyilván a műtől nem teljesen függetlenül kapta a nyílt forrású, Java alapú, következtető szoftvermotor ugyanezt a nevet. A Mandarax eljáráskönyvtárat a gépi fordításban és számos más mesterségesintelligencia-megoldásban alkalmazzák. |
A gyakorlat
Saját, statisztikai motorjával a Google először az ENSZ dokumentumait dolgozta fel, amelyek mind elérhetők voltak a világszervezet hivatalos nyelvein: angolul, franciául, oroszul, spanyolul, kínaiul és arabul. Ezek a rendszerek két adattárral dolgoznak. Az egyikben szövegpárok vannak, vagyis egy szöveggyűjtemény az egyik nyelven és annak fordítása a másik nyelven. A másik adatbázis a célnyelven írt szövegek gyűjteménye. Előfordulnak megmosolyogtató fordítások, például amikor az „Isten, áldd meg a magyart” verssort a gép „God bless the United States”’ alakra fordította. Logikusan járt el, hiszen statisztikailag az „Isten áldja” szókapcsolat után a leggyakrabban a „magyart” szó szerepelt a magyar korpuszban, az angol adatbázisban pedig a „God bless” után a leggyakrabban a „the United States” következett.
Ezeket a hibákat azóta kiküszöbölték, ám hasonlók bármikor előfordulhatnak. Ugyanakkor az okos gépek tanulnak kudarcaikból, és minél nagyobb adatbázisból dolgoznak (melynek méretét a Google esetében aligha lehetne túlbecsülni), annál kevesebb „God bless the United States” típusú hibára kell számítani.
Maga a gépi fordítás lehet közvetlen, egyik nyelvről a másikra történő, de gyakran alkalmaznak közvetítő nyelvet. Ez főleg akkor hasznos, ha a közvetítő nyelv jól modellezhető, az átlagosnál vagy jóval szabályosabb nyelv – amilyen az eszperantó, vagy az amerikai légi irányítástól a wikipédiáig széles körben elterjedt Simplified English – és elvben számos kibernetikus nyelv, vagy pedig akkor, ha a közvetítő nyelv mérete, elterjedtsége és korpuszának méretei miatt pontosabb eredménnyel kecsegtet. Természetesen az angolt előszeretettel használják közvetítő nyelvként a fordításokban. A tapasztalatok szerint egyébként azok a jó közvetítő nyelvek, amelyekre vagy amelyekről egyszerűbb fordítani, illetve amelyre (amelyről) a többi nyelvnél nagyobb mennyiségű fordítás készül.
Számos, igénytelen weboldalon találkozhatunk gépi fordítással. Látható, hogy még jó ideig nem fogja kiszorítani az emberit, de már hasznos segítség.
Gerlóczy Ferenc
