Невронният машинен превод в момента е гореща тема, която изкушава много фирми с редовни преводачески нужди да развият собствения си вътрешнофирмен капацитет за невронен машинен превод (НМП). По пътя на логиката е по-добре фирмата сама да развие ресурсите си, отколкото да плаща на друг за същата услуга, но идва момент, в който това вече не е рентабилно.
Преди която и да е фирма да се реши на такава стъпка, тя трябва да вземе предвид 3 конкретни аспекта: необходимите ресурси, темпове на обучение и ползите от специализирането.
Въпросът за всеки бизнес разбира се е „Колко ще трябва да инвестираме, за да започнем да виждаме възвръщаемост?“ Организирането на работа с НМП изисква предварително инвестиране на съществено количество ресурси. Освен физическите параметри като пространство и графични процесори, НМП също изисква и сериозна инвестиция на време, данни и машинно обучение, преди да получите резултати.
А самият факт, че имаме налице резултати, не означава, че те са правилните резултати за вашия бизнес. При всички бизнес дейности има крива на обучението и това важи с особена сила за НМП, но въпреки че се използва изкуствен интелект, той може да се използва само съгласно програмирането си. И макар че разполагаме с нарастваща гама от софтуерни инструменти за разработването и управлението на невронни мрежи, същото не се отнася до инструментите за разработване и потвърждаване на точността на езиковите данни. НМП има нужда от големи количества данни (говорим за наистина огромно количество), като обучението и терминологията трябва да са взети само от обществено достъпни документи, като например многоезичните сборници на Европейския Съюз, поради което всяка вътрешна невронна мрежа ще се нуждае от дълго време, за да се адаптира към специфичните потребности и терминология на дадена фирма. Освен това поради обучението, което се прилага за речника на НМП, структурата и правилата на един единичен целеви език, фирмата ще се нуждае от ново специализирано обучение всеки път, когато трябва да добави нов език, а точността и количеството на наличните обществено достъпни сборници разбира се варират от език до език. Аглутинативните езици също така са доста трудни за обработка от системите за НМП в сравнение с романските и германските езици например.
На последно, но най-важно място се нарежда аспектът специализация. Въпреки че НМП представлява съществен напредък в сравнение със статистическия машинен превод, той не е перфектен и няма да избегне всички недостатъци на предшестващите модели на машинния превод, нито пък ще произвежда перфектни преводи и ще реши всички преводачески проблеми на фирмата ви. Дори фирмата ви да инвестира необходимите ресурси за изграждането на „съвършения НМП“, преводните резултати все пак ще изискват човешка намеса и редакция, за да се осигури качествено форматиране, стилистична и смислова точност, както и правилната употреба на специфичните терминология и стил за вашата фирма.
Тъй като разработчиците все още търсят решения за усъвършенстване на точността на НМП, най-сигурното решение е да поверите преводаческите си нужди на авторитетен доставчик на езикови услуги, който в идеалния случай вече е инвестирал в НМП и така елиминира несигурността, свързана с обучението на изкуствения интелект.
Ние в EVS Translations, например, автоматизирахме всички наши корпоративни и работни процеси в една съвременна система за управление на данни, а отделът ни за преводи и преводни технологии продължава да инвестира в решенията за превод с невронна машина.
При ежедневен превод на над 50 000 изречения на десетки езици в продължение на вече над 25 години, ние разполагаме с така наречените „големи данни“ вътрешно.
А благодарение на услугите, които предоставяме на водещи фирми и органи от всички индустриални сектори, нашите „големи данни“ са специализирани, структурирани в клъстери, разпределени по специфични видове терминология, и доказано точни.
В EVS Translations разполагаме с технологичните и езиковите инструменти за редовни машинни обучения във връзка с НМП, както и с експертния персонал, който отговаря точно на всичките ви езикови потребности.
