Neural machine translation, czyli jeszcze lepszy Tłumacz Google

Tłumacz Google dotychczas był bardzo niedoskonałym narzędziem. Opierał się na statystycznym tłumaczeniu maszynowym, które (niestety) ma duży problem ze zrozumieniem szerszego kontekstu wypowiedzi. O ile przy tłumaczeniu pojedynczych słów, czy wyrażeń sprawdza się całkiem nieźle, o tyle zdania i dłuższe teksty stanowiły barierę nie do pokonania.

Jednak od 15 listopada dla 8 par językowych (angielski i francuski, niemiecki, hiszpański, portugalski, chiński, japoński, koreański, turecki) Tłumacz będzie stosował nową metodę przekładu – Neural Machine Translation.

Neural Machine Translation – jak to działa?

Mówiąc najprościej, w metodzie tej maszyna (taka jak Tłumacz Google) tłumaczy od razu całe zdanie zamiast jego poszczególnych części. Jednocześnie system nie „zapomina” o elementach składowych danego zdania.

Jak tłumaczy TechCrunch można to porównać do człowieka patrzącego na obraz, czy zdjęcie – patrzymy na całość i jednocześnie dostrzegamy jego poszczególne elementy.

„From mobile first to AI-first”

Nie jest to pierwszy i zapewne również nie ostatni projekt w coraz większym stopniu wykorzystujący potencjał machine learning, czy też szczątkowej sztucznej inteligencji. Sundar Pichai, CEO Google, jeszcze w październiku stwierdził, że zmierzamy w kierunku świata „AI-first”, czyli takiego, w którym sztuczna inteligencja będzie nam towarzyszyć na każdym kroku.

Wśród projektów, które w mniejszym lub większym stopniu korzystają z, czy też testują możliwości maszynowego uczenia się i sztucznej inteligencji, wymienić można między innymi:

• RankBrain – jeden z elementów algorytmu Google,
• Asystent Google,
• otwarcie oddziału badawczego do spraw SI,
• fragmenty polecane w wynikach wyszukiwania z odpowiedziami przygotowanymi przez uczący się algorytm,
• algorytm rozpoznający retinopatię cukrzycową (powodującą ślepotę).

Podsumowując, maszyny przejmują świat?

Rzeczywiście postępy w machine learning, deep neural networks i ogólnie pojętej sztucznej inteligencji wydają się być w ostatnim czasie imponujące. SI, w jednej ze swoich form, jest coraz częściej spotykana również w codziennym życiu. Przed nami jednak jeszcze daleka droga, a maszyny muszą się wiele nauczyć zanim choćby w niewielkim stopniu zaczną funkcjonować tak jak ludzki mózg.