Machine Vertaling

Wat is machine vertaling?

Machine vertaling is een term die wordt gebruikt om te verwijzen naar het gebruik van algoritmen en modellen voor machine learning (ML) om natuurlijke taaltekst te vertalen van de ene taal naar de andere.

In deze context wordt de invoertaal de brontekst genoemd en de vertaalde taal de doeltekst.

Hoe werkt machine vertaling?

Automatische vertaaloplossingen splitsen de ingevoerde tekst op in woorden en zinnen en vertalen deze componenten naar de doeltalen zonder menselijke hulp.

Hoewel er veel verschillende benaderingen van machine vertaling zijn, is een van de meest gebruikte benaderingen, neurale machine vertaling, het trainen van een neuraal netwerk op een grote database van bestaande vertalingen, zodat het de meest waarschijnlijke volgorde van woorden kan voorspellen.

5 Soorten automatische vertaling

Er is een breed scala aan benaderingen die organisaties kunnen nemen in de richting van automatische vertaling. Enkele van de meest voorkomende worden hieronder beschreven.

1. Op regels gebaseerde automatische vertaling

Machine vertaling op basis van regels is een klassieke benadering van vertaling waarbij een menselijke taalexpert vastgestelde regels voor taal en structuur definieert. Deze regels bepalen hoe de ingevoerde tekst moet worden vertaald.

2. Statistische automatische vertaling

Statistische automatische vertaling is een oplossing die statistische modellen gebruikt om patronen te zoeken in bestaande vertalingen en deze te gebruiken om de tekst te vertalen op basis van woorden of zinnen.

Het gebruik van een zinsdeel-gebaseerde aanpak helpt bij het vertalen van hele reeksen in context in plaats van alleen individuele woorden.

3. Neurale automatische vertaling

Neurale automatische vertaling is een type automatische vertaling dat neurale netwerken gebruikt om de brontekst te vertalen. Deze oplossingen kunnen de context van woorden en zinnen afleiden en met hoge nauwkeurigheid vertalen.

Voorbeelden zijn Google Translate en Baidu Translate.

4. Hybride automatische vertaling

Bij hybride automatische vertaling worden meerdere vertaaltechnieken gebruikt als onderdeel van een uniforme oplossing.

Een systeem kan bijvoorbeeld op regels gebaseerde, statistische en neurale vertaling combineren om de nauwkeurigheid van de vertaling te maximaliseren.

5. Voorbeeldgebaseerde automatische vertaling

Voorbeeldgebaseerde automatische vertaling is een benadering van vertaling naar analogie waarbij een systeem wordt voorzien van een reeks zinnen en een reeks goedgekeurde vertalingen in de doeltaal.

Dit betekent dat wanneer de gebruiker een bepaalde zin invoert, het systeem deze automatisch kan vertalen naar de juiste vertaling.

Wat is het nut van machine vertaling?

Vertalers en organisaties gebruiken automatische vertaalsystemen om de vertaling van bronteksten in honderden verschillende talen te stroomlijnen.

Volgens Precision Reports werd de wereldwijde markt voor automatische vertalingen in 2021 geschat op 847,24 miljoen dollar en zal deze in 2027 naar schatting 2 107,56 miljoen dollar bedragen. Een deel van de reden voor de waarde van de markt is dat automatische vertaling een veel schaalbaardere aanpak biedt voor het vertalen van tekst dan vertrouwen op een menselijke vertaler.

Hoewel veel oplossingen zeer accuraat zijn, missen ze het vermogen om context af te leiden zoals mensen dat kunnen. Daarom kiezen veel organisaties voor automatische vertaling om teksten in bulk te vertalen en een voorlopige vertaling te maken voordat een menselijke vertaler de teksten controleert op nauwkeurigheid.

Hoe nauwkeurig is machine vertaling?

De nauwkeurigheid van machine vertalingen hangt niet alleen af van het type vertaaltechniek, maar ook van de uitvoering ervan. Over het algemeen is machine vertaling iets minder nauwkeurig dan menselijke vertaling.

Weglot, een vertaaldienst, heeft een onderzoek uitgevoerd naar vijf toonaangevende automatische vertaaltechnologieën (Amazon Translate, DeepL, Google Cloud Translation, Microsoft Translator en ModernMT) om hun effectiviteit te testen bij het vertalen van websitecontent en kwam tot de conclusie dat 85% van de voorbeeldbeoordelingen zeer goed of acceptabel waren in termen van bruikbaarheid.

Uit het onderzoek bleek ook dat “vertalingen van websites door hedendaagse NMT zeer bruikbaar zijn en meestal kleine bewerkingen vereisen”. Dit gezegd hebbende, toonde de studie niet de neiging van machine learning vertaalsystemen om bepaalde teksten uit hun context te vertalen.

Dit benadrukt dat machinevertalingen het beste werken wanneer ze worden nagelezen door een menselijke gebruiker. Op deze manier kunnen organisaties ervoor zorgen dat nauwkeurige vertalingen op tempo worden geproduceerd in de context van de oorspronkelijke tekst.