211service.com
Repetez, en anglais, s’il vous plait
Alors que la qualité des traductions rendues par ordinateur s'est considérablement améliorée au cours des 20 dernières années, certains résultats sont toujours aussi maladroits grammaticalement que les instructions sur un emballage de baguettes. Prenons, par exemple, un site Web pour un Ferme de pommes japonaise qui a été converti en anglais à l'aide de Google service de traduction automatique :
Le potager Someya ça passera très bien ! Il est planté en 1954, de plus, même maintenant, il dépasse l'âge de l'arbre de 50 ans avec prospérité, grand - à venir l'arbre anormal jouer la pomme d'alligator est fructifié. La pomme savoureuse, où la différence de température du jour et de la nuit s'est resserrée pour être extrême, préfecture de Gunma, ville de Numata, dont quatre saisons sont claires, grande la nature, dure est créée. *
Oui, la vue d'ensemble est claire, mais l'algorithme de traduction du japonais vers l'anglais de Google perd beaucoup de choses. Google propose sa fonction de traduction depuis plusieurs années, tout comme la société Internet basée au Canada Poisson de Babel . Plus récemment, cependant, les développeurs de logiciels commerciaux ont commencé à explorer la traduction au-delà d'une page Web statique ou d'un document électronique et appliquent la technologie aux conversations de messagerie instantanée Internet en temps réel. Plus tôt ce mois-ci, AvMedia a publié une messagerie instantanée traducteur conçu pour faciliter la conversation avec des amis qui parlent allemand, espagnol, français, italien et portugais pour les anglophones, et vice versa (le français peut également être traduit en allemand et l'allemand en français).
Mais tous ces logiciels manquent encore de précision suffisante pour être utiles dans des situations exigeantes, telles que les négociations commerciales ou la planification militaire. C'est probablement parce que la plupart des logiciels commerciaux suivent une approche traditionnelle de la traduction automatique, explique Kevin Knight, informaticien à l'Université de Californie du Sud. Institut des sciences de l'information (ISI) et co-fondateur de la société californienne Tisserand de langue .
Traditionnellement, les logiciels de traduction automatique dépendent d'algorithmes qui trient des milliers de règles de grammaire pour les deux langues à traduire, explique Knight. Le problème, explique-t-il, est que tant de règles doivent être écrites manuellement, tout comme les exceptions à ces règles, et l'inexactitude s'installe lorsque des ensembles complexes de règles se contredisent. Si vous écrivez la 5000ème règle, parfois vous cassez des choses, dit Knight.
Avec Language Weaver et ses recherches à l'USC, Knight, ainsi qu'une poignée d'autres chercheurs à travers le monde, abordent le problème différemment. Au lieu de suivre des règles grammaticales rigides, Language Weaver fait correspondre les mots et les phrases corrects dans toutes les langues en fonction de la probabilité que ces mots et phrases soient corrects dans un contexte donné.
Cette approche statistique s'appuie sur un grand nombre d'exemples de documents déjà traduits, explique Michael Collins, ingénieur informaticien au MIT qui utilise la même méthode pour une application logicielle qu'il développe pour effectuer des traductions de l'allemand vers l'anglais. IBM a été le pionnier de cette approche dans les années 1990, dit-il, en partie, en profitant d'une énorme base de données des délibérations parlementaires canadiennes publiées en versions française et anglaise.
La variété statistique de la traduction automatique produit non seulement de meilleurs résultats que la méthode traditionnelle, dit Knight, mais le logiciel est également conçu pour continuer à s'améliorer par lui-même. Plus le logiciel rencontre de documents traduits, plus il est probable qu'il corresponde correctement aux phrases. Il y a quelques années, pour nos langues chinoise et arabe, tout ce que nous pouvions obtenir était le sujet de base d'un article, dit Knight. Maintenant, la résolution est au niveau de la phrase. [Suite à la page suivante ]
-
* Correction, 18 janvier 2006, 10 h 00 HNE : Dans la version originale de cette histoire, nous avons cité la traduction suivante du site Web Someya Apple Farm : Le verger de pommiers avec de grands arbres de plus de 50 ans. L'environnement naturel autour de Numata, avec l'énorme différence de température entre le jour et la nuit, crée une pomme unique et délicieuse. En fait, il s'agissait d'un extrait de la traduction par Google de la propre version anglaise de la ferme de pommes de son site Web, et non de la traduction par Google de la page originale en japonais. Ce n'était donc pas un exemple valable de la mauvaise qualité de certains algorithmes de traduction automatique. Dans l'histoire, nous avons maintenant substitué la traduction de Google du site japonais d'origine. Merci à nos lecteurs d'avoir signalé l'erreur. - Eds.
L'Agence américaine des projets de recherche avancée pour la défense (DARPA) est l'un des principaux bailleurs de fonds de la traduction automatique statistique. En août dernier, la DARPA a parrainé des tests de traduction automatique pour les documents chinois et arabes ; un groupe de recherche de Google a obtenu le score le plus élevé, devançant l'Institut des sciences de l'information de l'USC et la branche de traduction automatique d'IBM. Google, qui utilise également l'approche statistique, aurait pu avoir un avantage, note Knight, car il pouvait utiliser un grand nombre d'ordinateurs pour le calcul des mots et puiser dans l'ensemble d'Internet pour sa base de données de documents prétraduits.
En 2005, la DARPA a également annoncé le programme Global Autonomous Language Exploitation (GALE), destiné à accélérer le traitement informatique d'un grand nombre de documents traduits acquis par son programme parent, le Consortium de données linguistiques .** GALE est actuellement dans la première année et transcrira le discours des sources d'information diffusées et des talk-shows en arabe, chinois et anglais, et cataloguera également les fils de presse textuels, les groupes de discussion d'actualités Web et les blogs dans ces langues. Pour l'instant, le projet se concentre principalement sur la collecte de données de ces genres, avec des chercheurs du département d'informatique et d'ingénierie de l'Université de Pennsylvanie faisant une grande partie du travail.
Mais même avec une grande collection de documents traduits, il y aura toujours des problèmes de langue à régler. La prochaine étape de la recherche en traduction automatique, au-delà de la correspondance des mots et des phrases, selon Knight, consiste à atténuer les incohérences grammaticales qui surviennent lorsque les mots et les phrases sont enchaînés. Ce lissage peut être accompli en indexant des millions de phrases dont les structures ont été schématisées à l'Université de Pennsylvanie dans les années 1990 (les données provenaient de 50 000 phrases dans le le journal Wall Street ). De la même manière qu'une base de données pleine de mots et de phrases permet au logiciel de traduction de choisir la combinaison de mots la plus statistiquement probable, ces exemples spécifiques de grammaire à partir des phrases schématisées aident le logiciel à attribuer la probabilité de l'ordre des mots, explique Collins du MIT.
Il s'agit d'une avancée par rapport à la méthode traditionnelle dans laquelle les règles de grammaire étaient définies dans un algorithme, dit-il. Plutôt que d'obéir aux conventions grammaticales codées dans un algorithme, comme avec la traduction automatique traditionnelle, la base de données de phrases sous forme de diagrammes permet au logiciel d'attribuer des probabilités et un poids à ces règles, explique Collins. [Le logiciel] est plus susceptible d'apprendre le contexte, dit-il.
À certains égards, cependant, l'approche statistique ne sera aussi bonne que le traducteur de messagerie instantanée commun. Les noms propres, par exemple, font toujours trébucher même le traducteur automatique le plus lu, et ils sont souvent simplement traduits avec le reste du texte. Selon son système, Knight admet que la version espagnole de son nom de famille est toujours Kevin Caballero.
** Correction, 20 janvier 2006 : La version originale de cette histoire, publiée le 18 janvier, indiquait que le Linguistic Data Consortium avait été lancé en 2005. En fait, le consortium a été lancé en 1992, et son projet Global Autonomous Language Exploitation a été lancé en 2005. – Eds.