Военно-карманные переводчики будущего? Окончание

История шахматной мысли гласит, что каждый шахматный гений в начале пути, опираясь на свою память, аналитику и скорость мысли, быстро изучал все выигрышные партии своих выдающихся предшественников. Используя эти знания, легко побеждал более слабых соперников, а когда сталкивался с теми, кто обладал не меньшим багажом знаний и опыта, то придумывал свои личные приёмы игры, создавая свои победные партии. Но затем этот опыт приучал его действовать автоматически, пока не появлялся новый соперник, который своей личной манерой игры преодолевал победоносный опыт предыдущего чемпиона. То есть можно сказать, что на каком-то этапе своего развития, победоносный опыт шахматных чемпионов стирает ту живость мысли, которая когда-то и вывела их в чемпионы. Они продолжают играть блистательно, сложно, но в чём-то — предсказуемо... То есть в какой-то степени превращаются в конечные автоматы.  

Именно это и использовали программисты шахматного суперкомпьютера. Они заложили в его программу все имеющиеся победоносные партии великих шахматных чемпионов всех времен и народов. Такой умственный багаж не под силу никакому человеческому уму, в этой же программе были заложены все известные возможные переходы от розыгрыша одной партии к другой в зависимости от действий соперника. После этого пригласили к игре чемпионов мира. И получилась игра двух конечных автоматов, только один в процессе игры способен уставать, волноваться, забывать, терять сосредоточенность, долго раздумывать, а другому всё это чуждо. Вот и "подмялся" человек машиной! Но я абсолютно уверен, что, если бы собралась группа великих шахматистов, поиграла бы с компьютерным монстром, спокойно проанализировала все свои партии и в конце концов нашла способ его обыграть, причём потом сами шахматисты удивлялись бы, сколь легко это можно было сделать, нащупав серию нестандартных комбинаций, не имевшихся в памяти компьютера. Правда, эта серия в следующей игре уже бы не помогла, ибо сразу бы вбилась в компьютерную память вместе с нужными ответными ходами, которые программисты выспросили бы у тех же шахматистов.

Осознав вышенаписанное, я приступил к знакомству с действующими методиками машинного перевода и обнаружил, как уже сказано выше, что все эти наборы взаимосвязанных программ работают приблизительно одинаково, то есть заданные им тексты они анализируют тематически, грамматически, пытаются уловить смысл отдельных фраз и связать его с традициями языка, истории и географии страны этого языка, после чего идёт основная работа по статистическому сравнению с находящимися в памяти системы ранее переведёнными текстами схожей тематики. После этого выдаётся результат, который проверяется и дорабатывается окончательно человеком-переводчиком. Результат этот тоже закладывается в память системы для помощи в переводе других текстов. Такие программы перевода можно настраивать для повышения их результативности, и чем уже специализированная тематика и выше повторяемость задаваемых текстов, тем эффективнее настраивается переводческая программа. На этой же основе были созданы и приложения для голосового общения между разноязычными людьми для переносных гаджетов, естественно, что без длительной и тщательной настройки они работать неспособны, но даже и после такой индивидуальной, тщательной и дорогостоящей настройки возможности общения будут очень ограничены: то, что сгодится для разговоров с одним собеседником или группой собеседников, может оказаться практически непригодным для других. Ну и зачем тогда платить за такие настройки? Вот и нет сейчас настоящих программ-разговорников для тех же туристов. А ведь именно такие программы, на мой взгляд, и должны стать высшим достижением для машинного перевода.

Далее я решил посмотреть, какие методы машинного перевода изобретены и запатентованы на сегодняшний день. Порылся в базе данных Роспатента и обнаружил там один-единственный патент под названием "Адаптивный машинный перевод" от 2010 года, заявка от 2004 года, за номером 2382399, патентообладатель — компания Майкрософт, США. Проштудировав патент, я увидел, что в нём изложена схема работы со статистическими и вспомогательными программами машинного перевода, имеющимися и создающимися на сегодняшний день. Именно по этой схеме работают все доступные источниковые (open source!) программы-"движки" в интернете, которые берут и настраивают для своих пользователей все компании машинного перевода в мире, одновременно и бесплатно пополняя базу данных переводческой системы самого Майкрософта.

В блок-схеме переводческого способа компании Майкрософт особый интерес у меня вызвал элемент под названием "источник надёжной информации", то есть, если пользователь работает над своим переводом, пользуясь переводческим движком, привязанным к интернету, то те куски текста или отдельные фразы, которые ещё не заложены в статистической памяти системы, отправляются ею в некий центр, где либо люди-переводчики переводят этот фрагмент, либо специалисты обрабатывают его с помощью особых программ, после чего перевод фрагмента предоставляется пользователю, одновременно оседая в базе системы. Компании редко пользуются системой перевода с выходом в интернет, чтобы не нарушить конфиденциальность своей служебной информации, да и незачем, если есть свои люди-переводчики, которые переведут фрагменты, оказавшиеся не по зубам компьютеру. А вот для рядового пользователя система с выходом в интернет в быту могла бы подойти, но, во-первых, она платная, а во-вторых, она просто зависнет и захлебнется от бесконечного и частого разнообразия запросов от индивидуальных пользователей. Её настройка на такую работу станет просто невозможной! Впрочем, она невозможна в любом случае, ибо неисправимо порочен сам статистический способ перевода. Человеческая речь слишком изменчива и непредсказуема, она тоже не вмещается в рамки конечного автомата, поэтому её статистический анализ для целей перевода всегда будет безнадёжно отставать от её развития и изменения, бесконечно требуя бесконечных вычислительных мощностей и скоростей.

Придя к такому выводу, я задался вопросом: а зачем в способах машинного перевода обязательно стараться воспроизводить полностью схему работы человеческого мозга, которая всегда будет недостижима для любого конечного автомата? Если задача для компьютера нерешаема, то, может быть, облегчить ему задачу? Смириться с мыслью, что любая, самая умная машина — всегда всего лишь помощник, но никак не равноправный партнёр, и, исходя из этого, бесконечно совершенствовать таких помощников, не ставя им запредельных задач?

Тут я снова вспоминаю пример с проигрышами чемпионов мира шахматному суперкомпьютеру... Они проиграли ему потому, что сами уподобились вольно или невольно конечным автоматам, и в этом качестве, конечно же, не могли выиграть у более мощной системы. Но там было соперничество. А что, если в машинном переводе применить такую же схему с обратным знаком? Создать сотрудничество мощного конечного автомата- исполнителя с командующим конечным автоматом, роль которого исполнит человек?

Пусть человек во взаимодействии с компьютером-переводчиком ограничит свои требования строгими и предсказуемыми рамками, в которых не будет места живой спонтанности, и компьютер получит комфортные условия работы, отвечающие его технической, а не живой сущности, которой в нём нет и быть не может!  

Руководствуясь такой постановкой задачи, я за семь лет работы, затратив два последних года на патентование (горжусь, американцы на получение своего патента в России затратили 6 лет!), зарегистрировал летом 2017 года своё изобретение, номер патента 2628202 под названием "Адаптивный контекстно-тематический машинный перевод" (можно ознакомиться на сайте Роспатента).

В этом способе всё будет работать так. Пользователь устно или письменно задаёт переводческой системе некий текст. Система принимает его не целиком, как прежние системы, а каждое законченное предложение-фразу по отдельности, тут же начиная эту фразу переводить. На экране своего гаджета пользователь после каждой фразы своего текста видит другую фразу на своём родном языке, так называемую стандартную фразу, которую система нашла в своей памяти в качестве аналога, наиболее точно отражающего смысл того, что говорится во фразе, заданной пользователем. Наряду со стандартной фразой, на экране возникают названия тем, которые этой фразе способны соответствовать. Пользователь выбирают нужную тему и даёт команду на перевод, после чего стандартная фраза переводится точно и однозначно на иностранный язык в виде имеющейся в памяти системы на этом языке парной стандартной фразы.

Если в задаваемом тексте окажется фраза, для которой в памяти системы не имеется соответствующей стандартной фразы, то она вместе с полным текстом, который задаёт к переводу пользователь, попадает в источник надёжной информации, где компьютерные лингвисты и переводчики подбирают ей стандартный аналог и тему, делают перевод и закладывают это всё в память системы.

Если пользователь увидел на экране стандартную фразу, парную фразе заданной из текста, но не увидел среди набора тем ту, что отвечала бы смыслу фразы, то он сам набирает название нужной темы и отсылает в источник надёжной информации, а там делают соответствующий стандартный перевод фразы и тоже всё закладывают в память системы.

Так она беспрерывно пополняется, обогащается и самообучается. И будет вполне годиться для работы с гаджетами обычных индивидуальных пользователей, именно на них она прежде всего и рассчитана.

Но профессиональным переводчикам она тоже способна облегчить работу гораздо рациональнее статистических систем перевода. Вот как это будет выглядеть.

Переводчик даёт сигнал системе: "Работает профессионал"! После этого запускает свой текст, смотрит на экран, выбирает темы для стандартных фраз и даёт команды на перевод. После того, как получает всё, что системе удалось перевести, сам переводит фразы, которые система не смогла осилить. Затем окончательный перевод всего текста посылает системе в источник надёжной информации, где это соответственно обрабатывается и закладывается в систему. После чего переводчик, если ему это нужно, требует от системы, чтобы она перевела этот текст ещё на несколько других языков. А система это сделает буквально мгновенно, ибо у каждого предложения в тексте уже однозначно подобраны парные стандартные фразы и соответствующие им темы, так что "думать" не надо, только чистый поиск-перебор по базам данных.

Если не особо вникать, то может возникнуть вопрос: чем моё предложение лучше статистического метода, если принципиальная проблема вечных догонялок за живой речью никуда не исчезла? Формально всё так и есть. Но я исходил из того, что, когда простые разноязычные люди общаются между собой, то делают это обычно недолго и поверхностно, как временные и случайные знакомые, да ещё и достаточно торопливо. Они жаждут донести друг другу короткую точную информацию с небольшим набором тем, и в этом случае моё предложение будет вполне работоспособно и востребованно. Особенно когда люди привыкнут работать с этой системой. Я больше чем уверен, что они с удовольствием начнут запоминать стандартные фразы из системы, чтобы не ждать их подбора, если сказанная фраза нестандартна. Среди молодёжи разговор стандартными фразами, которые гаджет способен сразу же перевести на другой язык, может стать модой, трендом, мейнстримом или как они ещё это по-своему называют.

Тут же встаёт вопрос: что должно стать речевой основой для будущих стандартных фраз в системе контекстно-тематического перевода? Я считаю, что речевой основой стандартных фраз в компьютерной системе контекстно-тематического перевода должен стать язык классической литературы всех языков мира. И я предлагаю это отнюдь не из морально-воспитательных или эстетических соображений, а чисто практически. Классическая речь легко усваивается, отлично понимается носителями языка и быстро, точно, немногословно переводится на иностранную литературно-классическую речь. Данный способ машинного перевода прежде всего предназначен для непосредственного общения разноязыких людей между собой. И если он будет удачно реализован, то это должно резко увеличить потоки во всех видах международного туризма. Таким образом, операторам туристического бизнеса есть прямой резон помочь во внедрении этого метода, причём самой массового и несложного его сегмента, который станет фундаментом для дальнейшего и более глубокого развития таких систем машинного перевода.

Этот же фундаментальный сегмент будет иметь серьёзное военно-прикладное значение, ибо самые первые карманные переводчики появились как раз в армии, точнее, в армии США на территории Ирака где-то в 2003 году. Это были примитивные голосовые гаджеты, на которые записаны тематические наборы стандартных команд и фраз с голосовым переводом на арабский для самого простого общения с местным населением, полицией и военными. Эти разговорные наборы были сделаны по типу разговорников, имеющихся в книжечках-путеводителях для туристов, которые и сейчас можно приобрести перед путешествием в любые страны. Кстати!! Именно путеводительские разговорники с их простыми, но необходимыми путешественнику стандартными фразовыми парами "фраза-перевод", распределёнными по темам, чтобы легко было найти в книжечке, и подсказали мне то направление, в котором, на мой взгляд, следует организовывать и развивать системы именно разговорного машинного перевода!

Так вот... Наша армия всё больше втягивается в международные операции по подавлению терроризма, где-то наши военные выполняют миротворческие функции, поэтому им совершенно необходимы возможности легко общаться с местными администрациями и населением. Посему я считаю, что данный метод будет наиболее подходящим для них, ибо быстр и лёгок в освоении, а также отлично поладит с той служебной и бытовой лексикой, которой приучены пользоваться военные. А приучают военных к такой лексике, краткой, ёмкой, передающей самую суть сообщений, прежде всего требования устава, пример языка, которым он написан. Вот я и считаю, что при разработке системы контекстно-тематического перевода, особенно на самых первых этапах, следует создать речевой функционал, похожий на армейский устав, который бы содержал чёткие требования и примеры по выработке стандартных фраз, закладываемых в глоссарии памяти системы.

Теперь о технических преимуществах контекстно-тематического перевода. Прежде всего это резкое упрощение программного обеспечения. Вместо сложнейших программ статистического анализа, поиска, сравнения на первый план выходят несложные программы простого сравнительного поиска-перебора в базах данных. А это даст, на мой взгляд, не только новое качество перевода, но и огромную экономию вычислительных мощностей вместе с экономией электроэнергии. Ведь, по сведениям директора Курчатовского института М. Ковальчука, один простой голосовой запрос со смартфона "жрёт" энергии столько, что можно литр воды вскипятить, а треть всего электричества в США уходит на работу дата-центров одного только Гугла!!

Из аналитических программ на первый план выйдут программы морфологического и синтаксического анализа для помощи персоналу источников надёжной информации, чтобы оперативно согласовывать все эти спряжения, времена, падежи, знаки препинания и т. д. А эти программы тоже не бог весть какие тяжкие. Предвижу, что по мере развития систем контекстно-тематического перевода найдут себе применение и другие виды программ, которые сейчас уже разработаны и действуют в машинном переводе, но думаю, что они будут приспособлены на несколько других принципах, начнут работать эффективнее, точнее, экономнее используя вычислительные мощности систем машинного перевода.  

P. S. Хочу добавить, что в рамках информации, которую полагается давать в патентной документации, просто невозможно изложить всё, что составляет полную суть изобретения и способы его реализации. Поэтому команде, которая приступит к воплощению данного проекта в жизнь, я смогу сообщить немало того, что сможет значительно сэкономить их время, ресурсы и, главное, интеллектуальные усилия.

P. P. S. В комментариях к предыдущим частям моей статьи было высказано, что большинство ошибок голосовые переводчики делают за счёт системы распознавания голосов пользователей, а если фразы просто набирать на смартфонах письменно, то качество перевода резко улучшается, особенно в Гугле. Ну, во-первых нас интересовали именно возможности голосовых переводчиков для общения наших санитарок и медсестер с инопациентами. Во-вторых, мы использовали переводческие приложения, где на экране смартфона сказанная голосом фраза сначала появляется в письменном виде, её можно прочитать, а потом дать команду на голосовой перевод. Гугл транслейтер тоже опробовали, в нашем случае он оказался ничем не лучше всех прочих. После этих испытаний у нас в Центре антропометрической (ортопедической) косметологии и коррекции появилось постоянное развлечение: периодически собираются группки из русских и иностранных пациентов вместе с незанятыми санитарками или медсёстрами, достают свои гаджеты и пытаются с их помощью разговаривать с иностранцами. Хохот при этом стоит просто истерический, особенно если среди наших пациентов есть ребята с хорошим английским или ещё каким-то языком, которые могут растолковать, как должна была перевестись фраза и как её в натуре перевёл гаджет. Таким образом я имею возможность тестировать все системы нынешнего компьютерного перевода практически постоянно.

Источник: topwar.ru

Комментарии: