(openPR) Künstliche Intelligenz ("KI") betrifft inzwischen die verschiedensten Bereiche der Arbeitswelt. Und im Besonderen die der Übersetzungsbranche. Maschinelle Übersetzung, kurz MÜ oder englisch MT, ist als Teilbereich der KI inzwischen in vielen Unternehmen im Einsatz. Aber was ist das genau? Ist dort wirklich eine fremde Intelligenz an der Arbeit? Ist der Job des Übersetzers damit überholt? Das versuchen wir mit folgendem Artikel mal näher zu beleuchten.
Maschinelle Übersetzung ist nicht gleich Maschinelle Übersetzung. Bisher am häufigsten im Einsatz sind regelbasierte und statistische Verfahren, aber die neuronalen Systeme holen kräftig auf.
Regelbasiert
Für die regelbasierten Verfahren werden syntaktische und morphologische Regeln, sowie Wörterbücher der jeweiligen Sprache definiert und hinterlegt. Vereinfacht gesagt passiert folgendes: die MT Engine sucht nun den zu übersetzenden Inhalt in ihrem Wörterbuch, passt ihn den Grammatikregeln der Zielsprache an und generiert so die Übersetzung. Das klingt allerdings einfacher als gedacht, da Sprache sich oft nicht gerne an ihre eigenen Regeln hält und viele Ausnahmen beinhaltet.
Diese so generierten Übersetzungen klingen daher oft etwas hölzern und starr, und sie sind auch fehleranfällig. Ambiguitäten werden nicht gut aufgelöst, Idiome werden wortwörtlich übersetzt und sie bedeuten auch immer einen hohen manuellen Aufwand. Die Regeln und Wörterbücher müssen vom Menschen aufgebaut werden.
Allerdings birgt dieser Nachteil auch einen großen Vorteil dieser Systeme: sie sind völlig kontrollierbar. Fehler können sofort erkannt werden und mit einer neu hinzugefügten Regel behoben werden. Selbst seltene sprachliche Phänomene können so abgebildet werden, was ein großer Vorteil gegenüber den statistischen Systemen ist.
Statistische MÜ
Diese Methode benötigt große bilinguale Textkorpora. Quell- und Zielsprachen werden anhand statistischer Methoden aufgrund ihrer Häufigkeit und Nähe zueinander angeordnet und daraus Übersetzungsregeln abgeleitet, nach denen der Text dann übersetzt wird. Es müssen also keine vorher festgelegten Regeln in das System gegeben werden. Es besteht theoretisch sogar die Möglichkeit, linguistisch noch nicht erfasste Regeln zu erkennen. Tatsächlich ist es für diese Art der Übersetzung nicht nötig, die Regeln der eigentlichen Sprache zu kennen.
Die so übersetzten Texte kommen meist näher an natürliche Sprache als regelbasiert übersetzte Texte, und die Übersetzung funktioniert meist auch sehr gut bei häufig vorkommenden Sprachpaaren. Hierfür sind jedoch sehr große Datenmengen erforderlich, was momentan auch ein Nachteil dieser Systeme ist. Sprachen von denen es weniger bzw. kleinere Textkorpora gibt, lassen sich mit dieser Methode schlechter übersetzen.
Ebenso problematisch sind stark flektierende Sprachen mit einer reichen Morphologie oder Sprachen mit völlig unterschiedlicher Grammatik und damit einhergehend unterschiedliche Wortstellung. Je ähnlicher sich die Sprachen sind, desto besser funktionieren die statistischen Systeme.
Im Gegensatz zu den regelbasierten Systemen lassen sich Fehler nicht so leicht interpretieren und ändern.
Neuronale Netzwerke
Einen gänzlich anderen Ansatz zur maschinellen Übersetzung liefern die sogenannten neuronalen Netzwerke oder Methoden des "deep learning". Hierbei übernehmen verschiedene Knoten, in Anlehnung an das menschliche Nervensystem "Neurone" genannt, einzelne Teile der Hauptaufgabe und lernen dabei selbstständig anhand von vorher festgelegten Merkmalen.
Aufsehen erregte vor allem die "Google Neural Machine Translation", GNMT, welche im November 2016 eingeführt wurde und jetzt als Engine für Googles Übersetzungsservice "Google Translate" benutzt wird und die vorherige statistische MÜ ersetzt. Es soll zu einer sogenannten "zero-shot translation" imstande sein, d.h. einer Übersetzung von Sprachpaaren, die es vorher noch nicht gesehen hatte. Bisher erfolgte zunächst eine Zwischenübersetzung ins Englische, und vom Englischen dann in die gewünschte Sprache.
Fazit
Alle Systeme oder Ansätze eignen sich bisher nicht für eine vollkommen eigenständige Übersetzung. Aber sie können dem menschlichen Übersetzer einiges an lästiger oder redundanter Arbeit abnehmen und Vorschläge machen, welcher der Mensch dann im sogenannten Post-Editing anpassen oder übernehmen kann. Einen kompletten Ersatz für menschliche Übersetzer bietet sie hingegen nicht.
Machine Translation eignet sich als hervorragende Unterstützung kreativer Prozesse, die es möglich macht schneller und effizienter zu übersetzen.
Weitere Infos zum Thema MT auf unserer Website:
http://www.ontram.de/nutzen-sie-machine-translation-erfolgreich-fuer-ihren-uebersetzungsprozess/
