Maschinelle Übersetzung

Transkript

1 Maschinelle Übersetzung Wissensmanagement VO Bartholomäus Wloka

2 Abkürzungen MÜS Maschinelles Übersetzungssystem MÜ Maschinelle Übersetzung MT Machine Translation SMT Statistical Machine Translation FAT Fully Automatic Translation FAHQMT Fully Automatic High Quality Machine Translation CAT Computer Aided Translation HAMT Human Assisted Machine Translation MAHT Machine Assisted Human Translation Seite 2

3 Mythen und Kritik an der MT MÜ wird niemals in der Lage sein Poesie zu übersetzen und ist deswegen Zeitverschwendung. Ist die Entwicklung von Industrierobotern Zeitverschwendung, nur weil sie nie Schwanensee tanzen können? Seite 3

4 Mythen und Kritik an der MT Die Übersetzungen der MÜS sind oft katastrophal. Die Qualität der Systeme hängt stark von den Ressourcen und der Anwendung ab. Seite 4

5 Mythen und Kritik an der MT Durch die niedrige Qualität der MÜS sind diese Systeme nutzlos. Eine qualitativ schlechte Übersetzung kann nichtsdestotrotz eine Hilfe für den Übersetzer/Dolmetscher sein. Seite 5

6 Mythen und Kritik an der MT MÜ bedroht die Arbeitsplätze der Übersetzer. Wie auch in vielen anderen Bereichen: Eine Maschine wird nie einen kreativen Prozess ersetzen können, den die meisten Übersetzungen verlangen. Ausgaben für Übersetzungen n EU-Ländern: Mio Euro Mrd Euro Weltweiter Umsatz von Übersetzungsdienstleistungen: Mrd US-Dollar Mrd US-Dollar Seite 6

7 Mythen und Kritik an der MT Seite 7

8 Mythen und Kritik an der MT MÜ bedroht die Arbeitsplätze der Übersetzer. Wie auch in vielen anderen Bereichen: Eine Maschine wird nie einen kreativen Prozess ersetzen können, den die meisten Übersetzungen verlangen. Ausgaben für Übersetzungen n EU-Ländern: Mio Euro Mrd Euro Weltweiter Umsatz von Übersetzungsdienstleistungen: Mrd US-Dollar Mrd US-Dollar Seite 8

9 Geschichte der MÜ Erste Versuche kurz nach dem 2. Weltkrieg: automatische Übersetzung russischer Kommunikation durch den US Geheimdienst 1954 erste große MÜ Demonstration mit darauffolgender großer Förderung, Ziel: FAHQMT Übersetzungen mit Wörterbüchern und regelbasiertes Zusammenstellen der Sätze Eines der größten Probleme: Mehrdeutigkeit der natürlichen Sprache und ihr dynamischer Aspekt 1960er Erkenntnis, dass FAHQMT nicht möglich ist Seite 9

10 Mehrdeutigkeit Von Yehoshua Bar-Hillel genanntes Beispiel auf Anfrage der US Regierung für ein FAHQMT: Little John was looking for his toy box. Finally he found it. The box was in the pen. Weitere Beispiele: Ich sah den Mann mit dem Fernglas. Rice flies like sand. Seite 10

11 Syntaktische Ambiguität Angehängte Präpositionalphrase I saw the man with the telescope. Seite 11

12 Lexikalische Ambiguität Welche Wortart? Das englische Wort book: Auf deutsch das Buch oder reservieren? Seite 12

13 Semantische Ambiguität Homografie Schloss das Schloss in der Tür: lock, das Schloss auf dem Berg: castle Polysemie abschließen die Tür abschließen: to lock, eine Arbeit abschließen: to finalize Seite 13

14 Komplexe semantische Ambiguität Homografie Sie blieben zwei Tage im Schloss. Sie besichtigten die Schlösser. Metonymie Schiller lesen ein Glas trinken der Saal applaudiert Seite 14

15 Komplexe kontextuelle Ambiguität Homografie John hit the Dog with a stick. Seite 15

16 Lexikalische Auswahl Geeignetes Wort in der Zielsprache verstehen know, understand Seite 16

17 Lexikalische Auswahl Unterspezifiziert in der Quellsprache Im Japanischen: 行きます (ikimasu) Kann bedeuten: ich gehe, du gehst, er/sie/es geht, wir/ihr/sie gehen Lass(t) uns gehen und als Zukunftsform der o.g. Möglichkeiten. Seite 17

18 Lexikalische Auswahl Abgeschlossenheit I have studied physics. I studied physics. Seite 18

19 Entwicklung der MÜ 1980er Fokus auf s.g. mainframe solutions (Supercomputer) mit den Programmen Systran, Logos, Ariane-G5 und Metal Methoden gestützt auf morphologischer, syntaktischer und semantischer Analyse Ende 1980er IBM entwickelt das erste MÜS welches auf statistischen Methoden beruht (SMT) 1990er Verlagerung von mainframes zu PCs Seite 19

20 Aktuelle Forschung Seit 2000 neue Evaluation früherer Ansätze wegen exponentiell steigender Recheneffizienz (Mooresches Gesetz) und enormen Datenzuwachs durch den Internet Boom aktuell SMT und example-based MT sind sehr aktive Bereiche Zukunft immer mehr Forscher konzentrieren sich auf s.g. Neuronale MÜ, in der die Maschine die Funktion des menschlichen Gehirns nachahmt Seite 20