VO Sprachtechnologien. Informations- und Wissensmanagement. Bartholomäus Wloka. Zentrum für Translationswissenschaft

Transkript

1 , Informations- und Wissensmanagement Zentrum für Translationswissenschaft

2 Poesie in einer Programmiersprache #define ( bb!bb )

3 Übersetzungstechnologien Maschinelle Übersetzung

4 Begriffe 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 Interlingua

5 Zeitverschwendung MÜ wird niemals in der Lage sein Poesie zu übersetzen und ist deswegen Zeitverschendung.

6 Zeitverschwendung Ist die Entwicklung von Industrierobotern Zeitverschwendung nur weil sie nie Schwanensee tanzen werden?

7 Versagen Auf einer Speisekarte in einem Japanischen Restaurant: Flesh Juice, statt Fresh Juice

8 Versagen Die Qualität der Systeme hängt stark von der Ressourcen ab (z. B. parallele Korpora).

9 Nutzlosigkeit Da die Qualität der MÜS so niedrig ist, sind sie praktisch nutzlos.

10 Nutzlosigkeit Viele MÜS werden bereits erfolgreich in der Industrie verwendet. Auch im kleinen Rahmen, für den Einzelnen sind sie ebenso nicht mehr wegzudenken.

11 Bedrohung MÜ bedroht die Arbeitsplätze von Übersetzern.

12 Bedrohung Ausgaben für Übersetzungen in EU-Ländern: Mio Euro Mrd Euro Weltweiter Umsatz von Übersetzungsdienstleistungen: Mrd US-Dollar Mrd US-Dollar EU finanzierter Bericht Sprachtechnologien für Europa, April 2006

13 Bedrohung

14 Lösung existiert Es gibt eine südamerikanische Indianersprache, die so gut strukturiert ist, dass sie als Interlingua verwendbar ist.

15 Lösung existiert Eine natürliche Sprache, die als Zwischensprache zur Übersetzung anderer natürlichen Sprachen verwendbar ist existiert nicht.

16 Interlingua

17 Stangenprodukt MÜS sind Maschinen und der Kauf ist so einfach wie der Kauf eines Autos.

18 Stangenprodukt Jedes MÜS muss individuell gestalltet und angepasst sein um erfolgreich zu sein. Meistens sind MÜS sehr anwendungsspezifisch.

19 Bereits gelöstes Problem Es gibt ein Dolmetschsystem in Japan, welches natürliche Sprache direkt übersetzt.

20 Bereits gelöstes Problem Automatisierte Dolmetschsysteme sind ein großes Forschungsthema, jedoch weit entfernt von einer allgemein einsetzbaren Lösung.

21 Die Anfänge erste Versuche im 2. Weltkrieg, automatische Übersetzung russischer Kommunikation durch die US Armee 1954: erste große MÜ Demonstration mit darauffolgender großer Förderung, Ziel: FAHQMT Übersetzung mit Wörterbüchern und regelbasiertes Zusammenstellen der Sätze eines der größten Probleme: Mehrdeutigkeit in der natürlichen Sprache 1960er: Erkenntnis, dass FAHQMT nicht möglich ist

22 Mehrdeutigkeit Von Yehoshua Bar-Hillel gennantes Beispiel auf Anfrage der US Regierung für ein MÜS: 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.

23 Die Anfänge 1980er: Fokus auf mainframe solutions mit Systran, Logos, Ariane-G5 und Metal Methoden gestützt auf morphologischer, syntaktischer und semantischer Analyse Ende 1980er: IBM entwickelt das erste MÜS basierend auf statistischen Methoden: Statistical Machine Translation (SMT) 1990er: Verlagerung von mainframes zu PCs

24 Aktuelle Forschung seit 2000: neue Evaluierung früherer Ansätze, nicht zuletzt wegen stetig steigener Recheneffizienz (Mooresches Gesetz) aktuell: SMT und example-based machine translation sind sehr aktive Bereiche