Language
Country/Area
No result found
A história de sucesso da IBM: como a tradução automática estatística recuperou a atenção na década de 1980?
A tradução automática estatística (SMT) é um método de tradução automática que se baseia em modelos estatísticos para gerar traduções, onde os parâmetros desses modelos são derivados da análise de um corpus de texto bilíngue. Os conceitos básicos da tradução automática estatística continuaram a evoluir desde que Warren Weaver propôs essas ideias pela primeira vez em 1949. No final da década de 1980, pesquisadores do Centro de Pesquisa Thomas J. Watson da IBM trouxeram a tecnologia de volta aos holofotes e a desenvolveram ainda mais. O ressurgimento dessa fase se deve ao fato de que eles combinaram os conceitos da teoria da informação e o avanço da tecnologia da computação para adaptar a SMT a uma gama mais ampla de linguagens.
A tradução automática estatística pode utilizar grandes quantidades de dados bilíngues e monolíngues para melhorar a fluência e a precisão da tradução.
A vantagem do SMT é que o modelo usado para tradução não se baseia em regras explícitas de linguagem, mas aprende automaticamente a conversão entre idiomas por meio de análise estatística de grandes quantidades de corpus. Portanto, esse método faz uso mais eficiente de recursos humanos e de dados do que os sistemas tradicionais de tradução baseados em regras. Além disso, como os sistemas SMT geralmente não são otimizados para um par de idiomas específico, isso os torna mais flexíveis e escaláveis na aplicação.
A fluência da tradução automática estatística geralmente vem do modelo de linguagem que a executa.
No entanto, a tradução automática estatística não é perfeita. Os corpora são caros para criar, erros específicos são difíceis de prever e corrigir, e os resultados da tradução às vezes parecem fluentes, mas escondem problemas de tradução subjacentes. Em particular, entre pares de idiomas com grandes diferenças na estrutura da linguagem, o efeito da SMT pode não ser o esperado, o que é particularmente evidente em pares de idiomas diferentes das línguas da Europa Ocidental.
O primeiro modelo de tradução baseado em palavras fez da unidade básica de tradução uma única palavra em linguagem natural. À medida que as estruturas das palavras se tornam mais complexas, o comprimento das frases traduzidas geralmente é inconsistente, o que torna a "taxa de fertilidade" correspondente à palavra um ponto difícil de lidar com flexibilidade. Essa abordagem de tradução baseada em palavras não lida efetivamente com altas taxas de fertilidade entre idiomas, pois não consegue mapear duas palavras em inglês para uma palavra em francês, embora isso possa fazer sentido literalmente em alguns casos.
A tradução baseada em frases tenta superar as limitações da tradução baseada em palavras e fornecer uma conversão mais flexível traduzindo sequências inteiras de palavras.
O método de tradução baseado em frases introduz outra estrutura inovadora, que traduz "frases" extraídas do corpus usando métodos estatísticos. Este método é mais flexível e pode efetivamente reduzir as restrições sobre palavras e ordem das palavras. Dessa forma, as frases podem ser mapeadas diretamente por meio da tabela de tradução e podem ser reordenadas durante o processo de tradução, melhorando assim a qualidade dos resultados da tradução.
Nas décadas de 1980 e 1990, a pesquisa da IBM continuou a se desenvolver, levando em consideração a estrutura sintática e integrando o contexto à tradução. Os modelos estatísticos de tradução automática desse período estabeleceram gradualmente a compreensão da linguagem em vários níveis, marcando uma mudança qualitativa na tecnologia de tradução.
O modelo de linguagem é um componente indispensável do sistema de tradução automática estatística, que ajuda a melhorar a fluência da tradução.
Com o passar do tempo, muitos sistemas de tradução conhecidos, como o Google Translate e o Microsoft Translator, começam a melhorar suas tecnologias subjacentes e a fazer a transição para a tradução automática neural baseada em aprendizado profundo, marcando a obsolescência gradual da tradução automática estatística. No entanto, a importância histórica da SMT permanece, pois ela lançou as bases para avanços tecnológicos subsequentes e alcançou um desenvolvimento extraordinário no campo da tradução.
Agora, ao olharmos para a história desta tecnologia, não podemos deixar de nos perguntar, com o rápido desenvolvimento da inteligência artificial, como a tecnologia de tradução automática evoluirá ainda mais no futuro?
