Neuronale Maschinelle Übersetzung (NMT): zurück zu den Ursprüngen

Wir alle haben von Deep Learning und künstlichen neuronalen Netzwerken gehört und wahrscheinlich Lösungen auf der Grundlage dieser Technologie wie Bilderkennung, Big-Data-Analyse und digitale Assistenten verwendet, die Web-Giganten in ihre Dienste integriert haben.

In den letzten zwei Jahren wurde viel Forschung betrieben, um künstliche neuronale Netzwerke auf die Verarbeitung natürlicher Sprachen anzuwenden. Die Ergebnisse werden zwischen den Open-Source-Community an denen SYSTRAN aktiv teilnimmt und sein Know-how weitergibt.

Ein selbstlernender Übersetzungsautomat

Im Gegensatz zu den derzeit auf dem Markt befindlichen Motoren (statistisch und regelbasiert) modelliert eine neuronale Engine den gesamten Prozess der maschinellen Übersetzung durch ein einzigartiges künstliches neuronales Netzwerk.

Ein Artificial Neural Network (ANN) besteht aus Schichten von künstlichen Neuronen, die Schichten sind zusammen mit Gewichten, die Parameter des Netzes genannt werden.
Ein Schlüsselelement des neuronalen Netzes ist seine Fähigkeit, Automatische Korrektur der Parameter während der Trainingsphase (wenige Wochen). Technisch gesehen wird die erzeugte Ausgabe mit erwarteten Referenz- und Korrekturrückmeldungen "rückwärts" verglichen, um Gewichte anzupassen und die Netzwerkverbindungen zu optimieren.

Diese Technologie, die auf komplexen Algorithmen an der Spitze des Deep Learning basiert, ermöglicht es der PNMT™ (Pure Neural™ Machine Translation)-Engine, die Regeln einer Sprache aus einem bestimmten übersetzten Text zu lernen und Eine Übersetzung zu erstellen, die den aktuellen Stand der Technik übertrifft und besser ist als ein Nicht-Muttersprachler.

Unternehmen im Zeitalter der Echtzeit zum Erfolg verhelfen