اطلاعیه

Collapse
هیچ اطلاعیه ای هنوز ایجاد نشده است .

«تمشا»، نرم افزاری که ترجمه کردن را می آموزد

Collapse
X
 
  • فیلتر
  • زمان
  • نمایش
پاک کردن همه
new posts

  • «تمشا»، نرم افزاری که ترجمه کردن را می آموزد



    «تمشا»، نرم افزاری که ترجمه کردن را می آموزد

    زبان یکی از آن عجایب خلقت است که هنوز و پس از سال‌ها تحقیق، نمی‌دانیم کی و کجا آغاز شده است. بشر امروزه می‌داند تنها موجودی نیست که با اصوات با همنوعان خود ارتباط برقرار می‌کند.

    نهنگ ها، میمون ها و حتی سگ ها هم زبان خاص خودشان را دارند. اما بی هیچ تردیدی می دانیم زبان های مختلفی که انسان با آنها تکلم می کند یا متن می نویسد، بیشترین حجم ممکن اطلاعات را با خود منتقل می کنند.

    از پیدایش زبان عجیب تر شاید تنوع زبانی بشر باشد. هر گوشه ای از این سیاره را که می کاوی، چند زبان، گویش یا لهجه پیدا خواهی کرد.
    حال و در دورانی که ارتباطات حرف اول را می زند و همه چیز در حال کامپیوتری شدن است، آنها که حرفه شان مترجمی است هم باید خوشحال باشند و هم بیمناک.

    خوشحال چون نیاز به حرفه آنها روزافزون است و بیمناک چون ماشین های مترجم دارند می آیند تا جای آنها را بگیرند.
    شاید شما که این سطور را می خوانید بارها از سرویس های ترجمه اینترنتی مثل مترجم گوگل استفاده کرده باشید اما قطعا برایتان جالب خواهد بود که یک استاد جوان در پلی تکنیک تهران (دانشگاه صنعتی امیرکبیر) و دانشجوی پر شور و هیجانش ادعا می کنند برای اولین بار در دنیا توانسته اند مدل بخش زبانشناسی مغز انسان را روی کامپیوتر پیاده کنند.

    شنیدن تلفنی همین چند جمله از سید محمد محمدزاده ، با آن شور و هیجان فراوان کافی بود تا درخواست گفت وگویی برای استادش، دکتر شهرام خدیوی، عضو هیات علمی دانشگاه صنعتی امیرکبیر و رئیس آزمایشگاه فناوری زبان طبیعی بفرستیم تا از نزدیک پای صحبت های او و این دانشجو بنشینیم.

    سوال اساسی شاید این باشد که چرا ما به مترجم ماشینی یا به عبارتی سیستم پردازش زبان طبیعی احتیاج داریم؟

    خدیوی: به نظر من پاسخ واضح است. چون ما در عصر متفاوتی زندگی می کنیم. فرض کنیم ما در حدود 200 سال پیش زندگی می کنیم. شاید در آن زمان در کل سیاره زمین 2000 جلد کتاب وجود داشت که دائم هم بازنویسی می شدند. اما امروز وبلاگ نویسان و اعضای شبکه های اجتماعی دارند روزانه به اندازه همان حجم 2000 کتاب، مطلب در اینترنت تولید می کنند. حالا و در این دوره و زمانه مطالبی که تولید می شود خیلی هم خودمانی است و دقیقا دارد می گوید که من چه چیزی می خورم، چه می پوشم و قصد خرید چه کالاهایی را دارم. درباره فلان اتفاق چه احساسی دارم یا می خواهم چه عکس العملی انجام دهم. فکرش را بکنید اگر مدیران یکی از صنایع بزرگ کشور ما که مثلا قرار است بروند در یک کشور آفریقایی که تازه مناسباتش با من حسنه شده، دفتر فروش باز کنند، بتوانند در عرض چند روز و با ترجمه محتوای تولید و منتشر شده در شبکه های اجتماعی و وبلاگ های آن کشور به قول معروف مزه دهن مردم دستشان بیاید، چقدر می تواند در موفقیت آنها موثر باشد. از سویی دیگر این روزها ارتباطات خیلی گسترده شده و باز هم روابط بین المللی دارد نزدیک تر می شود. شما اینجا در ایران و در یک غروب گرم تابستانی از شادی مردم به مناسبت راهیابی شان به جام جهانی فیلمی می گیرید و چند دقیقه بعد پیرمردی در یک روستای دورافتاده در شیلی، در حالی که تازه از خواب برخاسته و از پنجره بارش برف زمستانی را نگاه می کند، از گرمای فیلم شما، لبخند بر لب می آورد. این همه اطلاعات که با سرعت نور در حال جابجا شدن در سیاره زمین است با یک چالش اساسی به نام ترجمه روبه رو است. اگر این مشکل حل شود، حجم اطلاعات قابل تبادل چند برابر افزایش خواهد یافت.

    چه شد که مدلسازی مغز را برای ترجمه انتخاب کردید؟

    محمدزاده: مشاهدات ما نشان می داد سیستم ترجمه آماری که الان بوفور در دنیا از آن استفاده می شود، با وجود همه مزایا و دقت، باز هم با ترجمه انسانی فاصله بسیاری دارد. به همین منظور ما فکر کردیم که بیاییم و قدم آخر را اول برداریم. یعنی برویم ببینیم که انسان چگونه ترجمه می کند. سال 1330 یعنی حدود 62 سال پیش، سازمان یونسکو طی تحقیقی به این نتیجه می رسد که زبان، هنر است و ترجمه کردن هم در نتیجه یک هنر است و نمی شود در واقع آن را به روش های غیرهنری و غیرانسانی درآورد. وقتی چنین نتیجه ای گرفته شد یعنی دنیای کامپیوتر و منطق دیجیتالی که با صفر و یک ها سروکار دارد باید کلا دور این بحث زبان و ترجمه را خط بکشد. البته که ما در سال های پس از آن می بینیم الگوریتم های آماری یا قاعده مند از سوی متخصصان نرم افزار نوشته شد و تمام سیستم های ترجمه کامپیوتری که امروزه در دنیا وجود دارد مبتنی بر این روش هاست. اما ما با خودمان فکر کردیم بیاییم بررسی کنیم و ببینیم مغز انسان چگونه زبان و ترجمه را فرا می گیرد. چگونه لغت ها را ذخیره می کند، چگونه جملات با مفهوم را بازآفرینی می کند و اصولا چگونه سیستم های مختلف زبانی را یاد گرفته و چطور آنها را از هم تفکیک می کند. ما پس از مطالعه کاملی در این حوزه که البته خودش موضوعی در حال توسعه است، آمدیم و مدلی کامپیوتری از عملکرد مغز انسان ایجاد کردیم که بتواند مثل انسان زبان یاد بگیرد و ترجمه کند. ما اصلا انتظار نداشتیم که زبان آموز کامپیوتری ما بتواند کار مهمی انجام دهد، اما در همان آزمایش نخست همه ما را شگفت زده کرد. الان سیستم های آماری یا قاعده مند که سال هاست روی آن کار می شود می توانند از ترجمه یک متن پیچیده نمره 47 از 100 را بگیرند. حالا کودک تازه متولد شده ما با آموزش به مراتب کمتر آمده و امتیاز 36 می گیرد. این یک پیروزی است. اما نکته اینجاست که ما هنوز نمی دانیم ظرفیت یادگیری این کودک چقدر است و آیا قرار است از این چیزی که هست باهوش تر شود یا همین جا درجا خواهد زد.

    پس آینده مبهم است؟

    خدیوی: بله. کاملا مبهم است. شاید شما سه سال دیگر بیایید بپرسید نتیجه کار چی شد و ما بگوییم هیچ! رفتیم جلو اما جواب نگرفتیم. شما باید توجه کنید که ما برای اولین بار در جهان این روش ترجمه ماشینی را توسعه داده ایم و آزمایش کرده ایم. ما جسارت و جرات کردیم که بیاییم و با رویکرد دیگری غیر از آنچه در دنیا مرسوم است ترجمه ماشینی را انجام دهیم. ما در واقع برخلاف همه روش های معمول، آمدیم نرم افزاری را نوشتیم که مثل کودک که به دهان مادرش نگاه می کند، به محتویات نوشتاری که ما به آن می دهیم نگاه می کند و آرام ارام معنی لغات را درک می کند، ارتباط بین لغت ها را می فهمد و پس از مدتی می تواند جملات را بفهمد و حتی خودش تولید کند. در نهایت این کودک باید بتواند متون ادبی، فنی و حقوقی را نیز ترجمه کند. اما ما هنوز نمی دانیم در آینده کودک ما چگونه رشد خواهد کرد.

    مگر خود شما این نرم افزار را ننوشتید، پس چطور نمی دانید چه اتفاقی قرار است بیفتد؟


    محمدزاده: ببینید الگوریتمی که ما نوشته ایم باید بتواند درست مثل مغز انسان رفتار کند و روز به روز باهوش تر و خبره تر شود. اما این کار زمان می خواهد و ما نمی دانیم وقتی حجم اطلاعات این سیستم افزایش می یابد، سرعت پردازش و تحلیل آن چگونه تغییر می کند. آیا سیستم خودش می تواند الگوریتم های جدید خلق کند و روابط بین لغت ها، جملات و مفاهیم را کوتاه کند یا یک جایی به قول معروف قاطی می کند. آنجا را می توانیم حداکثر قابلیت یادگیری این سیستم بنامیم. از نظر تئوری این نقطه حداکثری نباید وجود داشته باشد اما در دنیای هوش مصنوعی هیچ بایدی تحمل نمی شود.

    حالا این کودک شما چند ساله است؟

    محمد زاده : کودک ما که تمشا (ترجمه ماشینی شبه انسان) نام دارد در مقایسه با یک بچه انسان که دو زبانه است، حدود شش سال عمر دارد. اما این کودک شش ساله محدود به مفاهیم ساده نیست. منظورم این است که یک بچه شش ساله که از نوزادی با دو زبان بزرگ شده باشد، می تواند در حد مفاهیمی که خودش بلد است، مثل ارتباط با والدین یا ابراز نیازهای خودش به هر دو زبان صحبت کند یا جملات شما را به زبان دومی که بلد است، ترجمه کند. دقت ترجمه نرم افزار ما مثل آن کودک است، اما عمق مفاهیمی که می تواند ترجمه کند نامحدود است. ما برای آزمایش یک سند فنی مربوط به نگهداری از یک ابزار مکانیکی را به او داده ایم تا ترجمه کند و نتیجه کاملا قابل قبول بود.

    غیر از روش جدیدی که شما توسعه داده اید و گفتید مبتنی بر روش مغز انسان است، چه روش های دیگری برای ترجمه ماشینی وجود دارد؟

    خدیوی: قبل از این که درباره روش های مختلف ترجمه ماشینی صحبت کنیم باید متذکر شوم اصولا زبان یعنی ده ها هزار لغت، صدها قاعده دستوری و هزاران استثنا. با توجه به این نکته می توان روش های ترجمه ماشینی در دنیا را به دو روش قاعده مند و آماری تفکیک کرد که البته حالا ما روش مبتنی بر عملکرد مغز انسان را نیز پیشنهاد داده ایم. در روش قاعده مند درست مثل این است که شما دو کتاب لغت و قواعد دستور زبان را برای مثلا فارسی و انگلیسی به یک کامپیوتر بدهید و از آن بخواهید کار ترجمه را برای شما انجام دهد. اما زبان ریشه در احساسات انسانی دارد. مثال ساده و عامیانه ای وجود دارد که می گوید بفرما، بنشین و بتمرگ، از نظر عملی که باید انجام شود، یک معنی می دهد اما شما ببینید بار معنایی و احساسی آن چقدر متفاوت است. از سوی دیگر ترجمه در صنایع و تخصص های مختلف، نگاهی متفاوت به کلمات دارد. برای مثال کلمه پهلو گرفتن در صنعت دریانوردی، هوانوردی و فضانوردی به کار می رود اما در هر کدام یک معنی متفاوتی دارد. اینجا بود که متخصصان کامپیوتر دیدند بهترین منبع برای یک کامپیوتر می تواند کتاب ها و متون ترجمه شده ای باشد که در حوزه های تخصصی و از سوی مترجمان خبره انجام شده است. امروزه کتابخانه های نوع بشر پر است از کتاب ها، مجلات و مقالاتی که هرکدام توسط مترجمان کارکشته و معروفی به زبان های مختلفی ترجمه شده است. حال کافی است شما نرم افزاری را توسعه دهید که اصل متن و ترجمه آن را دریافت کند و شروع به پیدا کردن روابط بین کلمات، جملات و پاراگراف ها کند. در این حالت کامپیوتر برای هر حالت چیدمان کلمات در رشته های مختلف یک رابطه آماری با درصد خطای مشخص ایجاد می کند و در چند ساعت و با مرور چند اثر ترجمه شده می تواند یک زبان جدید را یاد بگیرد.

    آینده این طرح چه خواهد شد؟

    محمدزاده: ما در آزمایشگاه خودمان در واقع نقشه بخش کوچکی از مغز را که مختص زبانشناسی بود، پیاده کردیم و آن را به مدلی کامپیوتری تبدیل کردیم. این می تواند قدم نخست یک طرح خیلی عظیم باشد. اگر ما روزی بتوانیم مدل کامپیوتری کاملی از مغز انسان را ایجاد کنیم، می توانیم دنیا را وارد دوران جدیدی از هوش مصنوعی کنیم؛ دورانی که در آن پردازش تصاویر، تعامل با محیط و آنالیز صدا را می توان به یک کامپیوتر نوآموز یاد داد. در آن صورت بشر یک گام بزرگ به تولید ربات هایی با قدرت آنالیز و تصمیم گیری انسان بسیار نزدیک خواهد شد. از آنجا که می دانیم ماشین ها خستگی ناپذیرند، خطا ندارند و توقع کمی دارند، در آینده خیلی نزدیک می توانیم شاهد ظهور ابرربات های هوشمندی باشیم که می توانند هزاران برابر قوی تر و سریع تر از ما یادبگیرند، تصمیم گیری کنند و... انتهای این داستان می تواند کمی ترسناک شود!


    شهرام یزدان پناه
    برگرفته از: جام جم آنلاین - تیر ماه 92
    گر خسته ای بمان و اگر خواستی بدان: ما را تمام لذت هستی به جستجوست ...
    اگر مطالب این سایت برایتان مفید بود، لطفا با مشارکت و به اشتراک گذاشتن تجربیات ارزشمند خود، آن را برای خود و دیگران پربارتر کنید!


    Webitsa.com
    Linkedin Profile

  • #2
    خیلیی جالبه مرسی از شما.
    دستگاه کارل فیشر مجله موفقیت

    نظر

    صبر کنید ..
    X