Mašininis vertimas lietuvių kalbai

BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS Vilnius Universität MASCHINISCHER TERMINATUUR LETUVI KALBAI 1 ESMINIAI WORDŽIAI: litauischer Sprache, Geschichte, Computerische Linguistik, machininis vertimas, neuronische Netzlai, künstlicher Intellektas. ĮVADAS Heute immer mehr Texte übersetzen Computer. Solch automatische Computerübersetzung wird häufig als Maschinenübersetzung (MV) bezeichnet. Normalerweise wird maschinalischer Übersetzung durchgeführt mit dem Ziel so schnell wie möglich sichzusivokern rißeniškem verschiedenakalbschen Informationsstrom, auch damit möglichst breitere Verteilung der eigenen Informationen. Austausch e-Information zwischen Nationen und Sprachen wird ein wichtiger Teil des täglichen Lebens, öffnet neuen Möglichkeiten für unsere Sprache, stellt ihr neuer Herausforderungen und Probleme. Terminn maschininischer vertimas (engl. machine translation) in der vergangensten Jahrhundert erster Pawartier Warren Weaveris, vorgeschlagenęs anpassen was gerade entstanden komputerius teksterius übersetzungem (Weaver 1949: 1). W. Weaveris stellete hinschauen in eine andere Sprache geschriebenetem Text als in šifrogramą, die man dekodieren kann. Britäischer und amerikanischer Spezialisten kryptographische Errungenschaften im kürzlich herbeindringten Zweiten Weltkrieg versprachen Optimismus. Damals war aufrichtig gehofft, daß elektronische Maschinen innerhalb weniger Jahre helfen werden zu überwinden Babels Turm prakeiksmą. Leider, übersetzung verbesserte sich langsam, und maschinischen Übersetzungs qualität weder aus tolo nichtgleichet menschlicher Übersetzung Qualität. Nach siebzigdehnten Jahren, nach neabejotinų sėkmių und nuschylungen, nach vielenkeiten nuweiktų arbei der maschinischen übersetzung gemeinschaft wieder wehrt optimistische lautaikos. Diesmal diesen Betrügchen gelegt werden in künstliche neuronale Netzwerke und schnitais Fortschritt bei der Entwicklung künstliches Intellekt. Mašininis vertimas neaplenkė und litauischer Sprachen. Heute leicht zugängliche internetische maschinellen Übersetzungsmittel vertiefen aus populariesten Sprachen in litauischen Sprache und umgekehrt. Der 2 meisten Mittel Übersetzung Qualität ist noch ziemlich schlecht, ihre ausgesetzten Texte notwendig zu redagieren. Besser qualitativ steht sich nur das Übersetzungswerkzeug Google Translate aus, in der angefängte 1 Artikel ist erstellt nach Berichterstattung Machininis vertimas litauenscher sprachba, lasittą in Vilniuje, 24-ojoje internationalen Jono Jablonskio Konferenz Skaitmenische Spracherquellen, ihre Entwicklungsrichtungen und Benutzungsmöglichkeiten 2017 m. 29. September. 2 Zugang internet https://translate.google.com. DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai |2 BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 neuronischen Übersetzungstechnologien. Mehrheit diesem Mittelun aussprichenden Saknissen behält originalo kalboje turėtet das Sinn. Maschininis vertimas weit verwendeti Informationen in anderen Sprachen verbreiten. Oft mašininio vertimo rezultatai neatsakingai įkeliami į elektroninę erdvę visai neredaguoti. Tokių Handlungsfolgen sind schon sichtbar: online mirgėte mirga prasti lietuviški tekstai mit verzerrter Information, die automatisch sugenerate einokia oder andochtige maschinischen 3 Übersetzungsprogramm. Allmählich solche Texstai können durchskwerbti und in Texyns. Maschininis Übersetzung ist schon geworden kaschidiene, manchmal überrasinančia, und manchmal und augis badančia realybe, die nusipelno nicht nur eingdėmesnischer kalbinikers blicknis, aber und bedeutungsvollteres ihrer Beteiligung in maschininis Übersetzung plėtotę. In diesem Artikel wird kurz vorgestellt Maschinenübersetzung (MV) Geschichte, präsentiert einige Ideeien, turėjusios Einfluss MV raidai. Angeboten werden verschiedener Übersetzungstechnologien erreichen Ergebnisse litauischer Sprache. Analyziert werden MV Anpassungs litauischer Sprachen Möglichkeiten taisyklinischen und statistischen sowie neuroninischen Methoden. Wegen Platzknappheit unerwünscht Versuche zusammenzufügen mehrere dieser Methoden in einem Übersetzungssystem. 1.MACHINISCHE WERKSTÄCHTE Gute Übersetzung aus einer anderen Sprache ist immer noch eine Art intellektuelles Herausforderung für einen Menschen, und Übersetzung war nie ein leichter Beschäftigung. Nenuerbuß, jog war versucht wurde vertimą irgendwie zu automatisieren. 19321935 m. Frankreichs Ingenieur Georges Artsrouni erfand und sukonstrate universaler mechanischen Gerät, den er nannte mechanischen Gehirnimis (frac. cerveau mécanique), der neben anderen Funktionen hatte die Möglichkeit zu übersetzen samkamą Text in mehrere Sprachen (Hutchins 2004a: 12). Dieser elektromechanischen Geretaise wurde gedreama ilga (bis 40 Metern langio) Speicherstreife, hergestellt aus flexkstaus Karton. In ihr wurde aufgeschrieben vieliakalbis Wörteryn, kannender umfassen sogar einige Zehntausend Wortes. Klaviatūrā eingesammelt franzūziškas Wort war mechaniisch koduojam, und nach diesem Kodą in reikiamas Ort paszukannte amminties leiste. Poolikas sekundischen Geräte parodierten eingestellten Wortes vertimą (Daumas 1965: 294295). Prietaisas wurde demonstriert in der Paris weltlichen ausstellung 1937 m., sulaukete großes interessierung und wurde ausgezeichnet mit Didžiuoju prizu. Tatsächlich war es der erste weltweit 3 Džonathan Swiftas (Jonathan Swift) seinen Gulliverio reisen in sarkastiisch beschreibt Maschine, dėliojanchtige beinsmes Wortzes Kombinationen, welche waren ständig stropisch zusammengeschrieben in Bücher. Nötenfalls so ein Nichts kann hergestellt werden viel schneller... DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauischer talbai |3 weikiantis mechaninis wortynas. G. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 Artsrouni später noch verbesserte sein Gerät, jedoch mechanischen Problemen und begonnenes Zweiter Weltkriegs beendete Arbeiten. 1933 m. in der Sowjetischen Union Piotras Smirnovas-Trojanskis erhielt autorisches Zeugnis und suchte viele wertvolle Maschinendienst-Ideen, elektromechaninei vertimo mašinai 4 . Nors ši mašina taip ir nebuvo pagaminta, tačiau išradėjas die wurden nur nach vielen Jahren, erschienen Computern, realisiert. P. Smirnovas-Trojanskis sprach rusiisch, daher gut wahrnahm fleksischen Sprachen Besonderheiten. Er schlug den Übersetzungsprozess auf zu unterteilen in drei Stufen: In erster Stufe Mensch Text zu reduzieren in Lemes und sie anzuzeichnen morphologischen-syntaxischen Zeichen (analizes Etappe); dann in zweiter Stufe sucht die Maschine automatisch eines oder mehrerer Übersetzungssprachen lemes und zuweist ihnen denselben Marker (Transformationsstufe); in der dritten etape Redaktorin nach Übersetzungs lemas und deren Marma muss vorbereiten sklander Übersetzungs Text (generaierungsphase). P. Smirnovas-Trojanskis bietet auch auch verschiedene Synonymen, Homonimų und Idiomen Verlags Methodik. P. Smirnovo-Trojanskio idéen wurden nicht bewertet seiner Gebotnische, er so und neslaukė kompiuterių eros, jedoch auswendete idėjos neliko fürberštos, 5 später wurden bekannt und Westaruose. Das Zeitalter des Praktischen maschinellen Übersetzens begann begannands Komputern. 1947 m. W. Weaveris lišku richtete sich in genialų kalbininką und komputerių kūrėją Norbertą Wienerį fragend, ob neueste Kryptographie-Erfolge und was gerade erschienen sind Computere können sein 6 angewiesen Sprachenverterung. W. Weaveris behauptete, jog jeden russischen Text zu können als kyrilicos Buchstaben beschodotierte anglišką Botschaft behandeln. Ihm erschien, dass Computer die Nachricht einfach entschlüsseln können. Leider war N. Wieneris Antwort skeptisch. m. W. Weaver schickte einem breiteren Publikum ein Memorandum, in dem er vorschlug, Computern für Texte zu übersetzen (Weaver 1949: 7). Zu dieser Zeit in verschiedenen amerikanischen und britischen Laboratorien herrschten ideeen der einfachen wörodigen maschinischen Übersetzung. 7 Der Wissenschaftler war sicher, dass Computern machen können viel besser. Memorandume W. Weaveris schlug vier überschiffenen Wortes nächstes Umfeld und so lösen Polisemies Probleme. Dieser Einzwalga heute bildet statistischen maschinischen Übersetzungs Grundlage. Zweiter Satz vertimo problemų sprendimo ir tyrimo kryptis. Visų pirma, jis pasiūlė statistiškai analizuoti rėmėsi Annahme, daß Redebe 4 Im Autoristischen Zeugnis wird dieses Gerät genannt mašina Wörtern zu auswählen und zu druckdrucken überschiend aus einer Sprache in eine andere oder mehrere Sprachen gleichzeitig. 5 P. Smirnovas-Trojanskis starb 1950 m. 6 Erster britischer elektronischer Computer Colossus begann zu arbeiten 1944 m. Anfang, erster amerikanischer elektronischer digitaler Computer ENIAC wurde fertiggestellt 1945 m. Ende. Erster sowjetischer Computeris MESM wurde 1950 hergestellt. 7 In diesem W. Weaverio memorandume pavartoter Termin maskinis vertimas (engl. machine translation) veikiai prigijo. DANIELIUS ALGIRDAS RALYS. Maschininis vertimms litauischer sprach |4 sind logischen elementen, BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 daher indem neuronischen netzs modelius (McCulloch, Pitts 1943: 115 133), sollte sein möglich dedukuieren vertimą aus originalalo talboje esančių vorläufen. Zeit zeigte diese Einsichtung genialität heute neuronische maschinische Übersetzungsmethode verčia qualitybiškstens. Trečią problemų sprendimo kryptį turėtų sudaryti kriptografijos metodų taikymas kalbų vertimmu. Nach vierzigdehn Jahren wurde dies realisiert in statistischen maschinellen Übersetzungsalgorithmen. Vierttajam Vorschlag illustrieren W. Weaveris nupiešete alegorinį paintingsl, in dem Menschen bewohnt in hohen geschlossenen Türsten, symbolisiojanchien unterschiedlich Sprachen. Menscheninnen ohnehin gelingt so miteinander zu kommunizieren sichschūkauzend durch dicks Tursts Wände. Glücklicherweise, Türštei hat gemeinsamen Fundamenten und Unteremį, genügt dort hinzulassen und dann sollte sein leichter miteinander zu kommunizieren. W. Weaveris behauptete, daß in den Weltsprachen glūde eine gewisse gemeinsame Giluminė Struktur, die noch offenbart bedürfen. Letzterer Wissenschaftlervorschlag förderte 8 nehmen universalischer Sprachen maschinischen Übersetzungen interlingvos paeškos und konstravimo. Nach W. Weaveris Memorandum maschinis vertimas notruko einschibėget. m. 1954 War in Neujork öffentlich pademonstriert ein maschineller Übersetzungssystem, entwickelt in Zusammenarbeit mit IBM Corporation und Džordžtaun Universität. Waren überschieta von rusischen Sprache ins englische Sprache. Im System wurden nur sechs Grammatikregeln überprogrammiert, und zur Übersetzung wurden etwa 250 Wörter verwendet (Hutchins 2004b: 102). Sistema war orientiert in pavyzdžiai iš anksto kruopščiai apgalvoti. Po eksperimento viltasi, kad po kelerių metų mašinos organische Chemien thematik, vertimo vers puikiai, und Arbeiten fortstihen wurde vorgesehen dosnus finanzierung. MV sparčiai imamas entwikkelti in den Vereinigten Staaten von Amerika (JAV) und Sowjetischen Union, mit dem Ziel einen strategischen Vorteil im kalten Krieg zu gewinnen. Populiariauste überschiete Sprachen waren rusų und englisch. 2. TAYCYKLINISCHER MASCHINALTERWERTUNG Vorėjendem Jahrhundert in der Mitte der sechste Jahrzehnte erschienen maschinalischer (komputerinischer) Übersetzungs Systeme, die genommen wurden als regeligen (engl. rule-based) zu nennen. Sie wurden entwickelt unter dem Ansicht, dass Sprache zu beschreiben ist mit Hilfe bestimmter Regeln (sowohl auch gramatischen) Sammlung. Beim Anwenden dieser Methode, originalalo Sprachs Sentenz ist analysiert bis zu einem gewissen ausgewählten Level, festgestellt Satzstruktur, die transformiert wird nach sichgerichteten Regeln in Übersetzungsprachs ekvivalentische Struktur, nach der sugenerisiert wird Übersetzungsprachs Sentenz. Verschiedener Sprachen Satzstrukturen können sehr unterschiedlich sein, haben einer der anderen Eigenschaften, die zu werden müssen widerspiegelt MV 8 Es sollte nicht verwechseln werden mit natürlichen Sprachen interlingvom esperanto, ido, volapiuko und pan. DANIELIUS ALGIRDAS RALYS. Mašininis übersetzung litauischer sprachbai |5 systemoje. der BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 Problemen litauischen Wortens synaksischen Strukturen abwaisdavings, geeignetam machininiam Vertalung, untersuchte Daiva Šveikauskienė (2005: 411417). Es gibt verschiedener regelnischer MV-Systeme atmanų, die unterscheiden nach Analysierungsdeckį (Fig. 1). Je gilesen das Satzanalyse, 9 desto einfacher Transformation. Idealu Fall, beim Analyzieren Text bis interlingvas Tiefe, nebereichäße keiner Transformationen interlingvinis Text Bilderbild sollte sein gleichermaßen in allen Sprachen. 1 PAV. Taisyklinioischen maschinischen Übersetzungen Vauquois trikampis Taisyklinio MV Probleme bevorzte zu lösen indem sowohl empirische, als auch linguistische Methoden. Empirikų lagyklacht am populärsten war die unmittelbare Übersetzungsmethode. So übersetzt man zwischen zwei Sprachen verwendet nurhin ein Wörterbuch und einfache Programmierregeln, praktisch wird nicht gehalten Sprachenanalyse oder synaktischer Reorganisierung (sollte Methode entspricht niedrigstem Level 1 Fig.). USA sechštajame vergangenem Jahrhundert Jahrzehnt in Erwino Reiflerio geleitete Forschergruppe kūrės spezial Wörthyns maschininiam übersatzem, denen neben leksischen ekvivalenten wurden eingefügt und lokale Wortesordenswechselregeln. So auch wurden vorgelegt vieler Frazien Übersetzungen und apibendrinamosios Begriffos (angl. cover terms) polisemijas Problemen zu lösen. 1964 m. begann zu funktionieren Mark II rusųanglų direktem Übersetzungssystem, entwickelt JAV karinių oro pajėgų bestellung. Darin verwendet wird E. Reifleris Wörterbuch, der über 170.000 Wörter umfasst (Reifler 1960: 312). Lingvistische Methoden breitere wurden angewendet Džordžtauns Universität, in dem sich versammelte gausenischen maschinischen Übersetzungs Forscherkräften, passkirschiusios in mehrere unterschiedliche Methoden taikanischen 9 Solche Illustrationen werden oft Vauquois trikampiu genannt, diese ilustravimo Methode wurde vorgeschlagen der Französische Maschinentranslations-Patin Bernardʼas Vauquois (1976: 335). DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai |6 BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 Gruppen. Michaelo Zarechnako geleitetamam Gruppen wurde entwickelt Džordžtauns automatischen Übersetzungs (Engl. GAT Georgetown Automatic Translation) System. Siehe wurde durchgeführt drei Ebenen Analyse: morfologische (apimanti und idiomų identifizierung), sintaksische und sintagminė. Modifiziertes GAT-System wurde erfolgreich begonnen zu verwenden Euratome (Isproje, Italienijoje) 1963 m. und JAV Atomische Energiekommission 1964 m. Viel länger zu dauern, eine interlingvos Grundgrund wirkende MV-System zu erstellen. Kommercinę Wert zu haben MV System KANT erschien nur im letzten vorgangen Jahrhunderts Jahrzehnt (Mitamura et kt. 1991: 105118). Sistema wurde verwendet einigen technischen Texten zu übersetzen. Bendrinei Sprach ausreiksten interlingva so und wurde nicht entwickelt. Den ganzen Jahrzehnt nach IBMDžordžtauns MV prezentationen wurde sehr gestrebamatig wesentlich zu verbessern MV Übersetzungsqualität, 10 jedoch Fortschritt war sehr mager. 1966 m. JAV gegründet ALPAC (engl. Automatic Language Processing Advisory Committee) Komitee entscheidet, jog MV nächstgelegenen Zeit hat keine Perspektiven, denn ist schwachen Qualitets, ihn noch muss redagueren Übersetzer, dem sugaišdamas mehr Zeit, negu verdamas ohne keinen Maschinen. ALPAC komitee ignorierte das Faktum, dass maschinischer Übersetzung hilft zu übersetzen milžiniškus Informationsvolum, und vieles Kunden befriedigt schlauer, vos Sinn meinen überbringender Übersetzung. Nach negativen Komitetochnungen MV-Projekten Finanzierung USA war praktisch unterbrochen für einige Jahrzehnte, Finanzierung sumenko und in anderen Ländern. Trotz der entstandenen skeptische Einstellung zu MV, fand in diesem Bereich ständiger Fortschritt statt. 1968 m. JAV begonnen zu entwickeln regelinio übersetzungssystem SYSTRAN (Toma 1977: 569581) wurde ständig verbesserta und später wurde kommercinė. Dieses System wurde angefangen verwenden JAV Verteidigungsdepartement, NASA, Euratome, Europäische Kommission und viel woanders. Nach 1975 m. kommercinį Vereinbarung erhielt die Europäische Kommission das Recht das System zu verbessern für ihre Bedürfnisse. System ausreichend gut übersetzt einiger Sprachbereichen Texte in viele Sprachen. Seit 2010 m. SYSTRAN begann zu verwenden hybridine Technologien. gut funktionierende MV-Systeme sind in anderen Ländern aufgetaucht: ARIANE (Grenoblyje, Frankreich), ein ihr ähnliches MU-System (Kiote, Japan) sowie SUSY (Sarbriukene, Deutschland). Europinischer EUROTRA Projekt (19821992 m.), kostetęs mehr als 11 50 000 000 ECU, endigte nesėkme hunderte Spezialisten so und nesukūrė weikianches MV Systeme. So begann eine ernsthafte regelinischer MV Krise. Später viele Jahre war tryptionijama statt. 10 USA während dieses Zeitraums MV Systeme auf Entwicklung und Verfeinerung ausgegeben etwa 20 Mio. Dollar. 11 1994 m. Europos Bendrijų Komisijos (angl. CEC – Commission of the European Communities) pranešime pateikti EUROTRA finansavimo duomenys – Komisija 1982–1992 m. projektui skyrė 37,5 mln. ECU (CEC 1994: 3.10), verschiedener Ländern sechziolikai EUROTRA Centren zusätzlich zugeteilt mehr als 20 Mio. ECU (CEC 1994: A4.2). DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauens kalbai |7 Taisyklinis mašininis vertimas BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 Lituanien entstand nur in diesem amžiuje. 20032004 m. maschinischen Übersetzungssystem Česílko (Hajič und kt. 2000: 1012) wurde angepasst litauischer Sprache (Homola, Rimkutė 2004: 7781). In diesem Zeitraum Petras Homola und Erika Rimkutė untersuchten dieses Systems maschinische Übersetzungsmöglichkeiten zwischen tschechischen und litauischen Sprachen. 20052007 m. Vytautas Großjos University führte eine Europäische Unions Struktürlichen Fonds finanzierte Projekt Internetische Informations übersetzungseinrichtung durch. Die Struktur des entworfenen MV Systems beschreibt Vido Daudaravičiaus (2006: 718). Wurden geschaffen eine öffentliche internetische Übersetzungseinrichtung aus englischen Sprache in litauischen Sprache. Vertimo eniklį 12 stellte die russische Firma PROMT. Der Teil des Systems sprachlicher Komponenten wurde bereitesta in Lituanien. Sistema puikiai übersetz nur ein paar sakinių tipus, gute verrichtungen bildete kleinheit. 2007 wurde eine sprachliche Bewertung dieses MV-Systems durchgeführt (Rimkutė, Kovalevskaitė 2008: 257264). Audronė Daubarienė und Greta Ziezytė (2013: 5561) bewerteten die Übereinstimmung der Übersetzung des VDU MV Systems mit Textalkeitsstandards (De Beaugrande, Dressler 1981 3: Seiner Arbeit autorės stellte, daß ausgerittjiji verschiedener Genrücher maschinischen Übersetzungs Texstai wegen vieler semantischer Fehler nichtitiko koherencijos und einiger anderer Texalums Standards, daher solche Übersetzungen können nicht sein annehmlichen und informivüs Lesertuu. Slenkant Jahrzehntern und, im Wesentlichen, tūpčiojant statt, wurde angefangen zu begreifen, dass Sprache ist äußerst komplexes Phäškinys, das sehr schwierig zu beschreiben Regeln. Daugiareikšmiškumo, anaforų Übersetzungsproblemen zu lösen wurde vorgeschlagen extralingvistische Informationen über Welt sandarą und seine logiką zu verwenden (Bar-Hillel 1958: 197207). Allerdings solcher versystemiserten Informationen einfach gab es, und formus Textesinnes Beschreibung zeigte sich schwierigere Aufgabe als das Übersetzen selbst. Es war akivaizdu, jog maschinischen übersetzungs problemos erforderte revoliucinių Lösungen. 2. STATISTISCHER MASCHINENRECHNUNG 1988 m. IBM Wissenschaftlergruppe (Brown und kt. 1988: 7176) schlug für maschinischem Übersetzung naudoti lygiagrečiuose tekstynuose glūdinčią informaciją, ieškant tikimiausių vertimo variantų. Pasiūlytas vertimo modelis basiesi Prämisse, jog triukšmingame kanale gescheht originalalo Sprachsachnis f Veränderung ins sakinį e vertimo Sprach. Lärms Kanale statistisch ausbreitet originalalo Sprachen sakinį f, deshalb kanalo ausėjime können wir verschiedene Sätze erhalten e, womöglich verschiedenigsten Länges, beinhaltenden einokie oder andokią Sinnmü in Übersetzungssprache oder sie überhaupt nicht beinhaltenden. Weil das Kanal stengiasi išversti teisingai, tai pro triukšmą vis dažniau prasiskverbia teisingi vertimo variantai. 12 Prieiga internet http://vertimas.vdu.lt/twsas/. DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauischer sprachbai |8 In diesem Modell wird BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 angenommen, dass wenn in kanalą gesendet wird Satz f, angenehmster Übersetzungsvariant ê aus allen e ist der, dessen erscheinungs kanalo ausėjime kondisginė Wahrscheinlichkeit p(e|f) ist größter, t. y. ê = argmaxe p(e|f). Hier stößt mit dem Problem, daß um finden zu können die beste Übersetzungsvariante ê braucht nicht nur alle möglichen Sätze verarbeitende Sprache, sondern und höchstwährige Wortzes kratinius darin. Zu zählen solche Menge tikimybių ist sehr schwierig. Praktiziert man Bayes Theorem, erhält man leichter abgezählte ekvivalentische Ausdrücke (Koehn und kt. 2003: 127): argmaxe p(e|f) = argmaxe p(f|e) p(e) Diese Gleichung ist grundlegende statistischer maschinener Übersetzungsgleichung (Brown und kt. 1993). Join bedingete Wahrscheinlichkeit p(f|e) zeigte Wahrscheinlichkeit, dass kanalu war pasiųstas Satz f, wenn ausėjime erschien Satz e. Dieser gleichties Mitglied genannt wird vertimo Modeliu, der berechtigt wird aus dvikalbių tekstynen. Der zweite Gleichtiermitglied p(e) zeigt den Satz e Wahrscheinlichkeit der Übersetzung in der Sprache. Dieser Mitglied beschreibt Sprachen modelį, der berechtigt wird aus einkalbių vertimo Sprachen 13 tekstynen. 2 PAV. Statistischen maschinischen Übersetzungen Vauquois trikamps IBM Wissenschaftlern vorgeschlagene Übersetzung Methode nach Übersetzungskwalität sogleich begann zu konkurrieren mit regelinem Übersetzung. Statistischen MV Systeme entwickelenden gefallete Möglichkeit zu übersetzen in viele Sprachen, ohne Verständnis zu haben weder über vertimą, noch über grammatiką, genügte entwickelten Systeme auszuziehen aus liegenden Textynen. Bei der klassischen statistischen Übersetzung wird keine beibehalten 13 Das Sprachmodellis verringert Berechnungsverbreitung, denn hilft auf einmal abzulehnen Textynen nerendamen Sätze, hilft auszuwählen fliežiauste Vertimą, auch indirekt zeigt, warum grožine Literatur besser verčia verėja(s), dessen(s) vertimo Sprache ist gimtoji. DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauesischer talbai |9 originalalo Sprache sakinių BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 analizė ar vertimo Sprache sakinių sintezė (2 bild.), überschietama nur nach Systembildung festgelegten Wahrscheinlichkeiten. Peterio Browno und seine Kollegen vorgeschlagen fünf Wortensordnung in Übersetzungen Modelle waren nicht ausreichend flexibüs, sie ließen originalal Sprache Wort zu übersetzen einem oder einigen Worten oder ihn gar nicht zu übersetzen. 2003 m. wurde vorgeschlagen (P. Koehn und kt. 2003: 127133) flexibleren maschinischen Übersetzungs Modelis, kannter überset und originalalo Sprache Phrasen. Während dieser Periode waren rasčiai perfektionierend Automatische Qualitätsbewertungsmethoden des maschinellen Übersetzens, denn es war sehr wichtig schnell herauszufinden, welche derinamas maschinellen Übersetzungssystem Versionia verčia am besten. Es wurde auch versucht, dass solche Bewertung erlauben würde objektiv zu vergleichen die Qualität verschiedener Übersetzungssysteme. Ilgaei eine Populariausių wurde BLEU (engl. bilingual evaluation understudy akronym) Metrika (Papineni und kt. 2002: 311318), welcher automatisch vergleichet, wie fern maschininischer Übersetzungs Text ist entflanęs von menschlichem Übersetzung. In dieser Metrike wird nicht auf die Textverständaglichkeit oder grammatikalische Regelunglichkeit berücksichtigt, in der gerechnet werden nur genau übereinstehende Worte oder Phrasä. Schauend uždavinio, MV kokybei vertinti dažnai naudojamos ir kitokios, vienokią ar kitokią gerą ypatybę Metriken haben sutampančios Phrasě ein relativ höheres statistisches Geworį als paskiri sutampančios Wörter. Abhängig von enthaltener, Metrikos: F-measure, METEOR (Banerjee, Lavie 2005: 6272), NIST (Doddington 2002: 138145), TER (Snover und kt. 2006: 223231) und noch viele anderen. Trotz į morfologiškai turtingas (fleksines) kalbas. Į fleksinių kalbų lygiagrečius tekstynus dažniausiai statistischen MV Popularität, immer mehr klarete dieser Methode begrenztheit überschient nicht betekusios aller möglichen Phrasien oder sogar einzelner seltener Wortformen. Wenn auch welche gãlimos Forenms nicht eingtráukt wurden in MV Systems Ausbildung, das tókios Forenms und wird nicht ve čiamas. Diesen klassischen MV Mangel verursacht Dateninsuffizienz, aufgrund dessen apmokius Systeme erhält eine ausretinte Vertimo tikimybių matrica. Um zu überwinden diesen Mangel, Philippas Koehnas und Hieu Hoangas vorgeschlagen faktorisierte statistische machininį vertimą (Koehn, Hoang 2007a: 868876). wurde vorgeschlagen in das Übersetzungssystem einzufügen zusätzlicher linguistischer Informationen annotierend linguistischer Analysezeichen parallagrečius Texyns, die später verwendet systeme trainieren. 2007 m. P. Koehnas mit Kollegen der breiten Öffentlichkeit präsentierten ausgehaltete statistischen MV paket Moses in offener kode (Koehn und kt. 2007b: 177180). Faktorisiertes statistisches MV Anpassung verbesserte etwas die Übersetzungsqualität fleksischer Sprachen, normalerweise 12 BLEU procentais (Bojar 2007: 235236; Skadiņš und kt. 2010: 128129). Seit 2008 m. September 25 d. Google Translate statistischen MV System nahm zu übersetzen und litauisch. 20122014 m. Vilniaus Universität leitete Europäischen Unions Struktürlichen Fonds DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauischer kalbai |16 D e B ea u g ra n d e R. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 A., D r e s s le r W. U. 1981: Introduction to Text Linguistics, London: Longman, 270. D o d di n g t on G. 2002: Automatic Evaluation of Machine Translation Quality Using Ngram Co-occurrence Statistics. Proceedings of the Second International Conference on Human Language Technology Research, San Francisco, CA, USA., Morgan Kaufmann Publishers Inc., 138145. F o rc a d a M. L, G i n e s t í - Ro s e ll M., N o rd f a l k J., O ' R e gan J., O r t i z - R o ja s S., P é re z - O r ti z J. A., S á n c h e z -M a r t í n e z F., R a m í r e z -S á n c h e z G., T ye r s F. 2011: Apertium: a free open-source platform for rule-based machine translation. Machine Translation 25 (2), Free/Open-Source Machine Translation (June 2011), 127 144. H a j ič J., H ri c J., K u b o ň V. 2000: Machine Translation of Very Close Languages. Proceedings of the 6th Applied Natural Language Processing Conference, Association for Computational Linguistics, 712. H o m ol a P., R i m k u tė E. 2004: Artimų kalbų mašininis vertimas. – Kalbų studijos 6, 77–81. H u tc h i ns J. 2004a: Two precursors of machine translation: Artsrouni and Trojanskij. International Journal of Translation 16(1), 1131. Ich bin froh, dass Sie das nicht erwähnt haben. H u tc h i ns J. 2004b: The Georgetown-IBM experiment demonstrated in January 1954. Proceedings of the 6th Conference of the Association for Machine Translation in the Americas, AMTA, Washington, DC, 102114. J o hn s o n M., S c h u st e r M., L e V. Q., K r i k un M., W u Y., C h e n Z., T h or a t N., V i é ga s F. B., W a t te n b e rg M., C o r ra d o G., H u g he s M., D e a n J. 2017: Google's Multilingual Neural Translation Machine System: Enabling Zero-Shot Translation. Transactions of the Association of Computational Linguistics 5 (1), 339351. K a lch b re n n e r N., B l un s o m P. 2013: Recurrent Continuous Translation Models. Proc. of EMNLP, October, Association for Computational Linguistics, Seattle, Washington, USA, 17001709. K oe hn P., H o an g H. 2007a: Factored translation models. Proceedings of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, ACL, 868876. K oe hn P., H o a ng H., B i r c h A., C a ll i so n - B u rc h C., F e de r i co M., B e r t o l di N., Co w a n B., S he n W., M o ra n C., Ze n s R., D y e r C., B o j a r O., C o ns ta n tin A., H e r b s t E. 2007b: Moses: Open source toolkit for statistical machine DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai |17 BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 translation. 45th Annual Meeting of the Association for Computational Linguistics (ACL), Companion Volume, 177180. K oe hn P., O c h F. J., M a r c u D. 2003: Statistical phrase-based translation. Proceedings of HLT-NAACL, 127133. K os K., B o ja r O. 2009: Evaluation of Machine Translation Metrics for Czech as the Target Language. Prague Bull. Math. Linguistics 92, 135148. M c C ul l o c h W., P it t s W. 1943: A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics 5, 115133. Bulletin of Mathematical Biophysics 5, 115133. Bulletin of Mathematical Biophysics 5, 115133. M i ko l o v T., S u t sk e ve r I., C he n K., C o r ra d o G. S., D e a n J. 2013: Distributed Representations of Words and Phrases and their Compositionality Proceedings of the 26th International Conference on Neural Information Processing Systems, Lake Tahoe, Nevada, Vol 2, 31113119. M i t am u r a T., N y be r g E., C a r b o ne l l J. 1991: An efficient interlingua translation system for multi-lingual document production. Proceedings of Machine Translation Summit III, Washington, DC. Pressedruckt: Progress in Machine Translation, ed. S. Nirenburg, IOS Press (1993), 105118. P i n e ni K., R o u ko s S. W a rd T., Z h u W. J. 2002: BLEU: a method for automatic evaluation of machine translation. ACL-2002: 40th Annual meeting of the Association for Computational Linguistics, 311318. R e if l e r E. 1960: The solution of MT linguistic problems through lexicography. Proceedings of the National Symposium on Machine Translation, (February 25, 1960), ed. H.P. Edmunson, London: Prentice-Hall, (1961), 312316. R i mk u t ė E., K o v al e v s ka i t ė J. 2008: Linguistic Evaluation of the First EnglishLithuanian Machine Translation System. Proceedings of the Third Baltic Conference on Human Language Technologies (2007), Kaunas, 257264. S k a di ņ š R., G o b a K., Š i c s V. 2010: Improving SMT for Baltic Languages with Factored Models. Proceedings of the Fourth International Conference Baltic HLT, Frontiers in Artificial Intelligence and Applications, Vol. 219, IOS Press, 125132. S n ove r M., D o r r B., Sc h w a r t z R., M i cci u l l a L., M a k h ou l J. 2006: A Study of Translation Edit Rate with Targeted Human Annotation. Proceedings of the 7th Conference of the Association for Machine Translation in the Americas, Morristown, NJ, USA, 223231. DANIELIUS ALGIRDAS RALYS. Mašininis übersetzung litauischer sprachbai |18 networks. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 S u ts k e ve r I., V i n ya l s O., V. L e Q. V. 2014: Sequence to sequence learning with neural Proceedings of the 27th International Conference on Neural Information Processing Systems, Montreal, Canada, Vol. 2, MIT Press Cambridge, MA, USA, 3104 3112. Š v ei k a u sk i e nė D. 2005: Graph Representation of the Syntactic Structure of the Lithuanian Sentence. Informatica 16 (3), 407418. T o ma P. 1977: Systran as a multilingual machine translation system. Proceedings of the Third European Congress on Information Systems and Networks, Overcoming the language barrier, München, 569581. V a s iļ je vs A., Sk a d i ņ š R., T i e de m ann J. 2012: LetsMT! : a cloud-based platform for do-it-yourself machine translation Proceedings of the ACL, System Demonstrations, Jeju Island, Korea, 4348. V a uqu o i s B. 1976: Automatic translation A survey of different approaches. COLING-76, Ottawa. Pressedruckt: Readings in machine translation, eds. S. Nirenburg, H. L. Somers, Y. Wilks, MIT Press, (2003), 333-337. W e ave r W. 1949: Translation. Veröffentlicht: Machine Translation of Languages, MIT Press, Cambridge, MA. (1955), 15–23. Įteikta 2017 11 13 Angenommen 2017 12 20 MACHINE TRANSLATION FOR LITHUANIAN LANGUAGE S u mm a ry The paper presents a historical overview as well as current state of the art of the machine translation. Translation from another language is always a certain intellectual challenge. In 1949 Warren Weaver suggested using computers to translate texts. The term "machine translation" (MT) appears. Machine translation has been rapidly developing during the first decades in order to gain a strategic advantage in the Cold War. Most popular translated languages were Russian and English. Word-to-word translation and large bilingual dictionaries covering more than 170,000 words prevailed. DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauischer kalbai |19 In the 1950s and 1960s, machine BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 translation systems appeared which could be called rule-based. They are based on the assumption that a language can be described using a set of rules (including grammatical). It was a rather optimistic period - it was expected to create a perfect machine translation in a few years. But a computer hardly "understands" grammar. Highly rules. Nobody has done this properly yet. The most inflected languages require tens of thousands thoroughly hand-tuned and mutually consistent advanced systems were the SYSTRAN MT system, launched in the European Commission and the Russian PROMT translation system. Subsequently, the rule-based MT progress slowed down. The EUROTRA project (1982-1992), specialists failed to create a functioning MT system. This marked a by some estimates costing more than 50,000,000 ECU, fails – even hundreds of recruited serious rule-based MT crisis. Development simply stalled for many forthcoming years. The question was raised: if we cannot write so many rules, can it be translated without grammar at all? In 1990 a new breakthrough emerges - the research team at the IBM Thomas J. Watson Research Center formulates the basics of statistical machine translation. The translation process has been considered as a transmission of a certain message over a noisy channel. Decoding then has been performed on the basis of the Bayesian theorem. Translation is based on text corpora, especially on large parallel bilingual text corpora. There was a rapid improvement of statistical MT. The EuroMatrix project, unterstützt by the European Commission, has created a universal open source machine translation software package MOSES, based on industry-level MT systems. Good results have been obtained - it turns out that you can translate without any dictionary or grammar! This method has greatly facilitated the translation of highly inflected languages too. The achievements of machine translation today are effectively applied to the Lithuanian language as well. During 2005-2007 Vytautas Magnus University has carried out an EU-funded project "Internet Information Translator". The result was a public online translation service from English to Lithuanian. (http://vertimas.vdu.lt/twsas/). The rule-based translation engine was provided by the Russian company PROMT, while other linguistic resources were prepared in Lithuania. The overall quality of text translation in BLEU metrics (in percent) is about 10. In practice, this means that only every third sentence can be adequately understood. This translation tool still has considerable potential for improving, for example by expanding phrase dictionary. Since September 25, 2008 Google Translate also supports Lithuanian. nach the results of the tests (2014), the BLEU translation quality wurde geschätzt zu sein rund 17. DANIELIUS ALGIRDAS RALYS. Mašininis vertimas litauischen talbai |20 2012-2014 Vilnius University BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 implemented the EU-funded project "Creation of EnglishLithuanian-English and French-Lithuanian-French machine translation system based on statistical methods". The result was a public online translation service (https://www.versti.eu). nach den Tests durchgeführt in 2014, the BLEU estimates of the translation quality exceeded more than twice the rule-based translation results and were practically equivalent to the Google translation system. When translating the documents of certain domain (such as law) the achieved BLEU score is roughly twice as high as translating general texts and far exceeds Google's results (19-09-2014). However, even the best machine translations often require human intervention and final editing in order to get the perfect translation. So, can machines ultimately translate fine? The last few years promise new breakthroughs using a neural machine translation. Neural networks themselves construct transformation rules. It is likely that in the near future the neural MT systems will translate better than an average translator. In 2018 Vilnius University is preparing to launch the EU-funded project of a new generation neural machine translation of English, Lithuanian, Polish, French, Russian and German. well. Thus, the latest achievements in machine translation apply to the Lithuanian language as KEYWORDS: Lithuanian, machine translation, computational linguistics, history, neural networks, artificial intelligence. DANIELIUS ALGIRDAS RALYS Vilniaus Universitäts Taikomųjų Wissenschaften Institut M. K. Čiurlionio g. 29, 03100 Vilnius danielius.raly[email protected]m