Mašininis vertimas lietuvių kalbai

DANIELIUS ALGIRDAS RALYS Universität Vilnius MASCHINELLE ÜBERSETZUNG INS LITAUISCHE1 SCHLÜSSELWÖRTER: litauische Sprache, Geschichte, Computerlinguistik, maschinelle Übersetzung, neuronale Netze, künstliche Intelligenz. EINLEITUNG Heute übersetzen Computer immer mehr Texte. Eine solche automatische computergestützte Übersetzung wird meist als maschinelle Übersetzung (MV) bezeichnet. Maschinelle Übersetzung wird gewöhnlich eingesetzt, um sich möglichst schnell in einem riesigen Strom mehrsprachiger Informationen zurechtzufinden und zugleich die eigenen Informationen möglichst weit zu verbreiten. Der Austausch elektronischer Informationen zwischen Völkern und Sprachen wird zu einem wichtigen Teil des Alltags, eröffnet unserer Sprache neue Möglichkeiten und stellt sie vor neue Herausforderungen und Probleme. Den Begriff „maschinelle Übersetzung“ (engl. machine translation) verwendete Mitte des vergangenen Jahrhunderts erstmals Warren Weaver, der vorschlug, die gerade erst entstandenen Computer zur Übersetzung von Texten einzusetzen (Weaver 1949: 1). W. Weaver schlug vor, einen in einer anderen Sprache verfassten Text als Chiffre zu betrachten, die sich entschlüsseln lasse. Die kryptografischen Erfolge britischer und amerikanischer Fachleute im gerade zu Ende gegangenen Zweiten Weltkrieg weckten Optimismus. Damals glaubte man aufrichtig, dass elektronische Maschinen innerhalb weniger Jahre helfen würden, den Fluch des Turmbaus zu Babel zu überwinden. Leider machte die Übersetzung nur langsame Fortschritte, und die Qualität maschineller Übersetzungen kam nicht annähernd an die Qualität menschlicher Übersetzungen heran. Siebzig Jahre später, nach unbestreitbaren Erfolgen und Enttäuschungen und nach umfangreicher geleisteter Arbeit, herrscht in der Gemeinschaft der maschinellen Übersetzung wieder Optimismus. Diesmal setzt man seine Hoffnungen auf künstliche neuronale Netze und die rasanten Fortschritte bei der Entwicklung künstlicher Intelligenz. Auch die litauische Sprache blieb von der maschinellen Übersetzung nicht unberührt. Heute übersetzen leicht zugängliche Online-Übersetzungstools aus den verbreitetsten Sprachen ins Litauische und umgekehrt. Die Übersetzungsqualität der meisten Tools ist noch recht mangelhaft; ihre übersetzten Texte müssen unbedingt redigiert werden. Eine bessere Qualität zeichnet nur das Übersetzungstool Google Translate2 aus, in dem begonnen wurde, … zu verwenden 1 Der Artikel wurde auf Grundlage des Vortrags „Maschinelle Übersetzung ins Litauische“ verfasst, der am 29. September 2017 in Vilnius auf der 24. Internationalen Jonas-Jablonskis-Konferenz „Digitale Sprachressourcen, ihre Entwicklungsrichtungen und Nutzungsmöglichkeiten“ gehalten wurde. 2 Online verfügbar unter https://translate.google.com. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 2 Neuronale Übersetzungstechnologien. Die meisten mit diesem Verfahren übersetzten Sätze bewahren die Bedeutung, die sie in der Originalsprache hatten. Maschinelle Übersetzung wird weithin genutzt, um Informationen in anderen Sprachen zu verbreiten. Häufig werden Ergebnisse maschineller Übersetzung unverantwortlich und völlig unbearbeitet im elektronischen Raum veröffentlicht. Die Folgen solcher Praktiken sind bereits sichtbar: Im Internet wimmelt es von schlechten litauischen Texten mit verfälschten Informationen, die automatisch von einem maschinellen Übersetzungsprogramm oder einem anderen erzeugt wurden3. Nach und nach können solche Texte auch in Korpora Eingang finden. Maschinelle Übersetzung ist bereits zu einer alltäglichen Realität geworden, die manchmal verblüfft und manchmal geradezu ins Auge sticht und die nicht nur die aufmerksamere Beachtung durch Linguisten, sondern auch deren stärkere Beteiligung an der Weiterentwicklung maschineller Übersetzung verdient. Dieser Artikel gibt einen kurzen Überblick über die Geschichte der maschinellen Übersetzung (MV) und stellt einige Ideen vor, die die Entwicklung der MV beeinflusst haben. Er präsentiert die Ergebnisse, die verschiedene Übersetzungstechnologien für das Litauische erzielt haben. Untersucht werden die Möglichkeiten, MV mithilfe regelbasierter, statistischer und neuronaler Methoden auf das Litauische anzuwenden. Aus Platzgründen werden Versuche, mehrere dieser Methoden in einem einzigen Übersetzungssystem zu kombinieren, nicht behandelt. 1. DIE URSPRÜNGE DER MASCHINELLEN ÜBERSETZUNG Eine gute Übersetzung aus einer anderen Sprache ist für den Menschen stets eine intellektuelle Herausforderung, und Übersetzen war nie eine leichte Aufgabe. Es ist daher nicht verwunderlich, dass man versuchte, das Übersetzen irgendwie zu automatisieren. Zwischen 1932 und 1935 erfand und konstruierte der Ingenieur Georges Artsrouni in Frankreich ein universelles mechanisches Gerät, das er mechanisches Gehirn (franz. cerveau mécanique) nannte und das unter anderem die Möglichkeit bot, eingegebenen Text in mehrere Sprachen zu übersetzen (Hutchins 2004a: 12). In diesem elektromechanischen Gerät lief ein langes (bis zu 40 Meter langes) Speicherband aus flexiblem Karton um. Darauf war ein mehrsprachiges Wörterbuch verzeichnet, das sogar mehrere Zehntausend Wörter umfassen konnte. Ein über die Tastatur eingegebenes französisches Wort wurde mechanisch kodiert, und anhand dieses Codes drehte sich das Speicherband an die entsprechende Stelle. Nach einigen Sekunden zeigte das Gerät die Übersetzung des eingegebenen Wortes an (Daumas 1965: 294–295). Das Gerät wurde 1937 auf der Weltausstellung in Paris vorgeführt, stieß auf großes Interesse und erhielt den Grand Prix. Tatsächlich war es weltweit das erste 3 Jonathan Swift beschreibt in seinen Reisen Gullivers sarkastisch eine Maschine, die sinnlose Wortkombinationen zusammenstellt, die unablässig sorgfältig in Bücher eingetragen werden. Heutzutage lässt sich derselbe Unsinn viel schneller herstellen... BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 3 ein funktionsfähiges mechanisches Wörterbuch. G. Artsrouni verbesserte sein Gerät später weiter, doch mechanische Probleme und der Ausbruch des Zweiten Weltkriegs setzten der Arbeit ein Ende. 1933 erhielt Pjotr Smirnow-Trojanski in der Sowjetunion ein Urheberzertifikat für eine elektromechanische Übersetzungsmaschine4. Obwohl diese Maschine nie gebaut wurde, formulierte der Erfinder zahlreiche wertvolle Ideen zur maschinellen Übersetzung, die erst viele Jahre später mit dem Aufkommen der Computer umgesetzt wurden. P. Smirnow-Trojanski sprach Russisch und verstand daher die Besonderheiten flektierender Sprachen gut. Er schlug vor, den Übersetzungsprozess in drei Phasen zu unterteilen: In der ersten Phase sollte ein Mensch den Text auf Lemmata reduzieren und diese mit morphologisch-syntaktischen Merkmalen annotieren (Analysephase); anschließend sollte die Maschine in der zweiten Phase automatisch die Lemmata einer oder mehrerer Zielsprachen finden und ihnen dieselben Merkmale zuweisen (Transformationsphase); in der dritten Phase sollte ein Redakteur anhand der Übersetzungslemmata und ihrer Merkmale einen flüssigen Zieltext erstellen (Generierungsphase). P. Smirnow-Trojanski schlug außerdem verschiedene Verfahren zur Übersetzung von Synonymen, Homonymen und Idiomen vor. Die Ideen P. Smirnow-Trojanskis fanden in seiner Heimat keine Anerkennung; er erlebte die Computerära nicht mehr5, doch die Ideen des Erfinders gerieten nicht in Vergessenheit und wurden später auch im Westen bekannt. Die Ära der praktischen maschinellen Übersetzung begann mit dem Aufkommen der Computer. 1947 wandte sich W. Weaver in einem Brief an den genialen Linguisten und Computerentwickler Norbert Wiener mit der Frage, ob die jüngsten Fortschritte der Kryptografie und die gerade aufgekommenen Computer6 für die Übersetzung zwischen Sprachen genutzt werden könnten. W. Weaver vertrat die Ansicht, dass jeder russische Text als eine mit kyrillischen Buchstaben verschlüsselte englische Botschaft betrachtet werden könne. Seiner Meinung nach könnten Computer diese Botschaft einfach entschlüsseln. Leider fiel N. Wieners Antwort skeptisch aus. 1949 versandte W. Weaver ein Memorandum an einen größeren Leserkreis, in dem er vorschlug, Computer zur Übersetzung von Texten einzusetzen (Weaver 1949: 7)7. Damals herrschten in verschiedenen amerikanischen und britischen Laboratorien Vorstellungen von einer einfachen, wörtlichen maschinellen Übersetzung vor. Der Wissenschaftler war überzeugt, dass Computer wesentlich besser übersetzen könnten. In seinem Memorandum schlug W. Weaver vier Ansätze zur Lösung und Erforschung von Übersetzungsproblemen vor. Zunächst empfahl er, das unmittelbare Umfeld des zu übersetzenden Wortes statistisch zu analysieren, um so Probleme der Polysemie zu lösen. Diese Erkenntnis bildet heute die Grundlage der statistischen maschinellen Übersetzung. Der zweite Vorschlag beruhte auf der Annahme, dass es in der Sprache 4 Im Urheberzertifikat wird diese Vorrichtung als „Maschine zur Auswahl und zum Drucken von Wörtern bei der Übersetzung aus einer Sprache in eine andere oder gleichzeitig in mehrere Sprachen“ bezeichnet. 5 P. Smirnow-Trojanski starb 1950. 6 Der erste britische elektronische Computer Colossus nahm Anfang 1944 seinen Betrieb auf; der erste amerikanische elektronische Digitalcomputer ENIAC wurde Ende 1945 gebaut. Der erste sowjetische Computer MESM wurde 1950 gebaut. 7 In diesem Memorandum verwendete W. Weaver den Begriff maschinelle Übersetzung (engl. machine translation), der sich bald durchsetzte. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 4 bestehen aus logischen Elementen, sodass sich mithilfe neuronaler Netzwerkmodelle (McCulloch, Pitts 1943: 115–133) eine Übersetzung aus den im Originaltext enthaltenen Prämissen deduzieren lassen sollte. Die Zeit hat die Genialität dieser Einsicht bestätigt – heute liefert die neuronale maschinelle Übersetzungsmethode die qualitativ hochwertigsten Übersetzungen. Die dritte Richtung zur Lösung der Probleme sollte in der Anwendung kryptografischer Methoden auf die Übersetzung zwischen Sprachen bestehen. Vierzig Jahre später wurde dies in Algorithmen der statistischen maschinellen Übersetzung umgesetzt. Zur Veranschaulichung seines vierten Vorschlags zeichnete W. Weaver ein allegorisches Bild, auf dem Menschen in hohen, geschlossenen Türmen leben, die verschiedene Sprachen symbolisieren. Mit Mühe gelingt es den Menschen, durch Zurufe über die dicken Turmwände hinweg miteinander zu kommunizieren. Glücklicherweise haben die Türme ein gemeinsames Fundament und einen gemeinsamen Keller; man muss nur hinuntersteigen, und dann sollte die Verständigung leichter fallen. W. Weaver vertrat die Auffassung, dass den Sprachen der Welt eine gemeinsame Tiefenstruktur zugrunde liegt, die noch erschlossen werden muss. Der letztgenannte Vorschlag des Wissenschaftlers regte die Suche nach und die Entwicklung einer universellen Sprache – einer Interlingua für die maschinelle Übersetzung8 – an. Nach W. Weavers Memorandum nahm die maschinelle Übersetzung rasch Fahrt auf. 1954 wurde in New York öffentlich ein maschinelles Übersetzungssystem vorgeführt, das in Zusammenarbeit zwischen IBM und der Georgetown University entwickelt worden war. Übersetzt wurde aus dem Russischen ins Englische. Das System enthielt lediglich sechs programmierte Grammatikregeln; für die Übersetzung wurden etwa 250 Wörter verwendet (Hutchins 2004b: 102). Das System war auf das Gebiet der organischen Chemie ausgerichtet, und die Übersetzungsbeispiele waren zuvor sorgfältig durchdacht worden. Nach dem Experiment hoffte man, dass Maschinen schon wenige Jahre später hervorragend übersetzen würden; für die Fortsetzung der Arbeiten wurden großzügige Mittel bewilligt. Die maschinelle Übersetzung wurde in den Vereinigten Staaten von Amerika (JAV) und in der Sowjetunion zügig weiterentwickelt, um im Kalten Krieg einen strategischen Vorteil zu erlangen. Die am häufigsten übersetzten Sprachen waren Russisch und Englisch. 2. REGELBASIERTE MASCHINELLE ÜBERSETZUNG Mitte der fünfziger Jahre des vergangenen Jahrhunderts entstanden maschinelle (computergestützte) Übersetzungssysteme, die man als regelbasiert bezeichnete (engl. rule-based). Sie wurden auf der Grundlage der Auffassung entwickelt, dass sich eine Sprache mithilfe eines bestimmten Satzes von Regeln (einschließlich grammatischer Regeln) beschreiben lässt. Bei diesem Verfahren wird der Satz in der Ausgangssprache bis zu einer bestimmten gewählten Ebene analysiert und seine Struktur ermittelt. Diese wird anhand eigens entwickelter Regeln in eine äquivalente Struktur der Zielsprache umgewandelt, aus der anschließend ein Satz in der Zielsprache generiert wird. Die Satzstrukturen verschiedener Sprachen können sich stark unterscheiden und bestimmte Besonderheiten aufweisen, die im System der maschinellen Übersetzung berücksichtigt werden müssen 8 Nicht zu verwechseln mit Interlinguas natürlicher Sprachen – Esperanto, Ido, Volapük usw. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 5 Im System. Die Probleme bei der Darstellung syntaktischer Satzstrukturen des Litauischen, die für die maschinelle Übersetzung geeignet ist, untersuchte Daiva Šveikauskienė (2005: 411–417). Es gibt verschiedene Varianten regelbasierter Systeme der maschinellen Übersetzung, die sich hinsichtlich der Analysetiefe unterscheiden (Abb. 19). Je tiefer die Satzanalyse, desto einfacher die Transformation. Im Idealfall wäre bei einer Analyse des Textes bis zur Ebene einer Interlingua keine Transformation mehr erforderlich – die interlinguale Textrepräsentation sollte in allen Sprachen gleich sein. ABB. 1. Vauquois-Dreieck der regelbasierten maschinellen Übersetzung Die Probleme der regelbasierten maschinellen Übersetzung versuchte man sowohl mit empirischen als auch mit linguistischen Methoden zu lösen. Im empirischen Lager war die direkte Übersetzung die verbreitetste Methode. Bei der Übersetzung zwischen zwei Sprachen werden dabei lediglich ein Wörterbuch und einfache Programmregeln verwendet; eine Sprachanalyse oder syntaktische Umstrukturierung findet praktisch nicht statt (diese Methode entspricht der niedrigsten Ebene in Abb. 1). In den 1950er-Jahren leitete Erwin Reifler in den USA eine Forschungsgruppe, die spezielle Wörterbücher für die maschinelle Übersetzung entwickelte. Neben lexikalischen Äquivalenten enthielten diese auch Regeln zur lokalen Änderung der Wortstellung. Außerdem wurden Übersetzungen zahlreicher Redewendungen sowie Oberbegriffe (engl. cover terms) zur Lösung von Problemen der Polysemie angegeben. 1964 wurde das russisch-englische Direktübersetzungssystem Mark II in Betrieb genommen, das im Auftrag der US-Luftwaffe entwickelt worden war. Es verwendete E. Reiflers Wörterbuch, das mehr als 170 000 Wörter umfasste (Reifler 1960: 312). Linguistische Methoden wurden ausführlicher an der Georgetown University angewandt, wo sich zahlreiche Fachleute für maschinelle Übersetzung zusammenfanden und sich in mehrere Gruppen aufteilten, die unterschiedliche Methoden verfolgten 9 Solche Darstellungen werden häufig als Vauquois-Dreieck bezeichnet. Diese Darstellungsweise schlug der französische Pionier der maschinellen Übersetzung Bernard Vauquois vor (1976: 335). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 6 Gruppen. In der von Michael Zarechnak geleiteten Gruppe wurde das Georgetown Automatic Translation (GAT – Georgetown Automatic Translation)-System entwickelt. Dabei wurden drei Analyseebenen durchgeführt: eine morphologische (einschließlich der Erkennung von Idiomen), eine syntaktische und eine syntagmatische. Das modifizierte GAT-System wurde 1963 in Euratom (Ispra, Italien) und 1964 bei der US-amerikanischen Atomenergiekommission erfolgreich in Betrieb genommen. Die Entwicklung eines auf einer Interlingua beruhenden MV-Systems dauerte wesentlich länger. Ein kommerziell nutzbares MV-System, KANT, erschien erst im letzten Jahrzehnt des vergangenen Jahrhunderts (Mitamura et al. 1991: 105–118). Das System wurde zum Übersetzen einiger technischer Texte eingesetzt. Eine Interlingua zur Darstellung der Gemeinsprache wurde jedoch nie entwickelt. Während des gesamten Jahrzehnts nach der IBM-Georgetown-MV-Präsentation wurde intensiv daran gearbeitet, die Übersetzungsqualität der MV wesentlich zu verbessern10, doch die Fortschritte waren sehr gering. 1966 wurde in den USA das Komitee ALPAC (Automatic Language Processing Advisory Committee) gegründet. Es kam zu dem Schluss, dass die MV in nächster Zeit keine Perspektive habe, da ihre Qualität schlecht sei und sie noch von einem Übersetzer redigiert werden müsse, was mehr Zeit in Anspruch nehme, als ohne Maschinen zu übersetzen. Das ALPAC-Komitee ließ außer Acht, dass maschinelle Übersetzung dabei hilft, riesige Informationsmengen zu übersetzen und dass viele Nutzer mit einer schlechten, den Sinn nur annähernd wiedergebenden Übersetzung zufrieden sind. Nach den negativen Schlussfolgerungen des Komitees wurde die Finanzierung von MV-Projekten in den USA praktisch für mehrere Jahrzehnte eingestellt; auch in anderen Ländern ging die Finanzierung zurück. Trotz der skeptischen Haltung gegenüber der MV wurden auf diesem Gebiet kontinuierlich Fortschritte erzielt. Das 1968 in den USA entwickelte regelbasierte Übersetzungssystem SYSTRAN (Toma 1977: 569–581) wurde ständig verbessert und später kommerzialisiert. Das System kam im US-Verteidigungsministerium, bei der NASA, in Euratom, bei der Europäischen Kommission und an vielen anderen Orten zum Einsatz. Gemäß einer kommerziellen Vereinbarung aus dem Jahr 1975 erhielt die Europäische Kommission das Recht, das System für ihre eigenen Zwecke weiterzuentwickeln. Das System übersetzte Texte aus bestimmten Fachgebieten recht gut in zahlreiche Sprachen. Seit 2010 verwendet SYSTRAN hybride Technologien. Auch in anderen Ländern entstanden recht gut funktionierende MV-Systeme: ARIANE (in Grenoble, Frankreich), das ähnliche MU-System (in Kyoto, Japan) sowie SUSY (in Saarbrücken, Deutschland). Das europäische EUROTRA-Projekt (1982–1992), das mehr als 50 000 000 ECU11 kostete, endete erfolglos – Hunderte von Fachleuten entwickelten kein funktionsfähiges MV-System. Damit begann eine ernsthafte Krise der regelbasierten MV. In den folgenden Jahren trat man lange Zeit auf der Stelle. 10 In den USA wurden in diesem Zeitraum rund 20 Millionen Dollar für die Entwicklung und Verbesserung von MV-Systemen ausgegeben. 11 In einem Bericht der Kommission der Europäischen Gemeinschaften (CEC – Commission of the European Communities) aus dem Jahr 1994 wurden Angaben zur Finanzierung von EUROTRA vorgelegt – die Kommission stellte dem Projekt 1982–1992 37,5 Mio. ECU bereit (CEC 1994: 3.10), die Regierungen verschiedener Länder steuerten den sechzehn EUROTRA-Zentren zusätzlich mehr als 20 Mio. ECU bei (CEC 1994: A4.2). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 7 Regelbasierte maschinelle Übersetzung entstand in Litauen erst in diesem Jahrhundert. 2003–2004 wurde das maschinelle Übersetzungssystem Česilko (Hajič et al. 2000: 10–12) für die litauische Sprache angepasst (Homola, Rimkutė 2004: 77–81). In diesem Zeitraum untersuchten Petras Homola und Erika Rimkutė die Möglichkeiten dieses Systems zur maschinellen Übersetzung zwischen dem Tschechischen und dem Litauischen. 2005–2007 führte die Vytautas-Magnus-Universität das von den Strukturfonds der Europäischen Union finanzierte Projekt „Internetbasiertes Übersetzungswerkzeug für Informationen“ durch. Die Struktur des geplanten MV-Systems wurde von Vidas Daudaravičius beschrieben (2006: 7–18). Es wurde ein öffentlich zugängliches Online-Übersetzungswerkzeug aus dem Englischen ins Litauische12 entwickelt. Die Übersetzungs-Engine wurde von der russischen Firma PROMT bereitgestellt. Ein Teil der linguistischen Komponenten des Systems wurde in Litauen erstellt. Das System übersetzte nur einige Satztypen hervorragend; gute Übersetzungen bildeten die Minderheit. 2007 wurde eine linguistische Bewertung dieses MV-Systems durchgeführt (Rimkutė, Kovalevskaitė 2008: 257–264). Audronė Daubarienė und Greta Ziezvytė (2013: 55–61) bewerteten, inwieweit die Übersetzungen des MV-Systems der VDU den Textualitätsstandards entsprachen (De Beaugrande, Dressler 1981: 3). In ihrer Arbeit stellten die Autorinnen fest, dass die untersuchten maschinell übersetzten Texte verschiedener Genres aufgrund zahlreicher semantischer Fehler den Kohärenzstandards und einigen anderen Textualitätsstandards nicht entsprachen; daher können solche Übersetzungen für die Leser weder akzeptabel noch informativ sein. Im Laufe der Jahrzehnte und bei im Wesentlichen nur geringem Fortschritt begann man zu erkennen, dass Sprache ein äußerst komplexes Phänomen ist, das sich nur schwer durch Regeln beschreiben lässt. Zur Lösung der Probleme der Mehrdeutigkeit und der Übersetzung von Anaphern wurde vorgeschlagen, außersprachliche Informationen über den Aufbau der Welt und ihre Logik zu nutzen (Bar-Hillel 1958: 197–207). Solche systematisch geordneten Informationen gab es jedoch schlicht nicht, und die formale Beschreibung der Textbedeutung schien schwieriger als das Übersetzen selbst. Es war offensichtlich, dass die Probleme der maschinellen Übersetzung revolutionäre Lösungen erforderten. 2. STATISTISCHE MASCHINELLE ÜBERSETZUNG 1988 schlug eine Forschungsgruppe von IBM (Brown et al. 1988: 71–76) vor, für die maschinelle Übersetzung die in Parallelkorpora enthaltenen Informationen zu nutzen und nach den wahrscheinlichsten Übersetzungsvarianten zu suchen. Das vorgeschlagene Übersetzungsmodell beruht auf der Annahme, dass in einem verrauschten Kanal ein Satz der Ausgangssprache f in einen Satz e der Zielsprache umgewandelt wird. Das Rauschen im Kanal verzerrt den Satz der Ausgangssprache statistisch f, sodass wir am Ausgang des Kanals verschiedene Sätze e unterschiedlichster Länge erhalten können, die in der Zielsprache eine Bedeutung haben können oder auch nicht. Da dieser Kanal bestrebt ist, korrekt zu übersetzen, dringen richtige Übersetzungsvarianten immer häufiger durch das Rauschen hindurch. 12 Online verfügbar unter http://vertimas.vdu.lt/twsas/. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 8 In diesem Modell wird angenommen, dass, wenn ein Satz f in den Kanal eingespeist wird, die geeignetste Übersetzungsvariante ê unter allen e diejenige ist, deren bedingte Wahrscheinlichkeit p(e|f) am Kanalausgang am größten ist, d. h. ê = argmaxe p(e|f). Hier besteht das Problem darin, dass zur Ermittlung der besten Übersetzungsvariante ê nicht nur alle möglichen Sätze in der Zielsprache, sondern auch sämtliche möglichen Wortkombinationen darin überprüft werden müssen. Eine solche Anzahl von Wahrscheinlichkeiten zu berechnen, ist sehr schwierig. Durch Anwendung des Satzes von Bayes erhält man einen leichter berechenbaren äquivalenten Ausdruck (Koehn et al. 2003: 127): argmaxe p(e|f) = argmaxe p(f|e) p(e) Ši lygtis yra pamatinė statistinio mašininio vertimo lygtis (Brown ir kt. 1993). Joje sąlyginė tikimybė p(f|e) parodo tikimybę, kad kanalu buvo pasiųstas sakinys f, jei išėjime pasirodė sakinys e. Šis lygties narys vadinamas vertimo modeliu, kuris apskaičiuojamas iš dvikalbių tekstynų. Antrasis lygties narys p(e) parodo sakinio e tikimybę vertimo kalboje. Šis narys aprašo kalbos modelį, kuris apskaičiuojamas iš vienkalbių vertimo kalbos tekstynų13. ABB. 2. Vauquois-Dreieck des statistischen maschinellen Übersetzens Die von IBM-Forschern vorgeschlagene Übersetzungsmethode begann hinsichtlich der Übersetzungsqualität sofort mit der regelbasierten Übersetzung zu konkurrieren. Die Entwickler statistischer MV-Systeme waren von der Möglichkeit begeistert, in zahlreiche Sprachen zu übersetzen, ohne Kenntnisse über das Übersetzen oder die Grammatik zu haben; es genügte, die entwickelten Systeme anhand der verfügbaren Textkorpora zu trainieren. Bei der klassischen statistischen Übersetzung wird keinerlei 13 Das Sprachmodell verringert den Rechenaufwand, da es dabei hilft, in den Textkorpora nicht vorkommende Sätze sofort auszuschließen und die flüssigste Übersetzung auszuwählen; außerdem zeigt es indirekt, warum belletristische Literatur besser von einer Übersetzerin bzw. einem Übersetzer übersetzt wird, deren bzw. dessen Zielsprache die Muttersprache ist. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 9 Die Analyse von Sätzen der Ausgangssprache oder die Synthese von Sätzen der Zielsprache (Abb. 2) findet nicht statt; übersetzt wird ausschließlich anhand der während des Systemtrainings ermittelten Wahrscheinlichkeiten. Die von Peter Brown und seinen Kollegen vorgeschlagenen fünf Modelle der Wortausrichtung in Übersetzungen waren nicht flexibel genug: Sie erlaubten, ein Wort der Ausgangssprache mit einem oder mehreren Wörtern zu übersetzen oder es überhaupt nicht zu übersetzen. 2003 wurde ein flexibleres maschinelles Übersetzungsmodell vorgeschlagen (P. Koehn et al. 2003: 127–133), das auch Phrasen der Ausgangssprache übersetzen kann. In diesem Zeitraum wurden die Methoden zur automatischen Bewertung der Qualität maschineller Übersetzungen rasch weiterentwickelt, da es sehr wichtig war, schnell herauszufinden, welche Version eines abgestimmten maschinellen Übersetzungssystems am besten übersetzt. Zudem sollte eine solche Bewertung einen objektiven Vergleich der Übersetzungsqualität verschiedener Systeme ermöglichen. Mit der Zeit wurde die BLEU-Metrik (Abkürzung für engl. bilingual evaluation understudy) zu einer der beliebtesten Metriken (Papineni et al. 2002: 311–318); sie vergleicht automatisch, wie stark ein maschinell übersetzter Text von einer menschlichen Übersetzung abweicht. Diese Metrik berücksichtigt weder die Verständlichkeit des Textes noch seine grammatische Korrektheit, sondern zählt lediglich exakt übereinstimmende Wörter oder Phrasen. Bei der Berechnung der Metrik haben übereinstimmende Phrasen ein relativ höheres statistisches Gewicht als einzelne übereinstimmende Wörter. Je nach Aufgabe werden zur Bewertung der Qualität maschineller Übersetzungen häufig auch andere Metriken mit unterschiedlichen nützlichen Eigenschaften verwendet: F-measure, METEOR (Banerjee, Lavie 2005: 62–72), NIST (Doddington 2002: 138–145), TER (Snover et al. 2006: 223–231) und viele weitere. Trotz der Popularität statistischer MV wurde immer deutlicher, dass diese Methode bei der Übersetzung in morphologisch reiche (flektierende) Sprachen begrenzt ist. In parallele Textkorpora flektierender Sprachen sind meist nicht alle möglichen Phrasenformen oder sogar Formen einzelner seltener Wörter aufgenommen worden. Wurden bestimmte mögliche Formen nicht in das Training des MV-Systems einbezogen, werden diese Formen auch nicht übersetzt. Dieser Nachteil der klassischen MV beruht auf unzureichenden Daten, wodurch nach dem Training des Systems eine ausgedünnte Übersetzungswahrscheinlichkeitsmatrix entsteht. Um diesen Nachteil zu überwinden, schlugen Philip Koehn und Hieu Hoang die faktorisierte statistische maschinelle Übersetzung vor (Koehn, Hoang 2007a: 868–876). Es wurde vorgeschlagen, zusätzliche linguistische Informationen in das Übersetzungssystem einzubringen, indem parallele Textkorpora mit Markierungen der linguistischen Analyse annotiert werden; diese werden anschließend zum Trainieren des Systems verwendet. 2007 stellte P. Koehn gemeinsam mit Kollegen der breiten Öffentlichkeit ein vollständiges statistisches MV-Paket Moses als Open-Source-Software zur Verfügung (Koehn et al. 2007b: 177–180). Der Einsatz faktorisierter statistischer MV verbesserte die Übersetzungsqualität bei flektierenden Sprachen geringfügig, üblicherweise um 1–2 BLEU-Prozentpunkte (Bojar 2007: 235–236; Skadinš et al. 2010: 128–129). Am 25. September 2008 begann das statistische MV-System Google Translate auch ins Litauische zu übersetzen. Von 2012 bis 2014 führte die Universität Vilnius ein Projekt aus Mitteln der Strukturfonds der Europäischen Union durch BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 10 finanziertes Projekt „Entwicklung eines Systems für die statistisch basierte maschinelle Übersetzung zwischen Englisch und Litauisch sowie Französisch und Litauisch“. Den größten Teil der Projektarbeiten führte die UAB Tilde aus. Es wurde das maschinelle Übersetzungssystem ALPMAVIS entwickelt, und der Öffentlichkeit stand ein öffentlicher Online-Dienst für statistische maschinelle Übersetzung zur Verfügung (https://www.versti.eu/)14. Den Ergebnissen der 2014 durchgeführten Tests zufolge lagen die Qualitätswerte für die Übersetzung allgemeiner Texte (gemessen mit der BLEU-Metrik) mehr als doppelt so hoch wie die Ergebnisse der litauischen regelbasierten Übersetzung und waren praktisch gleichwertig mit den Ergebnissen des Übersetzungssystems Google Translate. Besonders gut kann ALPMAVIS Rechtstexte übersetzen. 3. QUALITÄT DER MASCHINELLEN ÜBERSETZUNG INS LITAUISCHE Mit dem Auftreten eines neuen Sprachphänomens – von Maschinen übersetzter litauischer Texte – wurde es interessant, die Qualität einer solchen Übersetzung im Hinblick auf die Standardsprache zu bewerten. Zur Bewertung wurde ein allgemeiner Text ausgewählt, da er die Standardsprache besser widerspiegelt; zur Messung der Übersetzungsqualität wurde die BLEU-Metrik herangezogen. Zum Testen der Übersetzungsqualität wurde ein im Internet veröffentlichter allgemeiner Text ausgewählt15. Die BLEU-Berechnungen wurden anhand eines längeren Dokuments als dem unten gezeigten Auszug durchgeführt, da BLEU-Werte auf Satzebene schlecht mit der menschlichen Qualitätsbewertung korrelieren (Kos, Bojar 2009: 140). Die dargestellten Informationen helfen dem Leser zu verstehen, wie die prozentualen BLEU-CI-Werte (berechnet ohne Unterscheidung zwischen Groß- und Kleinschreibung) mit der Qualität maschineller Übersetzungen zusammenhängen. Andererseits kann sich der Leser auch ohne Blick auf die Zahlen selbst ein Urteil darüber bilden, wie die auf den zuvor beschriebenen Modellen beruhenden maschinellen Übersetzungssysteme übersetzen. Im Folgenden werden Übersetzungsvarianten desselben Originaltexts vorgestellt, die mit verschiedenen Übersetzungsmethoden erstellt wurden. Vor dem übersetzten Text werden die Übersetzungsmethode, das Datum der Online-Übersetzung und der prozentuale BLEU-CI-Wert angegeben. Originaltext auf Englisch: Jeder wünscht sich ein langes, glückliches und gesundes Leben, und Wissenschaftler tun ihr Bestes, um dies zu ermöglichen. Sie gehen einige der größten aktuellen Gesundheitsprobleme ebenso an wie neue Bedrohungen, etwa die zunehmenden Auswirkungen von Alzheimer, Diabetes und antibiotikaresistenten „Superkeimen“. Investitionen in Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungen zu entwickeln und unsere Gesundheits- und Pflegesysteme aufrechtzuerhalten 14 ALPMAVIS ist auch über das Informationssystem für integrierte litauische Sprach- und Schriftressourcen erreichbar: Raštija.lt (www.raštija.lt). 15 Iš programos HORIZON 2020. Europos Komisijos Mokslinių tyrimų ir inovacijų generalinis direktoratas 2014. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 11 lebensfähig. Sie wird Ärztinnen und Ärzten die Werkzeuge an die Hand geben, die sie für eine stärker personalisierte Medizin benötigen, und die Prävention und Behandlung chronischer und infektiöser Krankheiten verbessern. Vom Übersetzer angefertigte Übersetzung: Alle möchten lange und glücklich leben und gesund sein, und Wissenschaftler bemühen sich nach Kräften, dies möglich zu machen. Sie versuchen, einige der wichtigsten bestehenden Gesundheitsprobleme und neu auftretenden Gesundheitsbedrohungen zu lösen, etwa die zunehmenden Probleme durch Alzheimer, Diabetes und antibiotikaresistente Mikroorganismen. Investitionen in die Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungsmethoden zu entwickeln und die Leistungsfähigkeit unseres Gesundheitssystems zu erhalten. Sie werden Ärztinnen und Ärzten die Mittel an die Hand geben, die sie benötigen, um Arzneimittel auf die individuellen Bedürfnisse der Patienten abzustimmen; außerdem werden sie zur Prävention und Behandlung chronischer und ansteckender Krankheiten beitragen. Regelbasierte maschinelle Übersetzung der VDU, 2014 09 19, BLEU – 8,54: Jeder möchte ein langes, glückliches und gesundes Leben führen, und Wissenschaftler bemühen sich, dies möglich zu machen. Sie befassen sich mit einigen der wichtigsten aktuellen Gesundheitsprobleme sowie mit neuen Bedrohungen, etwa der zunehmenden Wirkung der Alzheimer-Krankheit, Diabetes und antibiotikaresistenter „Superkeime“. Investitionen in die Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungsmethoden zu entwickeln und unsere Gesundheits- und Pflegesysteme leistungsfähig zu halten. Das wird Ärztinnen und Ärzten die Werkzeuge für eine stärker personalisierte Medizin an die Hand geben und die Prävention und Behandlung chronischer und infektiöser Krankheiten verbessern. Statistische maschinelle Übersetzung ALPMAVIS, 2014 09 19, BLEU – 17,59: Alle möchten ein langes, glückliches und gesundes Leben führen, und Wissenschaftler bemühen sich, dies möglich zu machen. Sie befassen sich mit einigen der wichtigsten Gesundheitsprobleme und neu auftretenden Bedrohungen, etwa den zunehmenden Auswirkungen der Alzheimer-Krankheit, Diabetes und antibiotikaresistenten „Superbugs“. Investitionen in die Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungsmethoden zu entwickeln und die Leistungsfähigkeit der Gesundheits- und Pflegesysteme zu erhalten. Dies wird Ärztinnen und Ärzten die Werkzeuge an die Hand geben, die sie für eine stärker personalisierte Medizin benötigen, und die Prävention und Behandlung chronischer und infektiöser Krankheiten fördern. Google-Statistische maschinelle Übersetzung, 2014 09 19, BLEU – 17,10: Jeder von uns strebt danach, lange, gesund und glücklich zu leben, und Wissenschaftler setzen alles daran, dies zu ermöglichen. Sie befassen sich mit einigen der wichtigsten Gesundheitsprobleme sowie mit neuen Gefahren, etwa den zunehmenden Auswirkungen der Alzheimer-Krankheit, Diabetes und antibiotikaresistenten „Superbugs“. Investitionen in die Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungsmethoden zu entwickeln und die Nachhaltigkeit unserer Gesundheitssysteme zu unterstützen. Das wird Ärztinnen und Ärzten die Werkzeuge an die Hand geben, die sie benötigen, um eine stärker personalisierte Medizin zu praktizieren, und ihre Bemühungen verstärken, Infektionskrankheiten und chronischen Krankheiten vorzubeugen und sie zu behandeln. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 12 Microsoft Translator (Bing) statistische maschinelle Übersetzung, 27.09.2017, BLEU −16,68: Jeder möchte ein langes, glückliches und gesundes Leben führen, und Wissenschaftler tun alles, damit dies möglich wird. Sie kämpfen gegen einige der wichtigsten aktuellen Gesundheitsprobleme sowie gegen neue Bedrohungen wie Alzheimer, Diabetes und die zunehmende Ausbreitung antibiotikaresistenter Superkeime. Investitionen in Gesundheitsforschung und Innovation werden uns helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungen zu entwickeln und die Tragfähigkeit unserer Gesundheit und unserer Gesundheitssysteme zu erhalten. Sie liefern die notwendigen Mittel für eine stärker personalisierte Medizin und stärken Prävention und Behandlung chronischer und infektiöser Krankheiten. Die vorgelegten Auszüge maschineller Übersetzungen spiegeln die typische Qualität maschineller Übersetzungen allgemeiner Texte wider. Deutlich bessere Übersetzungen allgemeiner Texte werden nur dann erzielt, wenn der zu übersetzende Text irgendwann zum Trainieren des Systems verwendet wurde. Eine objektive Bewertung der Übersetzungsqualität eines MV-Systems ist nur anhand von Texten möglich, die nie in das Systemtraining eingeflossen sind. Es muss eingeräumt werden, dass derzeit tatsächlich eingesetzte statistische und regelbasierte MV-Systeme allgemeine Texte ins Litauische noch schlecht übersetzen. 4. NEURONALE MASCHINELLE ÜBERSETZUNG 2013 schlugen Nal Kalchbrenner und Phil Blunsom vor, neuronale Netze für die maschinelle Übersetzung einzusetzen (Kalchbrenner, Blunsom 2013: 1700–1709). Die Idee, für die Berechnungen neuronaler Netze die Grafikprozessoren von Computern zu nutzen, eröffnete Möglichkeiten, reale Aufgaben zu lösen, darunter auch die maschinelle Übersetzung. Zur Umsetzung der neuronalen maschinellen Übersetzung (NMV) werden Millionen künstlicher Neuronen verwendet. Das Konzept der NMV ist recht einfach: Ein Encoder wandelt den gesamten Satz der Ausgangssprache in einem Vektorraum mit einigen hundert Dimensionen in einen sogenannten Gedankenvektor16 um, der aus einer Zahlenfolge besteht und auf diese Weise die Bedeutung des Satzes darstellt. Tatsächlich ist dieser Vektor ein vektorisierter Satzgedanke. Die Richtungen von Vektoren, die verwandte Dinge und Ideen darstellen, unterscheiden sich nur geringfügig17. Der Decoder erzeugt anhand des Gedankenvektors die Übersetzung. Sowohl Encoder als auch Decoder basieren auf rekurrenten neuronalen Netzen (Sutskever et al. 2014: 3104–3112; Cho et al. 2014: 1724–1734). 16 Der Begriff wurde von Geoffrey Hinton, einem der bedeutendsten Entwickler künstlicher Intelligenz, populär gemacht. 17 Davon kann man sich beispielsweise durch Experimente mit dem Vektorisierungswerkzeug word2vec überzeugen (Mikolov et al. 2013: 3111–3119). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 13 ABB. 3. Vauquois-Dreieck der neuronalen maschinellen Übersetzung Abb. 3 zeigt das Schema der neuronalen MV nach dem Vauquois-Dreieck18. Es ist zu beachten, dass automatisch ein hohes Analyseniveau erreicht wird, das sich der Interlingua annähert. Das NMV-System wird anhand paralleler Korpora trainiert. Während des Trainings programmieren rekurrente neuronale Netze automatisch morphologische, syntaktische und semantische Informationen, die in den Sätzen enthalten sind, zusammen mit Regelmäßigkeiten unterschiedlicher Erkennbarkeitsgrade. Schließlich ist die maschinelle Übersetzung zu einem untrennbaren Bestandteil der Entwicklung künstlicher Intelligenz geworden. Die neuronale maschinelle Übersetzung entwickelt sich rasch weiter und liefert deutlich bessere Ergebnisse als die regelbasierte oder statistische maschinelle Übersetzung. Bei der Erforschung der Möglichkeiten der NMV stieß man bald auf ein neues Phänomen: Neuronale Netze konnten zwischen solchen Sprachpaaren übersetzen, für die sie nicht direkt trainiert worden waren. Wenn ein NMV-System darauf trainiert worden war, aus Sprache A in Sprache B sowie aus Sprache A in Sprache C zu übersetzen, kann das System auch aus Sprache B in Sprache C übersetzen (Johnson 2017: 339–351), wobei die Übersetzungsqualität etwas geringer ist. Ein solches Phänomen kann als Übersetzung ohne vorheriges Training bezeichnet werden (engl. zero-shot translation). Das bedeutet, dass das neuronale Netz des MV-Systems während des Trainings eine eigene Interlingua entwickelt, die nur für das Netz selbst verständlich ist. Ende 2016 wurde bei Google Translate (GT) die neuronale Übersetzung eingeführt. So sieht die neuronale Übersetzung unseres Illustrationsbeispiels aus (Google neuronale MV, 14.09.2017, BLEU CI – 25,94): 18 Die Darstellung der neuronalen maschinellen Übersetzung anhand des Vauquois-Dreiecks wurde in der Internetpublikation „Pure Neural Machine Translation“ von SYSTRAN aus dem Jahr 2016 veröffentlicht. Online verfügbar unter: http://www.systransoft.com/download/white-papers/systran-white-paper-PNMT-12-2016_2.pdf, (abgerufen am 06.11.2017). BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 14 Alle wünschen sich ein langes, glückliches und gesundes Leben, und Wissenschaftler tun alles, damit dies möglich wird. Sie befassen sich mit einigen der wichtigsten aktuellen Gesundheitsprobleme sowie mit aufkommenden Bedrohungen, etwa der zunehmenden Verbreitung von Alzheimer, Diabetes und antibiotikaresistenten „Superbugs“. Investitionen in Gesundheitsforschung und Innovation werden uns dabei helfen, aktiv zu bleiben, neue, sicherere und wirksamere Behandlungsmethoden zu entwickeln und unsere Gesundheits- und Pflegesysteme leistungsfähig zu halten. Dadurch erhalten Ärzte die Werkzeuge, die sie für eine stärker individualisierte Medizin benötigen, und zugleich werden Prävention und Behandlung chronischer und ansteckender Krankheiten verbessert. Man muss zugeben, dass das neuronale Netz unser Beispiel unvergleichlich hochwertiger übersetzt hat als regelbasierte oder statistische maschinelle Übersetzungssysteme. Bislang übersetzt GT nicht alles gleichermaßen erfolgreich. So ergab der Versuch, Beauty requires no ornaments zu übersetzen, beispielsweise: Schönheit braucht keinen Schmuck. Durch ähnliche Experimente lassen sich zahlreiche Fälle ermitteln, in denen GT sehr schlecht übersetzt; es gibt also noch viel zu verbessern. Die Universität Vilnius plant, 2018 mit der Einführung einer neuronalen maschinellen Übersetzung der nächsten Generation für Englisch, Litauisch, Polnisch, Französisch, Russisch und Deutsch zu beginnen. In das Übersetzungssystem werden die automatische Umwandlung von Text in Sprache sowie die Übersetzung litauisch diktierter Texte integriert. 5. SCHLUSSBEMERKUNGEN Die Fortschritte der maschinellen Übersetzung sind heute untrennbar mit den Errungenschaften bei der Entwicklung künstlicher Intelligenz verbunden. Was die Übersetzungsqualität betrifft, müssen alle klassischen Methoden der maschinellen Übersetzung weiterentwickelt werden; die Möglichkeiten sind nicht ausgeschöpft, und ihre Grenzen sind nicht klar. Die romantische Phase der einfachen Erfolge ist vorbei; heuristische mathematische oder ingenieurwissenschaftliche Methoden helfen nicht immer. Kinder lernen eine Sprache scheinbar automatisch und mühelos, doch später wird ihre Sprachkompetenz nur durch das Erlernen der Grammatik und das Studium der Literatur vervollkommnet. Offenbar ist eine weitere Verbesserung der maschinellen Übersetzung ohne stärkere Beteiligung von Linguisten kaum möglich. Eine solche Beteiligung wird durch Werkzeuge für maschinelle Übersetzung erleichtert, die auf Open-Source-Plattformen umgesetzt wurden: zum Beispiel Apertium für regelbasierte Übersetzung (Forcada et al. 2011: 127–144); Moses (Koehn et al. 2007b: 177–180), LetsMT! (Vasiljevs et al. 2012: 43–48) für statistische Übersetzung, TensorFlow und OpenNMT für neuronale Übersetzung. Es ist zu hoffen, dass die litauischen Linguisten ihre Kräfte bündeln, um die modernen Herausforderungen der Computerlinguistik zu bewältigen, denn einige davon sind für unsere Sprache von existenzieller Bedeutung. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 15 LITERATŪRA Banerjee S., Lavie A. 2005: METEOR: An Automatic Metric for MT Evaluation with Improved Correlation with Human Judgments. – Proceedings of Workshop on Intrinsic and Extrinsic Evaluation Measures for MT and/or Summarization at the 43th Annual Meeting of the Association of Computational Linguistics (ACL-2005), Ann Arbor, Michigan, 62–72. Bar-Hillel Y. 1958: Some linguistic obstacles to machine translation. – Proceedings of the Second International Congress on Cybernetics, Namur, 197–207. Bojar O. 2007: English-to-Czech factored machine translation. – Proceedings of the Second Workshop on Statistical Machine Translation, Prague, Czech Republic, 232–239. Brown P. F., Cocke J., Della Pietra S. A., Della Pietra V. J., Jelinek F., Mercer R. L., Roossin P. S. 1988: A statistical approach to language translation. – Proceedings of COLING 1988: The 12th International Conference on Computational Linguistics, Budapest, 71–76. Brown P. F., Della Pietra S. A., Della Pietra V. J., Mercer R. L. 1993: Mathematics of statistical machine translation: Parameter estimation. – Computational Linguistics 19(2), 263–311. Cho K., Bart van Merrienboer, Gulcehre C., Bougares F., Schwenk H., Bengio Y. 2014: Learning phrase representations using RNN encoder-decoder for statistical machine translation. – Proceedings of the 2014 Conference on Empirical Methods in Natural Language Processing (EMNLP), Association for Computational Linguistics, Doha, Qatar, 1724–1734. Commission of the European Communities 1994: Final Evaluation Of The Results Of Eurotra: A Specific Programme Concerning The Preparation Of The Development Of An Operational Eurotra System For Machine Translation. DIANE Publishing Company, 1995, 194. Daubarienė A., Ziezytė G. 2013: Machine translation: translated texts in terms of standards of textuality. – Kalbų studijos 22, 55–61. Daudaravičius V., 2006: Pradžia į begalybę. Mašininis vertimas ir lietuvių kalba. – Darbai ir dienos: Pažangos šuoliai 45, 7–18. Daumas M. 1965: Les machines à traduire de Georges Artsrouni. – Revue d'histoire des sciences et de leurs applications, tome 18, n°3, 283–302. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 16 De Beaugrande R. A., Dressler W. U. 1981: Introduction to Text Linguistics, London: Longman, 270. Doddington 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., 138–145. Forcada M. L, Ginestí-Rosell M., Nordfalk J., O'Regan J., Ortiz-Rojas S., Pérez-Ortiz J. A., Sánchez-Martínez F., Ramírez-Sánchez G., Tyers F. M. 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. Hajič J., Hric J., Kuboň V. 2000: Machine Translation of Very Close Languages. – Proceedings of the 6th Applied Natural Language Processing Conference, Association for Computational Linguistics, 7–12. Homola P., Rimkutė E. 2004: Artimų kalbų mašininis vertimas. – Kalbų studijos 6, 77–81. Hutchins J. 2004a: Two precursors of machine translation: Artsrouni and Trojanskij. – International Journal of Translation 16(1), 11–31. Hutchins 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, 102–114. Johnson M., Schuster M., Le V. Q., Krikun M., Wu Y., Chen Z., Thorat N., Viégas F. B., Wattenberg M., Corrado G., Hughes M., Dean J. 2017: Google's Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation. – Transactions of the Association of Computational Linguistics 5 (1), 339–351. Kalchbrenner N., Blunsom P. 2013: Recurrent Continuous Translation Models. – Proc. of EMNLP, October, Association for Computational Linguistics, Seattle, Washington, USA, 1700–1709. Koehn P., Hoang H. 2007a: Factored translation models. – Proceedings of the Joint Conference on Empirical Methods in Natural Language Processing and Computational Natural Language Learning, ACL, 868–876. Koehn P., Hoang H., Birch A., Callison-Burch C., Federico M., Bertoldi N., Cowan B., Shen W., Moran C., Zens R., Dyer C., Bojar O., Constantin A., Herbst E. 2007b: Moses: Open source toolkit for statistical machine BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 17 translation. – 45th Annual Meeting of the Association for Computational Linguistics (ACL), Companion Volume, 177–180. Koehn P., Och F. J., Marcu D. 2003: Statistical phrase-based translation. – Proceedings of HLT-NAACL, 127–133. Kos K., Bojar O. 2009: Evaluation of Machine Translation Metrics for Czech as the Target Language. – Prague Bull. Math. Linguistics 92, 135–148. McCulloch W., Pitts W. 1943: A logical calculus of the ideas immanent in nervous activity. – Bulletin of Mathematical Biophysics 5, 115–133. Mikolov T., Sutskever I., Chen K., Corrado G. S., Dean 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, 3111–3119. Mitamura T., Nyberg E., Carbonell J. 1991: An efficient interlingua translation system for multi-lingual document production. – Proceedings of Machine Translation Summit III, Washington, DC. Perspausdinta: – Progress in Machine Translation, ed. S. Nirenburg, IOS Press, (1993), 105–118. Papineni K., Roukos S. Ward T., Zhu W. J. 2002: BLEU: a method for automatic evaluation of machine translation. – ACL-2002: 40th Annual meeting of the Association for Computational Linguistics, 311–318. Reifler E. 1960: The solution of MT linguistic problems through lexicography. – Proceedings of the National Symposium on Machine Translation, (February 2–5, 1960), ed. H.P. Edmunson, London: Prentice-Hall, (1961), 312–316. Rimkutė E., Kovalevskaitė J. 2008: Linguistic Evaluation of the First English-Lithuanian Machine Translation System. – Proceedings of the Third Baltic Conference on Human Language Technologies (2007), Kaunas, 257–264. Skadinš R., Goba K., Šics 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, 125–132. Snover M., Dorr B., Schwartz R., Micciulla L., Makhoul 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, 223–231. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 18 Sutskever I., Vinyals O., V. Le Q. V. 2014: Sequence to sequence learning with neural networks. – Proceedings of the 27th International Conference on Neural Information Processing Systems, Montreal, Canada, Vol. 2, MIT Press Cambridge, MA, USA, 3104–3112. Šveikauskienė D. 2005: Graph Representation of the Syntactic Structure of the Lithuanian Sentence. – Informatica 16 (3), 407–418. Toma 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, 569–581. Vasiljevs A., Skadiņš R., Tiedemann J. 2012: LetsMT!: a cloud-based platform for do-it-yourself machine translation – Proceedings of the ACL, System Demonstrations, Jeju Island, Korea, 43–48. Vauquois B. 1976: Automatic translation – A survey of different approaches. – COLING-76, Ottawa. Perspausdinta: – Readings in machine translation, eds. S. Nirenburg, H. L. Somers, Y. Wilks, MIT Press, (2003), 333–337. Weaver W. 1949: Translation. – Perspausdinta: – Machine Translation of Languages, MIT Press, Cambridge, MA. (1955), 15–23. Įteikta 2017 11 13 Priimta 2017 12 20 MACHINE TRANSLATION FOR LITHUANIAN LANGUAGE Summary 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. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204 DANIELIUS ALGIRDAS RALYS. Masininis vertimas lietuvių kalbai | 19 In the 1950s and 1960s, machine 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 inflected languages require tens of thousands thoroughly hand-tuned and mutually consistent rules. Nobody has done this properly yet. The most 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), by some estimates costing more than 50,000,000 ECU, fails – even hundreds of recruited specialists failed to create a functioning MT system. This marked a 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, supported 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. According to the results of the tests (2014), the BLEU translation quality was estimated to be around 17. BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204 DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 20 2012–2014 Vilnius University implemented the EU-funded project "Creation of English-Lithuanian-English and French-Lithuanian-French machine translation system based on statistical methods". The result was a public online translation service (https://www.versti.eu/). According to the tests carried out 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. Thus, the latest achievements in machine translation apply to the Lithuanian language as well. KEYWORDS: Lithuanian, machine translation, computational linguistics, history, neural networks, artificial intelligence. DANIELIUS ALGIRDAS RALYS Vilniaus universiteto Taikomųjų mokslų institutas M. K. Čiurlionio g. 29, 03100 Vilnius [email protected] BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204