How computers translate human language - Ioannis Papachimonas

Translator: Deren Dlsoz Reviewer: Daban Q. Jaff

How is it that so many intergalactic species in movies and TV

ئەوە چۆنە کە جۆرە گەردوونیەکانی فیلم و تەلەفزیۆن

just happen to speak perfect English?

ئینگلیزییەکی تەواو قسە دەکەن؟

The short answer is that no one wants to watch a starship crew

کورتە وەڵامەکە ئەوەیە هیچ کەسێک نایەوێت سەیری دەستەی ئەستێرە بکات

spend years compiling an alien dictionary.

ساڵانێک لە کۆکردنەوەی فەرهەنگێکی نامۆ بەسەر ئەبەیت.

But to keep things consistent,

بەڵام بۆ ئەوەی بە ڕێکی بیانهێڵنەوە،

the creators of Star Trek and other science-fiction worlds

دروستکەرانی ستار ترێک و جیهانەکانی تری زانستی خەیاڵی

have introduced the concept of a universal translator,

ئەو چەمکەیان ناساند لە وەرگێڕێکی جیهانی

a portable device that can instantly translate between any languages.

ئامێری هەڵگر دەتوانێت دەستبەجێ وەرگێڕان لە نێوان هەر زمانێک بکات.

So is a universal translator possible in real life?

کەواتە وەرگێڕێکی جیهانی شیاوە لە ژیانی ڕاستەقینەدا؟

We already have many programs that claim to do just that,

ئێمە پێشتر چەندین بەرنامەمان هەیە کە بانگەشەی ئەوە دەکات،

taking a word, sentence, or entire book in one language

ووشەیەک، ڕستەیەک یان هەموو کتێب بە یەک زمان

and translating it into almost any other,

و وەرگێڕانی بۆ هەر شتێکی تر،

whether it's modern English or Ancient Sanskrit.

ئەگەر ئینگلیزی هاوچەرخ بێت یان سانسکریتی کۆن.

And if translation were just a matter of looking up words in a dictionary,

ئەگەر وەرگێڕان تەنها مەسەلەیەک بووایە لە وشەی فەرهەنگ.

these programs would run circles around humans.

ئەم بەرنامانە بازنەکان بەڕێوە دەبەن لە دەوری مرۆڤەکان.

The reality, however, is a bit more complicated.

بەڵام، ڕاستی، کەمێک ئاڵۆزترە.

A rule-based translation program uses a lexical database,

بەرنامەیەکی وەرگێڕانی لەسەر بنەمای یاسا داتابەیسێکی وشەسازی بەکار دەهێنێت،

which includes all the words you'd find in a dictionary

هەموو وشەکانی تێدایە لە فەرهەنگێک

and all grammatical forms they can take,

و هەموو ئەو فۆڕمە ڕێزمانیانەی دەتوانن بیبەن،

and set of rules to recognize the basic linguistic elements in the input language.

و کۆمەڵە یاسایەک بۆ ناسینەوەی بنەڕەتی توخمەکانی زمانناسی لە زمانی تێکردن.

For a seemingly simple sentence like, "The children eat the muffins,"

بۆ ڕستەیەکی سادەی وەک "منداڵەکان کێکەکە دەخۆن،"

the program first parses its syntax, or grammatical structure,

یەکەم جار بەرنامەکە ڕستەسازییەکەی شی دەکات یان پێکهاتەی ڕێزمانی،

by identifying the children as the subject,

بە ناساندنی منداڵەکان وەک بابەتەکە،

and the rest of the sentence as the predicate

و تەواوی ڕستەکە وەک پێشەکی

consisting of a verb "eat,"

بریتییە لە فرمانێک "خواردن،"

and a direct object "the muffins."

و بەرکاری ڕاستەوخۆ "کێکەکان."

It then needs to recognize English morphology,

دواتر پێویستی بە ناسینەوەی مۆرفیۆلۆجی ئینگلیزییە،

or how the language can be broken down into its smallest meaningful units,

یان چۆن زمانەکە تێکبشکێنرێت بۆ ناو بچوکترین یەکەی مانادار،

such as the word muffin

وەک وشەی کێکەکان

and the suffix "s," used to indicate plural.

پاشگری "س"، ئاماژە بۆ کۆ دەکات.

Finally, it needs to understand the semantics,

لە کۆتایدا، پێویستی بە واتایی ھەیە ،

what the different parts of the sentence actually mean.

بەشە جیاوازەکانی ڕستەکە لەڕاستیدا واتایان چییە.

To translate this sentence properly,

بۆ وەرگێڕانی ئەم ڕستەیە بە دروستی،

the program would refer to a different set of vocabulary and rules

بەرنامەکە ئاماژە بە کۆمەڵێکی جیاواز دەکات لە وشەگەل و یاساکان

for each element of the target language.

بۆ هەر ڕەگەزێک لە زمانی مەبەست.

But this is where it gets tricky.

بەڵام ئەمە ئەو شوێنەیە ئاڵۆزی دەکات.

The syntax of some languages allows words to be arranged in any order,

ڕستەسازی هەندێک زمان ڕێگە بە وشەکان دەدات ڕێکیان بخات لە هەر ڕیزێک،

while in others, doing so could make the muffin eat the child.

لە کاتێکدا لە وانیتر، ئەنجامدانی ئەمە دەتوانێت ئەو منداڵە کێکەی بخوات.

Morphology can also pose a problem.

مۆرفۆلۆجیش دەتوانێت کێشە دروست بکات.

Slovene distinguishes between two children and three or more

سلۆڤێن جیاوازی دەکات لە نێوان دوو منداڵ و سێ یان زیاتر

using a dual suffix absent in many other languages,

بەکارهێنانی پاشگری دوانەی نادیار بە چەندین زمانی تر،

while Russian's lack of definite articles might leave you wondering

لە کاتێک نەبوونی ئامرازی ناسیاوی ڕوسیا تۆ بەجێ بهێڵێت لە پرسیارکردن

whether the children are eating some particular muffins,

ئایا منداڵەکان ھەندێک کێکی تایبەت دەخۆن،

or just eat muffins in general.

یان ھەر کێک دەخۆن بە گشتی.

Finally, even when the semantics are technically correct,

لە کۆتای، تەنانەت کاتێک ئەو واتاییانە لە ڕووی تەکنیکیەوە ڕاستن،

the program might miss their finer points,

لەوانەیە بەرنامەکە خاڵی باشتریان لەدەست بدات،

such as whether the children "mangiano" the muffins,

وەک ئەوەی ئایا منداڵەکان "مانگیانۆ" کێکەکان،

or "divorano" them.

یان "دیڤۆرانۆ".

Another method is statistical machine translation,

میتۆدێکی تر ئەوەیە وەرگێڕانی ئامێری ئاماری،

which analyzes a database of books, articles, and documents

داتابەیس شیدەکاتەوە لە کتێب، وتار و بەڵگەنامەکان

that have already been translated by humans.

کە پێشتر لەلایەن مرۆڤەوە وەرگێڕدراون.

By finding matches between source and translated text

بە دۆزینەوەی هاوچەشنەکان لە نێوان سەرچاوە و دەقی وەرگێڕدراو

that are unlikely to occur by chance,

بە ئەگەری زۆر ئەگەری ڕوودانیان نیە،

the program can identify corresponding phrases and patterns,

بەرنامەکە دەتوانێت هاوتایی دەستەواژەکان و نموونەکان دیاری بکات،

and use them for future translations.

و بەکاری بھێنن بۆ وەرگێڕانەکانی داهاتوو.

However, the quality of this type of translation

لەگەڵ ئەوەشدا چۆنییەتی لەم جۆرە وەرگێڕانە

depends on the size of the initial database

پشت دەبەستێت بە قەبارەکەی لە بنکەی زانیاریە سەرەتاییەکان

and the availability of samples for certain languages

و بەردەستبوونی نموونەکان بۆ چەند زمانێک

or styles of writing.

یان شێوازەکانی نووسین.

The difficulty that computers have with the exceptions, irregularities

ئەو ئاستەنگیەی کۆمپیوتەرەکان لەگەڵ جیاوازیەکان، ناڕێکییەکان ھەیانە

and shades of meaning that seem to come instinctively to humans

و سێبەرەکانی مانا کەوا دیارە بە شێوەیەکی سروشتی بۆ مرۆڤ دێت

has led some researchers to believe that our understanding of language

وای لە هەندێک توێژەر کردووە باوەڕ بکەن تێگەیشتنمان بۆ زمان

is a unique product of our biological brain structure.

بەرهەمێکی بێ وێنەیە لە پێکهاتەی مێشکی بایۆلۆجیمان.

In fact, one of the most famous fictional universal translators,

لە ڕاستیدا، یەکێک لە بەناوبانگترین وەرگێڕی جیهانی خەیاڵی،

the Babel fish from "The Hitchhiker's Guide to the Galaxy",

ماسییە بابێڵەکە لە "ڕێنیشاندەرەکەی گەشتکەر بۆ گالاکسی"،

is not a machine at all but a small creature

ئامێرێک نیە بەڵام بوونەوەرێکی بچووک

that translates the brain waves and nerve signals of sentient species

شەپۆلەکانی مێشک وەردەگێڕێت و نیشانەی دەماری جۆری دڵگیر

through a form of telepathy.

لە ڕێگەی شێوەی تێلێپاتی.

For now, learning a language the old fashioned way

ئێستا، فێربوونی زمانێک ڕێگەیەکی کۆنە

will still give you better results than any currently available computer program.

هێشتا ئەنجامی باشترت پێدەدات لە هەر بەرنامەیەکی کۆمپیوتەری بەردەست.

But this is no easy task,

بەڵام ئەمە کارێکی ئاسان نیە،

and the sheer number of languages in the world,

و ژمارە تەواوەکە لە زمانەکانی جیهاندا،

as well as the increasing interaction between the people who speak them,

هەروەها زیادبوونی کارلێک لە نێوان ئەو کەسانەی قسەیان لەگەڵ دەکەن،

will only continue to spur greater advances in automatic translation.

تەنها بەردەوام دەبێت لە هەڵگەڕانی گەورەتری پێشکەوتوو لە وەرگێڕانێکی ئۆتۆماتیکی.

Perhaps by the time we encounter intergalactic life forms,

لەوانەیە تا ئەو کاتەی ڕووبەڕووی شێوەی ژیانی نێوان گەردوونی بین،

we'll be able to communicate with them through a tiny gizmo,

دەتوانین پەیوەندیان لەگەڵ بکەین لە ڕێگەی گیزمۆیەکی بچوکەوە،

or we might have to start compiling that dictionary, after all.

یان لەوانەیە دەست بکەین بە کۆکردنەوەی فەرھەنگەکە، لەگەڵ ھەموو ئەمانەوە.