How computers translate human language - Ioannis Papachimonas

Vertaald door: Dick Stada Nagekeken door: Peter van de Ven

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

Hoe komt het dat zoveel buitenaardse wezens in films en op tv

just happen to speak perfect English?

toevallig perfect Engels spreken?

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

Het korte antwoord is dat je geen ruimteschipbemanning wilt zien

spend years compiling an alien dictionary.

dat jaren bezig is om een woordenboek Buitenaards-Engels samen te stellen.

But to keep things consistent,

Maar om consequent te blijven,

the creators of Star Trek and other science-fiction worlds

hebben de makers van Star Trek en andere science-fiction

have introduced the concept of a universal translator,

een universele vertaler bedacht.

a portable device that can instantly translate between any languages.

Een draagbaar apparaat dat ogenblikkelijk alle talen kan vertalen.

Is zo'n universele vertaler in het echte leven mogelijk?

So is a universal translator possible in real life?

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

Er bestaan al veel programma's die beweren dat te doen.

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

Een woord, een zin of een compleet boek in een bepaalde taal

and translating it into almost any other,

vertalen naar bijna elke andere taal,

of het nou modern Engels of Oud-Sanskriet is.

whether it's modern English or Ancient Sanskrit.

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

Als vertalen alleen zou bestaan uit woorden opzoeken in een woordenboek,

these programs would run circles around humans.

dan zouden die programma's de mens makkelijk verslaan.

The reality, however, is a bit more complicated.

De realiteit is echter veel ingewikkelder.

A rule-based translation program uses a lexical database,

Een op regels gebaseerd vertaalprogramma gebruikt een lexicale database,

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

die alle woorden bevat die in een woordenboek staan

and all grammatical forms they can take,

met alle grammaticale vormen die ze kunnen hebben,

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

en een aantal regels om de taalelementen van de brontaal te herkennen.

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

Voor een ogenschijnlijk eenvoudige zin als 'De kinderen eten de muffins'

the program first parses its syntax, or grammatical structure,

zoekt het programma eerst uit wat de syntax of grammaticale structuur is

by identifying the children as the subject,

door de kinderen als onderwerp te benoemen

and the rest of the sentence as the predicate

en de rest van de zin als gezegde,

consisting of a verb "eat,"

bestaande uit het werkwoord 'eten'

and a direct object "the muffins."

en het lijdend voorwerp 'de muffins'.

It then needs to recognize English morphology,

Daarna moet het de Engelse woordstructuur herkennen,

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

oftewel hoe de taal kan worden opgedeeld in de kleinste stukjes met betekenis,

such as the word muffin

zoals het woord 'muffin' en het aanhangsel 's',

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

dat het meervoud aangeeft.

Finally, it needs to understand the semantics,

Tot slot moet het de semantiek begrijpen:

what the different parts of the sentence actually mean.

wat de verschillende zinsdelen betekenen.

To translate this sentence properly,

Om deze zin netjes te vertalen,

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

zou het programma moeten verwijzen naar een andere woordenschat en regels

for each element of the target language.

voor elk onderdeel in de doeltaal.

Hier wordt het lastiger.

But this is where it gets tricky.

Soms kan de syntax van een taal toestaan dat de woordvolgorde niet uitmaakt,

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

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

terwijl dat bij andere talen betekent dat de muffin het kind eet.

Morphology can also pose a problem.

Morfologie kan ook nog roet in het eten gooien.

Slovene distinguishes between two children and three or more

Slovenen maken onderscheid tussen twee en drie of meer kinderen

using a dual suffix absent in many other languages,

door twee achtervoegsels te gebruiken die veel andere talen niet hebben,

terwijl je je door het Russische gebrek aan lidwoorden blijft afvragen

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

whether the children are eating some particular muffins,

of de kinderen bepaalde muffins eten,

or just eat muffins in general.

of muffins in het algemeen.

Finally, even when the semantics are technically correct,

Zelfs als de semantiek technisch klopt,

the program might miss their finer points,

kan het programma nog steeds de finesses missen,

such as whether the children "mangiano" the muffins,

bijvoorbeeld of de kinderen de muffins 'mangiano'

or "divorano" them.

of 'divorano'.

Another method is statistical machine translation,

Een andere methode is de statistische machinevertaling,

which analyzes a database of books, articles, and documents

die een database analyseert met boeken, artikelen en documenten

that have already been translated by humans.

die al zijn vertaald door de mens.

By finding matches between source and translated text

Door overeenkomsten te zoeken tussen de bron en de vertaalde tekst

that are unlikely to occur by chance,

die niet toevallig lijken te bestaan,

the program can identify corresponding phrases and patterns,

kan het programma overeenkomstige uitdrukkingen en patronen vinden,

and use them for future translations.

en ze gebruiken voor toekomstige vertalingen.

However, the quality of this type of translation

De kwaliteit van dit soort vertalingen

depends on the size of the initial database

hangt echter af van de grootte van de database

and the availability of samples for certain languages

en de aanwezigheid van voorbeelden voor bepaalde talen of schrijfstijlen.

or styles of writing.

The difficulty that computers have with the exceptions, irregularities

Het probleem dat computers hebben met uitzonderingen, onregelmatigheden

and shades of meaning that seem to come instinctively to humans

en nuances die mensen instinctief aanvoelen,

has led some researchers to believe that our understanding of language

hebben bij onderzoekers geleid tot de gedachte dat taalbegrip

is a unique product of our biological brain structure.

het unieke resultaat is van onze biologische hersenstructuur.

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

Een van de beroemdste fictieve universele vertalers,

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

Babelvis uit 'The Hitchhiker's Guide to the Galaxy',

is not a machine at all but a small creature

is immers geen machine, maar een klein wezen

that translates the brain waves and nerve signals of sentient species

dat de hersengolven en zenuwsignalen van levende soorten vertaalt

through a form of telepathy.

via een soort telepathie.

For now, learning a language the old fashioned way

Voorlopig geeft het leren van een taal op de ouderwetse manier

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

betere resultaten dan welk computerprogramma ook.

Dat is niet eenvoudig.

But this is no easy task,

and the sheer number of languages in the world,

Het grote aantal talen op de wereld

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

en de toenemende interactie tussen de sprekers ervan

will only continue to spur greater advances in automatic translation.

zal het automatisch vertalen alleen maar sneller doen verbeteren.

Perhaps by the time we encounter intergalactic life forms,

Tegen de tijd dat we buitenaardse levensvormen ontdekken,

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

kunnen we wellicht praten via een gadget,

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

of we moeten alsnog dat woordenboek schrijven.