kaynağı değiştir]
Eylül 'da Google'daki bir araştırma ekibi, Google Çeviri'de akıcılık ve doğruluğu artıracak Google Sinir Makinesi Tercümesi sisteminin (GNMT) geliştirildiğini açıkladı ve Kasım ayında Google Çeviri'nin GNMT'ye geçeceğini açıkladı. Google Çeviri'nin yeni sinir sistemi çeviri sistemi, derin öğrenme yeteneğine sahip geniş uçtan uca yapay sinir ağları kullanır.[19] GNMT, sistemin "milyonlarca örnekten öğrenen" örnek tabanlı makine çevirisi (EBMT) kullandığı için çevirinin kalitesini geliştirir. Bir cümleyi parça parça değil, aynı anda bütün cümleleri çevirir. Bu daha geniş bağlamı, en alakalı çeviriyi anlamaya yardımcı olmak için kullanır; daha sonra, en uygun çeviriyi anlamaya yardımcı olur ve daha sonra doğru dilbilgisi ile insan konuşmasına benzemek için yeniden düzenlenir ve ayarlanır.[20] "GNMT'nin" sistem öğrenimi "nin" önerilen mimarisi "ilk olarak yüz üzerinden test edilmiştir Dilleri Google Çeviri tarafından desteklenmektedir. Uçtan uçlu çerçeve ile sistem, "daha iyi, daha doğal çeviriler oluşturmak için zamanla öğrenir".[21] GNMT ağı, cümle öbeği çevirilerini ezberlemekten ziyade "cümlenin anlambilimini" kodlayan diller arası makine çevirme yeteneğine sahiptir. GNMT, kendi evrensel dilini icat etmedi, bununla birlikte, bir "interlingua", "bilgisayar bilimcileri yerine psikologlar ve dilbilimciler için daha büyük bir ilgi uyandıran birçok dil arasında ortak nokta" bulundu.[22] GNMT, ilk önce sekiz dil için etkinleştirildi: İngilizce ve Çince, Fransızca, Almanca, Japonca, Korece, Portekizce, İspanyolca ve Türkçe.
GNMT, bir dilden diğerine (L1 → L2) çeviri yapabilme yeteneğine sahiptir, bunun yerine önce ilk önce İngilizceye ve sonra da hedef dile (L1 → EN → L2) çevirme yeteneğine sahip olduğu Google Çeviri üzerinde geliştirilmiş bir gelişmedir. GNMT sistemi "sıfır çekim yapabilir", "sistemin açıkça görmediği" bir dil çifti arasında (örneğin, Japonca'dan Korece'ye çevirme) yapılabilir. Daha önce Google Çeviri, İngilizceye ve ardından doğrudan bir dilden diğerine değil, (L1 → L2) hedef dile (L1 → EN → L2) tercüme etti.[23]
Nisan 'da Google Çeviri, istatistiksel bir makine çevirisi motoruyla başlatıldı.[15]
Google Çeviri algoritmaları geleneksel kural tabanlı analiz yerine istatistiksel analize dayandığı için dilbilgisi kurallarını uygulamaz. Sistemin orijinal yaratıcısı Franz Josef Och, kural tabanlı algoritmaların etkinliğini istatistiksel yaklaşımlar lehine eleştirdi. İstatistiksel makine çevirisi ve daha spesifik olarak 'te hız makinesi tercümesi için DARPA yarışmasını kazanan Och'un araştırması üzerine kurulu bir yöntem üzerine kurulu oldu.[16] Och, Temmuz 'te Human Longevity, Inc.'e katılmak üzere ayrılıncaya kadar Googlemakine çevirisi grubunun başındaydı. Och'a göre, sıfırdan yeni bir dil çifti için kullanılabilir bir istatistiksel makine çeviri sistemi geliştirmek için sağlam bir temel, milyon kelimeyi aşan iki dilli bir metin korusu (veya paralel koleksiyon), iki tek dilli korpora ve bir milyardan fazla sözcükden oluşacaktır. Daha sonra bu verilerden gelen istatistiksel modeller, bu diller arasında tercüme etmek için kullanılır.
Bu çok miktarda dilbilimsel veriyi elde etmek için Google Birleşmiş Milletler dokümanlarını kullandı. BM, tipik olarak altı büyük BM dilinde belge yayınlar ve bu da çok büyük bir 6 dilli korp üretir.[17]
Google Çeviri bir dilden diğerine geçmez (L1 → L2). Bunun yerine, önce çoğunlukla İngilizceye ve sonra da hedef dile çevirir (L1 → EN → L2). Google Çeviri bir çeviri ürettiğinde, en iyi çeviri konusunda karar vermesine yardımcı olmak için yüz milyonlarca belgenin içindeki kalıpları arar. Google Çeviri, insan çevirmenleri tarafından daha önce çevrilmiş belgelerdeki kalıpları saptayarak uygun bir çevirinin akıllı tahminlerini ve yapay zekânı yapar.[18] Google Çeviri, Ekim 'den önce Arapça, Çince ve Rusça dışındaki dillerde SYSTRAN'a dayanıyordu. Bu yazılım, Babel Fish (şimdiki haliyle) gibi çeşitli çevrimiçi çeviri hizmetleri tarafından hâlen kullanılmaktadır. Ekim 'den bu yana, Google Çeviri, istatistiksel makine çevirisine dayalı tescilli, kendi bünyesindeki teknolojiyi kullanmıştır.