Aujourd’hui, les ordinateurs traduisent un nombre toujours croissant de textes. Cette traduction automatique par ordinateur est généralement appelée traduction automatique (TA). En règle générale, la traduction automatique vise à se repérer le plus rapidement possible dans le flux immense d’informations en plusieurs langues, ainsi qu’à diffuser ses propres informations le plus largement possible. Les échanges d’informations électroniques entre les peuples et les langues deviennent une composante importante de la vie quotidienne, ouvrent de nouvelles possibilités pour notre langue et lui posent de nouveaux défis et problèmes.
Le terme « traduction automatique » (en anglais machine translation) a été employé pour la première fois au milieu du siècle dernier par Warren Weaver, qui proposa d’adapter les ordinateurs tout juste apparus à la traduction de textes (Weaver 1949: 1). W. Weaver suggérait de considérer un texte rédigé dans une autre langue comme un cryptogramme susceptible d’être décodé. Les succès cryptographiques des spécialistes britanniques et américains pendant la Seconde Guerre mondiale, qui venait de s’achever, nourrissaient l’optimisme. À l’époque, on croyait sincèrement que les machines électroniques aideraient en quelques années à conjurer la malédiction de la tour de Babel.
Malheureusement, la traduction a progressé lentement, et la qualité de la traduction automatique était loin d’égaler celle de la traduction humaine. Soixante-dix ans plus tard, après des succès indéniables et des déceptions, après de nombreux travaux accomplis, l’optimisme règne de nouveau dans la communauté de la traduction automatique. Cette fois, les espoirs reposent sur les réseaux neuronaux artificiels et sur les progrès rapides de l’intelligence artificielle.
La traduction automatique n’a pas non plus épargné la langue lituanienne. Aujourd’hui, des outils de traduction automatique en ligne facilement accessibles traduisent des langues les plus répandues vers le lituanien et inversement. La qualité de traduction de la plupart de ces outils reste assez médiocre; les textes qu’ils traduisent doivent être révisés. Seul l’outil de traduction Google Translate2 se distingue par une meilleure qualité; on y a commencé à utiliser
1 Cet article a été préparé à partir de la communication « Traduction automatique vers le lituanien », présentée à Vilnius, lors de la 24e conférence internationale Jonas Jablonskis, « Ressources linguistiques numériques, orientations de leur développement et possibilités d’utilisation », le 29 septembre 2017.
2 Disponible en ligne https://translate.google.com.
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204
Page 2
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 2
technologies de traduction neuronale. La plupart des phrases traduites au moyen de cet outil conservent le sens qu’elles avaient dans la langue originale.
La traduction automatique est largement utilisée pour diffuser des informations dans d’autres langues. Les résultats de la traduction automatique sont souvent mis en ligne de manière irresponsable, sans aucune révision. Les conséquences de telles pratiques sont déjà visibles: Internet regorge de textes lituaniens médiocres, aux informations déformées, générés automatiquement par tel ou tel programme de traduction automatique3. Peu à peu, ces textes peuvent aussi se frayer un chemin dans les corpus. La traduction automatique est déjà devenue une réalité quotidienne, parfois étonnante, parfois même choquante, qui mérite non seulement un regard plus attentif de la part des linguistes, mais aussi une participation plus importante de leur part au développement de la traduction automatique.
Cet article présente brièvement l’histoire de la traduction automatique (MV) et expose certaines idées qui ont influencé son développement. Il présente les résultats obtenus pour le lituanien par diverses technologies de traduction. Il analyse les possibilités d’application de la traduction automatique au lituanien au moyen de méthodes à règles, statistiques et neuronales. Faute de place, les tentatives de combiner plusieurs de ces méthodes au sein d’un même système de traduction ne sont pas examinées.
1. LES ORIGINES DE LA TRADUCTION AUTOMATIQUE
Bien traduire depuis une autre langue constitue toujours un certain défi intellectuel pour l’être humain, et la traduction n’a jamais été une tâche facile. Il n’est donc pas étonnant que l’on ait cherché à automatiser la traduction d’une manière ou d’une autre. Entre 1932 et 1935, en France, l’ingénieur Georges Artsrouni inventa et construisit un appareil mécanique universel qu’il appelait cerveau mécanique (fr. cerveau mécanique), lequel permettait, entre autres fonctions, de traduire un texte saisi en plusieurs langues (Hutchins 2004a: 12). Cet appareil électromécanique comportait une longue bande mémoire rotative (pouvant atteindre 40 mètres), fabriquée en carton souple. Un dictionnaire multilingue y était inscrit, pouvant contenir plusieurs dizaines de milliers de mots. Le mot français saisi au clavier était encodé mécaniquement, et la bande mémoire tournait jusqu’à l’emplacement correspondant à ce code. Quelques secondes plus tard, l’appareil affichait la traduction du mot entré (Daumas 1965: 294–295). L’appareil fut présenté à l’Exposition universelle de Paris en 1937, suscita un grand intérêt et reçut le Grand Prix. En fait, il s’agissait du premier au monde
3 Jonathan Swift décrit avec sarcasme, dans Les Voyages de Gulliver, une machine qui assemble des combinaisons absurdes de mots, soigneusement consignées sans cesse dans des livres. De nos jours, le même genre de non-sens peut être produit beaucoup plus rapidement...
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 3
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 3
dictionnaire mécanique opérationnel. G. Artsrouni continua ensuite à perfectionner son appareil, mais des problèmes mécaniques et le déclenchement de la Seconde Guerre mondiale interrompirent les travaux.
En 1933, en Union soviétique, Piotr Smirnov-Trojanski obtint un certificat d’auteur pour une machine de traduction électromécanique4. Bien que cette machine n’ait jamais été construite, son inventeur formula de nombreuses idées précieuses en matière de traduction automatique, qui ne furent mises en œuvre que plusieurs décennies plus tard, avec l’apparition des ordinateurs. P. Smirnov-Trojanski parlait russe et comprenait donc bien les particularités des langues flexionnelles. Il proposa de diviser le processus de traduction en trois étapes: à la première étape, un humain devait réduire le texte à ses lemmes et les annoter au moyen d’étiquettes morphosyntaxiques (étape d’analyse); puis, à la deuxième étape, la machine devait trouver automatiquement les lemmes dans une ou plusieurs langues cibles et leur attribuer les mêmes étiquettes (étape de transformation); à la troisième étape, un rédacteur devait, à partir des lemmes de traduction et de leurs étiquettes, préparer un texte traduit fluide (étape de génération). P. Smirnov-Trojanski proposa également différentes méthodes pour traduire les synonymes, les homonymes et les idiomes. Les idées de P. Smirnov-Trojanski ne furent pas reconnues dans son pays natal; il ne vécut pas jusqu’à l’ère des ordinateurs5, mais celles de l’inventeur ne furent pas oubliées et finirent par être connues aussi en Occident.
L’ère de la traduction automatique pratique commença avec l’apparition des ordinateurs. En 1947, W. Weaver écrivit à Norbert Wiener, brillant linguiste et concepteur d’ordinateurs, pour lui demander si les dernières avancées en cryptographie et les ordinateurs qui venaient d’apparaître6 pouvaient être appliqués à la traduction des langues. W. Weaver affirmait que tout texte russe pouvait être considéré comme un message anglais codé en caractères cyrilliques. Il lui semblait que les ordinateurs pouvaient simplement déchiffrer ce message. Malheureusement, N. Wiener répondit avec scepticisme.
En 1949, W. Weaver diffusa auprès d’un public plus large un mémorandum dans lequel il proposait d’utiliser les ordinateurs pour traduire des textes (Weaver 1949: 7)7. À l’époque, dans divers laboratoires américains et britanniques, prédominaient les idées d’une traduction automatique simple et littérale. Le chercheur était convaincu que les ordinateurs pouvaient traduire bien mieux. Dans son mémorandum, W. Weaver proposa quatre pistes pour résoudre les problèmes de traduction et orienter la recherche. Tout d’abord, il proposa d’analyser statistiquement le contexte immédiat du mot à traduire afin de résoudre les problèmes de polysémie. Cette intuition constitue aujourd’hui le fondement de la traduction automatique statistique. La deuxième proposition reposait sur l’hypothèse que, dans une langue,
4 Dans le certificat d’auteur, cet appareil est désigné comme une « machine destinée à sélectionner et à imprimer des mots lors de la traduction d’une langue vers une autre ou plusieurs langues simultanément ».
5 P. Smirnov-Trojanski mourut en 1950.
6 Le premier ordinateur électronique britannique, Colossus, entra en service au début de 1944; le premier ordinateur électronique numérique américain, ENIAC, fut achevé à la fin de 1945. Le premier ordinateur soviétique, MESM, fut construit en 1950.
7 Dans ce mémorandum de W. Weaver, le terme traduction automatique (angl. machine translation) s’est rapidement imposé.
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204
Page 4
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 4
comporte des éléments logiques; par conséquent, en utilisant des modèles de réseaux neuronaux (McCulloch, Pitts 1943: 115–133), il devrait être possible de déduire la traduction à partir des prémisses présentes dans la langue originale. Le temps a révélé le génie de cette intuition: aujourd’hui, la méthode neuronale de traduction automatique fournit les traductions de la meilleure qualité. La troisième piste de résolution des problèmes devrait consister à appliquer les méthodes de la cryptographie à la traduction des langues. Quarante ans plus tard, cette idée s’est concrétisée dans les algorithmes de traduction automatique statistique. Pour illustrer sa quatrième proposition, W. Weaver a dessiné une allégorie dans laquelle des personnes vivent dans de hautes tours fermées, symbolisant des langues différentes. Tant bien que mal, elles parviennent à communiquer en criant à travers les épaisses parois des tours. Heureusement, celles-ci ont des fondations et un sous-sol communs: il suffit de descendre jusque-là pour que la communication soit plus facile. W. Weaver affirmait que les langues du monde recèlent une certaine structure profonde commune, qu’il reste à mettre au jour. Cette dernière proposition du chercheur incita à rechercher et à construire une langue universelle — l’interlingua de la traduction automatique8.
Après le mémorandum de W. Weaver, la traduction automatique ne tarda pas à prendre son essor. En 1954, un système de traduction automatique fut présenté publiquement à New York; il avait été conçu grâce à la collaboration entre IBM et l’université de Georgetown. Il traduisait du russe vers l’anglais. Le système ne comportait que six règles grammaticales programmées et utilisait environ 250 mots pour la traduction (Hutchins 2004b: 102). Il était conçu pour le domaine de la chimie organique et les exemples de traduction avaient été soigneusement préparés à l’avance. Après l’expérience, on espérait que les machines traduiraient parfaitement quelques années plus tard, et un financement généreux fut accordé pour poursuivre les travaux. La traduction automatique se développa rapidement aux États-Unis d’Amérique (États-Unis) et en Union soviétique, dans le but d’acquérir un avantage stratégique pendant la guerre froide. Les langues les plus traduites étaient le russe et l’anglais.
2. TRADUCTION AUTOMATIQUE À BASE DE RÈGLES
Au milieu des années 1950, apparurent des systèmes de traduction automatique (informatisée), bientôt appelés systèmes à base de règles (angl. rule-based). Ils étaient élaborés selon le principe qu’une langue peut être décrite au moyen d’un ensemble de règles déterminées, notamment grammaticales. Avec cette méthode, la phrase de la langue source est analysée jusqu’à un niveau donné; sa structure est déterminée, puis transformée, selon des règles établies, en une structure équivalente dans la langue cible, à partir de laquelle est générée une phrase dans cette langue. Les structures phrastiques des différentes langues peuvent être très différentes et présenter diverses particularités, qui doivent être reflétées dans le système de traduction automatique.
8 À ne pas confondre avec les interlinguas de langues naturelles — l’espéranto, l’ido, le volapük, etc.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 5
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 5
du système. Daiva Šveikauskienė a étudié les problèmes de représentation des structures syntaxiques de la phrase lituanienne adaptée à la traduction automatique (2005: 411–417). Il existe différentes variantes des systèmes de traduction automatique à base de règles, qui se distinguent par la profondeur de l’analyse (fig. 19). Plus l’analyse de la phrase est approfondie, plus la transformation est simple. Dans l’idéal, si le texte était analysé jusqu’au niveau de l’interlingua, aucune transformation ne serait nécessaire: la représentation interlinguistique du texte devrait être identique dans toutes les langues.
FIG. 1. Triangle de Vauquois pour la traduction automatique à base de règles
Les problèmes de la traduction automatique à base de règles ont été abordés au moyen de méthodes aussi bien empiriques que linguistiques. Dans le camp empirique, la méthode de traduction directe était la plus répandue. Pour traduire ainsi entre deux langues, on utilise uniquement un dictionnaire et des règles logicielles simples; l’analyse linguistique et la réorganisation syntaxique sont pratiquement absentes (cette méthode correspond au niveau le plus bas de la fig. 1). Aux États-Unis, dans les années 1950, un groupe de chercheurs dirigé par Erwin Reifler élaborait des dictionnaires spéciaux pour la traduction automatique, dans lesquels, en plus des équivalents lexicaux, figuraient des règles locales de réagencement des mots. Des traductions de nombreuses expressions étaient également fournies, ainsi que des notions générales (angl. cover terms) destinées à résoudre les problèmes de polysémie. En 1964, le système de traduction directe russe-anglais Mark II, conçu à la demande de l’armée de l’air des États-Unis, entra en service. Il utilisait le dictionnaire d’E. Reifler, qui comptait plus de 170 000 mots (Reifler 1960: 312).
Les méthodes linguistiques furent davantage appliquées à l’université de Georgetown, où se rassembla un important contingent de chercheurs en traduction automatique, répartis en plusieurs groupes appliquant des méthodes différentes.
9 Ce type d’illustration est souvent appelé triangle de Vauquois; cette méthode de représentation fut proposée par Bernard Vauquois (1976: 335), pionnier français de la traduction automatique.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 6
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 6
groupes. Le groupe dirigé par Michael Zarechnak a créé le système de traduction automatique de Georgetown (en anglais, GAT – Georgetown Automatic Translation). Il effectuait une analyse à trois niveaux: morphologique (incluant l’identification des expressions idiomatiques), syntaxique et syntagmatique. Le système GAT modifié a été utilisé avec succès à Euratom (à Ispra, en Italie) dès 1963, puis à la Commission américaine de l’énergie atomique en 1964. La création d’un système de traduction automatique fondé sur une interlingua a pris beaucoup plus de temps. Le système de traduction automatique KANT, à valeur commerciale, n’est apparu que dans la dernière décennie du siècle dernier (Mitamura et al. 1991: 105–118). Le système servait à traduire certains textes techniques. Aucune interlingua destinée à représenter la langue générale n’a finalement été créée.
Pendant toute la décennie qui a suivi la présentation du système de TA IBM–Georgetown, des efforts considérables ont été déployés pour améliorer sensiblement la qualité de la traduction automatique10, mais les progrès ont été très limités. En 1966, le comité ALPAC (en anglais, Automatic Language Processing Advisory Committee) créé aux États-Unis a conclu que la traduction automatique n’avait pas d’avenir à court terme, car sa qualité était médiocre et qu’un traducteur devait encore la réviser, ce qui lui prenait plus de temps que de traduire sans aucune machine. Le comité ALPAC n’a pas tenu compte du fait que la traduction automatique permettait de traduire d’immenses volumes d’informations et que de nombreux utilisateurs se satisfaisaient d’une traduction médiocre, qui ne rendait que le sens général. À la suite des conclusions négatives du comité, le financement des projets de traduction automatique aux États-Unis a pratiquement été interrompu pendant plusieurs décennies, et les financements ont également diminué dans d’autres pays.
Malgré le scepticisme suscité par la traduction automatique, les progrès se sont poursuivis dans ce domaine. Lancé aux États-Unis en 1968, le système de traduction fondé sur des règles SYSTRAN (Toma 1977: 569–581) a été continuellement amélioré avant de devenir commercial. Le système a d’abord été utilisé au département de la Défense des États-Unis, à la NASA, à Euratom, à la Commission européenne et ailleurs. En vertu d’un accord commercial conclu en 1975, la Commission européenne a obtenu le droit d’améliorer le système pour ses propres besoins. Le système traduisait assez bien des textes relevant de certains domaines dans de nombreuses langues. À partir de 2010, SYSTRAN a commencé à recourir à des technologies hybrides. Des systèmes de traduction automatique assez performants ont également vu le jour dans d’autres pays: ARIANE (à Grenoble, en France), le système MU qui lui était apparenté (à Kyoto, au Japon), ainsi que SUSY (à Sarrebruck, en Allemagne). Le projet européen EUROTRA (1982–1992), qui a coûté plus de 50 000 000 ECU11, s’est soldé par un échec: des centaines de spécialistes ne sont pas parvenus à créer un système de traduction automatique opérationnel. C’est ainsi qu’a commencé une grave crise de la traduction automatique fondée sur des règles. Pendant de nombreuses années, les choses ont ensuite stagné.
10 Aux États-Unis, environ 20 millions de dollars ont été dépensés durant cette période pour créer et améliorer des systèmes de traduction automatique.
11 Le rapport de 1994 de la Commission des Communautés européennes (en anglais, CEC – Commission of the European Communities) présente les données de financement d’EUROTRA: la Commission a consacré 37,5 millions d’ECU au projet entre 1982 et 1992 (CEC 1994: 3.10), et les gouvernements de différents pays ont accordé plus de 20 millions d’ECU supplémentaires aux seize centres EUROTRA (CEC 1994: A4.2).
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204
Page 7
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 7
La traduction automatique fondée sur des règles n’est apparue en Lituanie qu’au cours de ce siècle. En 2003–2004, le système de traduction automatique Česilko (Hajič et al. 2000: 10–12) a été adapté au lituanien (Homola, Rimkutė 2004: 77–81). À cette époque, Petras Homola et Erika Rimkutė étudiaient les possibilités de traduction automatique de ce système entre le tchèque et le lituanien. De 2005 à 2007, l’université Vytautas-Magnus a mené le projet « Outil de traduction d’informations en ligne », financé par les Fonds structurels de l’Union européenne. La structure du système de traduction automatique en cours de conception a été décrite par Vidas Daudaravičius (2006: 7–18). Un outil public de traduction en ligne de l’anglais vers le lituanien a été créé12. Le moteur de traduction a été fourni par la société russe PROMT. Certains composants linguistiques du système ont été élaborés en Lituanie. Le système ne traduisait bien que certains types de phrases; les bonnes traductions étaient minoritaires. En 2007, le système de traduction automatique a fait l’objet d’une évaluation linguistique (Rimkutė, Kovalevskaitė 2008: 257–264). Audronė Daubarienė et Greta Ziezvytė (2013: 55–61) ont évalué la conformité des traductions produites par le système de traduction automatique de l’université Vytautas-Magnus aux normes de textualité (De Beaugrande, Dressler 1981: 3). Dans leur étude, les auteures ont établi que les textes traduits automatiquement, issus de genres différents et examinés dans le cadre de leur recherche, ne satisfaisaient pas aux critères de cohérence ni à certaines autres normes de textualité, en raison de nombreuses erreurs sémantiques; ces traductions ne pouvaient donc être ni acceptables ni informatives pour le lecteur.
Au fil des décennies, alors que la recherche stagnait essentiellement, on a commencé à comprendre que la langue est un phénomène extrêmement complexe, très difficile à décrire au moyen de règles. Pour résoudre les problèmes de polysémie et de traduction des anaphores, il a été proposé de recourir à des informations extralinguistiques sur la structure du monde et sa logique (Bar-Hillel 1958: 197–207). Or, de telles informations systématisées n’existaient tout simplement pas, et la description formelle du sens d’un texte semblait une tâche plus difficile que la traduction elle-même. Il était évident que les problèmes de la traduction automatique exigeaient des solutions révolutionnaires.
2. TRADUCTION AUTOMATIQUE STATISTIQUE
En 1988, un groupe de chercheurs d’IBM (Brown et al. 1988: 71–76) a proposé d’exploiter les informations contenues dans des corpus parallèles pour la traduction automatique, en recherchant les traductions les plus probables. Le modèle de traduction proposé repose sur l’hypothèse que, dans un canal bruité, une phrase de la langue source f est transformée en une phrase e dans la langue cible. Le bruit du canal déforme statistiquement la phrase de la langue source f; la sortie du canal peut donc produire diverses phrases e, de longueurs très diverses, qui ont un sens ou non dans la langue cible. Comme le canal s’efforce de traduire correctement, les bonnes traductions parviennent de plus en plus souvent à traverser le bruit.
12 Disponible en ligne http://vertimas.vdu.lt/twsas/.
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351-7204
Page 8
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 8
Dans ce modèle, on suppose que lorsqu’une phrase f est envoyée dans le canal, la meilleure traduction ê parmi toutes les e est celle dont la probabilité conditionnelle d’apparition à la sortie du canal p(e|f) est la plus élevée, c’est-à-dire
ê = argmaxe p(e|f).
On se heurte ici au problème suivant: pour trouver la meilleure traduction ê, il faut examiner non seulement toutes les phrases possibles dans la langue cible, mais aussi toutes sortes d’assemblages de mots dans celle-ci. Calculer un tel nombre de probabilités est très difficile. L’application du théorème de Bayes donne une expression équivalente plus facile à calculer (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.
FIG. 2. Triangle de Vauquois de la traduction automatique statistique
La méthode de traduction proposée par les chercheurs d’IBM entra immédiatement en concurrence avec la traduction à base de règles en matière de qualité. La possibilité de traduire vers de nombreuses langues sans rien connaître ni à la traduction ni à la grammaire séduisait les concepteurs de systèmes de traduction automatique statistique: il suffisait d’entraîner les systèmes en développement à partir des corpus disponibles. Dans la traduction statistique classique, aucune
13 Le modèle de langue réduit la charge de calcul, car il permet d’écarter immédiatement les phrases absentes des corpus et de choisir la traduction la plus fluide; il montre aussi indirectement pourquoi la littérature est mieux traduite par un traducteur ou une traductrice dont la langue cible est la langue maternelle.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 9
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 9
analyse des phrases de la langue source ni synthèse des phrases de la langue cible (fig. 2); la traduction repose uniquement sur les probabilités établies lors de l’entraînement du système. Les modèles d’alignement de cinq mots dans les traductions proposés par Peter Brown et ses collègues n’étaient pas suffisamment flexibles: ils permettaient de traduire un mot de la langue source par un ou plusieurs mots, ou de ne pas le traduire du tout. En 2003, un modèle de traduction automatique plus flexible, capable de traduire également des phrases de la langue source, fut proposé (P. Koehn et al. 2003: 127–133).
Durant cette période, les méthodes d’évaluation automatique de la qualité de la traduction automatique furent rapidement améliorées, car il était très important de savoir rapidement quelle version d’un système de traduction automatique en cours de réglage produisait les meilleures traductions. On cherchait également à ce que cette évaluation permette de comparer objectivement la qualité des traductions de différents systèmes. Avec le temps, la métrique BLEU (acronyme de l’anglais bilingual evaluation understudy) devint l’une des plus populaires (Papineni et al. 2002: 311–318); elle compare automatiquement la distance entre un texte traduit automatiquement et une traduction humaine. Cette métrique ne tient compte ni de l’intelligibilité du texte ni de sa correction grammaticale; elle ne comptabilise que les mots ou expressions qui correspondent exactement. Dans le calcul de la métrique, les expressions correspondantes ont un poids statistique relativement plus important que les mots isolés correspondants. Selon la tâche, d’autres métriques présentant diverses caractéristiques intéressantes sont également souvent utilisées pour évaluer la qualité de la traduction automatique: F-measure, METEOR (Banerjee, Lavie 2005: 62–72), NIST (Doddington 2002: 138–145), TER (Snover et al. 2006: 223–231), et bien d’autres.
Malgré la popularité de la traduction automatique statistique, les limites de cette méthode pour la traduction vers des langues morphologiquement riches (flexionnelles) devenaient de plus en plus évidentes. Les corpus parallèles des langues flexionnelles ne contiennent généralement pas toutes les formes possibles des expressions, ni même celles des mots moins fréquents. Si certaines formes possibles n’ont pas été incluses dans l’entraînement du système de traduction automatique, elles ne seront pas traduites. Cette lacune de la traduction automatique classique est due à l’insuffisance des données, qui produit une matrice clairsemée de probabilités de traduction après l’entraînement du système. Pour remédier à cette lacune, Philip Koehn et Hieu Hoang ont proposé la traduction automatique statistique factorisée (Koehn, Hoang 2007a: 868–876). Il fut proposé d’incorporer des informations linguistiques supplémentaires au système de traduction en annotant les corpus parallèles avec des étiquettes d’analyse linguistique, puis en les utilisant pour entraîner le système. En 2007, P. Koehn et ses collègues présentèrent au grand public une suite complète de traduction automatique statistique, Moses, en code source libre (Koehn et al. 2007b: 177–180). L’application de la traduction automatique statistique factorisée améliorait quelque peu la qualité des traductions vers les langues flexionnelles, généralement de 1 à 2 points BLEU (Bojar 2007: 235–236; Skadinš et al. 2010: 128–129).
À partir du 25 septembre 2008, le système de traduction automatique statistique de Google Translate se mit également à traduire en lituanien. De 2012 à 2014, l’Université de Vilnius a mis en œuvre les fonds structurels de l’Union européenne
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 10
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 10
le projet financé « Création d’un système de traduction automatique anglais–lituanien–anglais et français–lituanien–français fondé sur des méthodes statistiques ». La majeure partie des travaux du projet a été réalisée par la société UAB Tilde. Le système de TA ALPMAVIS a été créé et un service public de traduction automatique statistique en ligne est devenu accessible au public (https://www.versti.eu/)14. Selon les tests réalisés en 2014, les scores de qualité de traduction de textes généraux (selon la métrique BLEU) dépassaient de plus du double les résultats de la traduction lituanienne fondée sur des règles et étaient pratiquement équivalents à ceux du système de traduction Google Translate. ALPMAVIS est particulièrement efficace pour traduire des textes juridiques.
3. QUALITÉ DE LA TRADUCTION AUTOMATIQUE EN LITUANIEN
Avec l’apparition d’un nouveau phénomène linguistique — les textes lituaniens traduits par une machine —, il est devenu intéressant d’évaluer la qualité de cette traduction au regard de la langue standard. Un texte général a été choisi pour l’évaluation, car il reflète mieux la langue standard, et la métrique BLEU a été utilisée pour mesurer la qualité de la traduction.
Pour tester la qualité de la traduction, un texte général publié sur Internet a été choisi15.
Les calculs BLEU ont été effectués sur un document plus long que l’extrait présenté ci-dessous, car les scores BLEU au niveau de la phrase sont faiblement corrélés à l’évaluation humaine de la qualité (Kos, Bojar 2009: 140). Les informations présentées aideront le lecteur à comprendre le lien entre les scores en pourcentage du BLEU CI (calculé sans distinction entre majuscules et minuscules) et la qualité de la traduction automatique. D’autre part, même sans regarder les chiffres, le lecteur peut se faire sa propre idée de la qualité des systèmes de TA fondés sur les modèles décrits précédemment.
Voici les différentes versions de la traduction du même texte original, obtenues au moyen de diverses méthodes de traduction. La méthode de traduction, la date de traduction en ligne et le score BLEU CI en pourcentage sont indiqués avant le texte traduit.
Texte original en anglais:
Tout le monde souhaite vivre longtemps, heureux et en bonne santé, et les scientifiques font de leur mieux pour rendre cela possible. Ils s’attaquent à certains des principaux problèmes de santé actuels ainsi qu’aux menaces émergentes, telles que l’impact croissant de la maladie d’Alzheimer, du diabète et des « superbactéries » résistantes aux antibiotiques. Les investissements dans la recherche et l’innovation en santé nous aideront à rester actifs, à mettre au point des traitements nouveaux, plus sûrs et plus efficaces, et à maintenir nos systèmes de santé et de soins
14 ALPMAVIS est également accessible via le système d’information sur les ressources intégrées de la langue et de l’écrit lituaniens 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
Page 11
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 11
viable. Elle donnera aux médecins les outils dont ils ont besoin pour une médecine plus personnalisée et renforcera la prévention et le traitement des maladies chroniques et infectieuses.
Traduction réalisée par le traducteur:
Tout le monde veut vivre longtemps et heureux, être en bonne santé, et les scientifiques font tout leur possible pour rendre cela possible. Ils tentent de résoudre certains des problèmes de santé les plus importants qui existent et les menaces émergentes pour la santé, telles que les problèmes toujours croissants causés par la maladie d’Alzheimer, le diabète et les micro-organismes résistants aux antibiotiques. Les investissements dans la recherche et l’innovation en matière de santé nous aideront à rester actifs, à mettre au point de nouveaux traitements plus sûrs et plus efficaces et à préserver la vitalité de notre système de santé. Ils fourniront aux médecins les outils nécessaires pour adapter les médicaments aux besoins individuels des patients; en outre, ils contribueront à la prévention et au traitement des maladies chroniques et infectieuses.
Chacun souhaite une vie longue, heureuse et saine, et les scientifiques s’efforcent de rendre cela possible. Ils s’attaquent à certains des principaux problèmes de santé actuels ainsi qu’aux menaces émergentes, telles que l’impact croissant de la maladie d’Alzheimer, du diabète et des « supermicrobes » résistants aux antibiotiques. Les investissements dans la recherche en santé et l’innovation nous aideront à rester actifs, à développer de nouveaux traitements plus sûrs et plus efficaces, et contribueront à maintenir la vitalité de nos systèmes de santé et de soins. Cela donnera aux médecins les outils dont ils ont besoin pour une médecine plus personnalisée et renforcera la prévention et le traitement des maladies chroniques et infectieuses.
Tout le monde souhaite une vie longue, heureuse et saine, et les scientifiques s’efforcent de rendre cela possible. Ils s’occupent de certains des principaux problèmes de santé et des menaces émergentes, par exemple l’impact croissant de la maladie d’Alzheimer, du diabète et des « superbugs » résistants aux antibiotiques. Les investissements dans la recherche en santé et l’innovation nous aideront à rester actifs, à développer de nouveaux traitements plus sûrs et plus efficaces, et à contribuer au maintien de la vitalité des systèmes de santé et de soins. Cela fournira aux médecins les outils nécessaires à une médecine plus personnalisée et favorisera la prévention et le traitement des maladies chroniques et infectieuses.
Google traduction automatique statistique, 2014 09 19, BLEU – 17,10:
Chacun d’entre nous aspire à une vie longue, saine et heureuse, et les scientifiques font tout leur possible pour y parvenir. Ils s’attaquent à certains des principaux problèmes de santé ainsi qu’aux nouvelles menaces, comme l’impact croissant de la maladie d’Alzheimer, du diabète et des « superbugs » résistants aux antibiotiques. Les investissements dans la recherche et l’innovation en santé nous aideront à rester actifs, à créer de nouveaux traitements plus sûrs et plus efficaces, et à contribuer à la viabilité de nos systèmes de santé. Cela donnera aux médecins les outils nécessaires pour pratiquer une médecine plus personnalisée et déployer davantage d’efforts afin de prévenir et de traiter les maladies infectieuses et chroniques.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351-7204
Page 12
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 12
Microsoft Translator (Bing) traduction automatique statistique, 27/09/2017, BLEU −16,68:
Tout le monde souhaite vivre longtemps, heureux et en bonne santé, et les scientifiques font tout leur possible pour que cela devienne réalité. Ils combattent certains des principaux problèmes de santé actuels, ainsi que de nouvelles menaces, telles que la maladie d’Alzheimer, le diabète et l’impact croissant des superbactéries résistantes aux antibiotiques. Les investissements dans la recherche et l’innovation en santé nous aideront à rester actifs, à créer de nouveaux traitements plus sûrs et plus efficaces, et à préserver la viabilité de notre santé et de nos systèmes de soins. Ils fournissent les outils nécessaires à une médecine plus personnalisée et renforceront la prévention et le traitement des maladies chroniques et infectieuses.
Les extraits de traduction automatique présentés reflètent la qualité typique de la traduction automatique appliquée à des textes généraux. Des traductions générales nettement meilleures ne sont obtenues que si le texte à traduire a déjà servi à entraîner le système. Une évaluation objective de la qualité de traduction d’un système de traduction automatique n’est possible qu’en utilisant des textes qui n’ont jamais été inclus dans son entraînement. Force est de constater que les systèmes de traduction automatique statistique et à base de règles actuellement opérationnels traduisent encore médiocrement les textes généraux en lituanien.
4. TRADUCTION AUTOMATIQUE NEURONALE
En 2013, Nal Kalchbrenner et Phil Blunsom ont proposé d’utiliser des réseaux neuronaux pour la traduction automatique (Kalchbrenner, Blunsom 2013: 1700–1709). L’idée de recourir aux processeurs graphiques des ordinateurs pour effectuer les calculs des réseaux neuronaux a ouvert la voie à la résolution de problèmes concrets, notamment à la traduction automatique. La traduction automatique neuronale (TAN) met en œuvre des millions de neurones artificiels. Le concept de la TAN est assez simple: l’encodeur convertit la phrase entière de la langue source en un vecteur dit de pensée16, dans un espace vectoriel de quelques centaines de dimensions. Celui-ci est constitué d’une séquence de nombres représentant ainsi le sens de la phrase. En fait, ce vecteur est une pensée de la phrase vectorisée. Les directions des vecteurs représentant des objets et des idées apparentés diffèrent peu17. Le décodeur génère une traduction à partir du vecteur de pensée. L’encodeur comme le décodeur sont construits à partir de réseaux neuronaux récurrents (Sutskever et al. 2014: 3104–3112; Cho et al. 2014: 1724–1734).
16 Le terme a été popularisé par Geoffrey Hinton, l’un des créateurs les plus éminents de l’intelligence artificielle.
17 On peut s’en convaincre, par exemple, en expérimentant avec l’outil de vectorisation word2vec (Mikolov et al. 2013: 3111–3119).
BENDRINĖ KALBA 90 (2017) www.bendrinekalba.lt ISSN 2351–7204
Page 13
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 13
FIG. 3. Triangle de Vauquois pour la traduction automatique neuronale
La fig. 3 présente le schéma de la traduction automatique neuronale selon le triangle de Vauquois18. Il convient de noter qu’un niveau élevé d’analyse est atteint automatiquement, se rapprochant de l’interlingua. Le système de TAN est entraîné à l’aide de corpus parallèles. Au cours de l’entraînement, les réseaux neuronaux récurrents encodent automatiquement les informations morphologiques, syntaxiques et sémantiques contenues dans les phrases, ainsi que les régularités détectées à différents degrés. Enfin, la traduction automatique est devenue indissociable du développement de l’intelligence artificielle. La traduction automatique neuronale progresse rapidement et produit de bien meilleurs résultats que la traduction automatique à base de règles ou statistique.
L’étude des capacités de la TAN a rapidement fait apparaître un nouveau phénomène: les réseaux neuronaux étaient capables de traduire entre des paires de langues pour lesquelles ils n’avaient pas été directement entraînés. Si un système de TAN avait été entraîné à traduire de la langue A vers la langue B et également de la langue A vers la langue C, il pouvait aussi traduire de la langue B vers la langue C (Johnson 2017: 339–351), quoique la qualité de la traduction soit légèrement inférieure. Ce phénomène peut être désigné par l’expression « traduction zéro-shot » (anglais: zero-shot translation). Cela signifie que le réseau neuronal du système de traduction automatique construit, au cours de son entraînement, sa propre interlingua, que lui seul comprend.
Fin 2016, Google Translate (GT) a commencé à utiliser la traduction neuronale. Voici à quoi ressemble la traduction neuronale de notre exemple illustratif (Google TAN neuronale, 14/09/2017, BLEU CI – 25,94):
18 La représentation de la traduction automatique neuronale selon le triangle de Vauquois figure dans la publication en ligne de SYSTRAN de 2016, « Pure Neural Machine Translation ». Disponible en ligne: http://www.systransoft.com/download/white-papers/systran-white-paper-PNMT-12-2016_2.pdf, (consulté le 06/11/2017).
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 14
DANIELIUS ALGIRDAS RALYS. Mašininis vertimas lietuvių kalbai | 14
Tout le monde souhaite vivre longtemps, heureux et en bonne santé, et les scientifiques font tout leur possible pour que cela devienne réalité. Ils s’attaquent à certains des problèmes de santé les plus importants de notre époque, ainsi qu’aux menaces émergentes, telles que l’augmentation des effets de la maladie d’Alzheimer, du diabète et des « superbugs » résistants aux antibiotiques. Les investissements dans la recherche et l’innovation en santé nous aideront à rester actifs, à mettre au point de nouveaux traitements plus sûrs et plus efficaces, et à assurer la viabilité de nos systèmes de santé et de soins. Ils fourniront aux médecins les outils dont ils ont besoin pour une médecine plus personnalisée, renforçant ainsi la prévention et le traitement des maladies chroniques et infectieuses.
Il faut reconnaître que notre exemple a été traduit par le réseau neuronal avec une qualité incomparablement supérieure à celle des systèmes de traduction automatique à base de règles ou statistiques. Pour l’instant, le GT ne traduit pas tout aussi bien; par exemple, en essayant de traduire Beauty requires no ornaments, on obtient: Grožis nereikalingas papuošalams. Des expérimentations similaires permettent de relever de nombreux cas où le GT traduit très mal; il reste donc beaucoup à améliorer.
En 2018, l’Université de Vilnius prévoit de commencer la mise en œuvre d’un système de traduction automatique neuronale de nouvelle génération pour l’anglais, le lituanien, le polonais, le français, le russe et l’allemand. Le système de traduction intégrera la conversion automatique du texte en parole ainsi que la traduction de textes dictés en lituanien.
5. REMARQUES FINALES
Aujourd’hui, les progrès de la traduction automatique sont indissociables des avancées dans le développement de l’intelligence artificielle. En matière de qualité de traduction, toutes les méthodes classiques de TA peuvent encore être améliorées; leur potentiel n’est pas épuisé et leurs limites ne sont pas clairement définies. L’époque des progrès faciles et romantiques est révolue; les méthodes heuristiques, mathématiques ou d’ingénierie ne sont pas toujours utiles. Les enfants apprennent une langue comme automatiquement, sans effort, mais leur maîtrise ne s’affine ensuite qu’en étudiant la grammaire et la littérature. Il semble difficile d’améliorer davantage la traduction automatique sans une participation plus importante des linguistes. Cette participation est facilitée par les outils de traduction automatique mis en œuvre sur des plateformes libres: par exemple, Apertium pour la traduction à base de règles (Forcada ir kt. 2011: 127–144); Moses (Koehn ir kt. 2007b: 177–180), LetsMT! (Vasiljevs ir kt. 2012: 43–48) pour la traduction statistique; TensorFlow et OpenNMT pour la traduction neuronale. Il faut espérer que les linguistes lituaniens uniront leurs efforts pour relever les défis modernes de la linguistique informatique, car certains d’entre eux sont essentiels à l’existence de notre langue.
BENDRINĖ KALBA 90 (2017)
www.bendrinekalba.lt
ISSN 2351–7204
Page 15
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
Page 16
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
Page 17
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
Page 18
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
Page 19
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
Page 20
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.
