Return to Video

چگونه رایانه‌ها زبان انسان‌ها را ترجمه می‌کنند -- یوانیس پاپاشیمونس

  • 0:07 - 0:11
    این چطور است که بسیاری از موجودات
    فضایی در فیلم های سینمایی و تلویزیونی
  • 0:11 - 0:14
    ار قضا خیلی خوب انگلیسی صحبت می کنند؟
  • 0:14 - 0:18
    پاسخ کوتاه این است که هیچ کس نمی خواهد
    خدمه یک کشتی فضایی را ببیند
  • 0:18 - 0:22
    که سالها صرف تدوین
    یک فرهنگ لغاتِ فضایی کرده اند.
  • 0:22 - 0:23
    اما برای منسجم نگه داشتن مسائل،
  • 0:23 - 0:27
    سازندگان [سریالِ] استار ترک و
    سایر دنیاهای علمی-تخیلی
  • 0:27 - 0:31
    مفهوم یک مترجمِ عمومی را معرفی کردند،
  • 0:31 - 0:35
    یک ابزار قابل حمل که می تواند بلافاصله
    هر زبانی را ترجمه کند.
  • 0:35 - 0:39
    خُب، آیا یک مترجم عمومی
    در دنیای واقعی امکان پذیر است؟
  • 0:39 - 0:42
    همین الان هم تعداد زیادی برنامه داریم
    که ادعا می کنند این کار را انجام می دهند،
  • 0:42 - 0:46
    یک کلمه، جمله یا یک کتاب کامل را
    از یک زبان می گیرند
  • 0:46 - 0:49
    و آن را به تقریبا هر زبانی ترجمه می کنند،
  • 0:49 - 0:52
    چه انگلیسیِ مدرن باشد
    یا سانسکریت باستانی.
  • 0:52 - 0:56
    و اگر ترجمه فقط مسئله پیدا کردن
    کلمات در فرهنگ لغات بود،
  • 0:56 - 1:00
    این نرم افزارها از همه آدمها جلو می زدند.
  • 1:00 - 1:03
    اما واقعیت کمی پیچیده تر است.
  • 1:03 - 1:07
    یک برنامه مترجم قانونمند
    از بانک اطلاعات کلماتی استفاده می کند
  • 1:07 - 1:10
    که حاوی تمام کلمات موجود در فرهنگِ لغات
  • 1:10 - 1:13
    و تمام حالت های دستوری آنها،
  • 1:13 - 1:19
    و تمام قوانین لازم برای شناسایی
    اجزاء زبانیِ زبانِ مبداء است.
  • 1:19 - 1:22
    به عنوان یک مثال ساده درباره جمله ای مثل
    "کودکان کلوچه می خورند،"
  • 1:22 - 1:27
    برنامه اول بخش های آن یا
    ساختار دستوری آن را تجزیه می کند،
  • 1:27 - 1:30
    کودکان را به عنوان فاعل،
  • 1:30 - 1:32
    و بقیه جمله را به عنوان خبر شناسایی می کند
  • 1:32 - 1:34
    که شامل فعل "می خورند،"
  • 1:34 - 1:37
    و مفعول "کلوچه ها" است.
  • 1:37 - 1:40
    و بعد برنامه باید
    شکل زبان انگلیسی را شناسایی کند.
  • 1:40 - 1:45
    یا اینکه زبان چگونه می تواند
    به کوچکترین بخش های معنی دار تقسیم شود.
  • 1:45 - 1:46
    مثل کلمه کلوچه
  • 1:46 - 1:50
    و پسوند "s" که آن را تبدیل
    به جمع می کند.
  • 1:50 - 1:52
    در نهایت،
    او باید معنی لغات را تشخیص دهد،
  • 1:52 - 1:56
    هر بخش جمله در واقع چه معنی دارند.
  • 1:56 - 1:58
    برای ترجمه مناسب این جمله،
  • 1:58 - 2:02
    برنامه به مجموعه متفاوتی
    از لغات و دستوربرای هر جزء تشکیل دهنده
  • 2:02 - 2:05
    در زبان مقصد مراجعه می کند.
  • 2:05 - 2:07
    اما اینجای کار کمی سخت می شود.
  • 2:07 - 2:12
    قوائد برخی زبان ها به کلمات اجازه می دهند
    تا در جاهای مختلف جمله قرار بگیرند،
  • 2:12 - 2:17
    که در این صورت، ممکن است جمله به
    کلوچه بچه ها را می خورد تبدیل شود.
  • 2:17 - 2:20
    شکلِ زبان هم ممکن است مشکل ساز شود.
  • 2:20 - 2:23
    زبان اسلوونی بین دو کودک و سه یا بیشتر
    تفاوت قائل می شود
  • 2:23 - 2:27
    در حالی که استفاده از مثنی
    در بسیاری از زبان ها وجود ندارد،
  • 2:27 - 2:31
    با وجود نداشتن نکره و معرفه در زبان روسی
    شما نمی توانید متوجه شوید
  • 2:31 - 2:34
    که بچه ها کلوچه های خاصی را می خورند،
  • 2:34 - 2:37
    یا به طور کلی کلوچه می خورند.
  • 2:37 - 2:40
    در نهایت، زمانی که معانی
    از نظر فنی هم درست باشند،
  • 2:40 - 2:43
    برنامه ممکن است نتواند
    بهترین لغت را تشخیص دهد،
  • 2:43 - 2:46
    مثل این که بچه ها کلوچه ها را "mangiano"،
  • 2:46 - 2:48
    یا کلوچه ها را "divorano".
    [اشاره به استفاده از دو فعل با معانی شبیه ولی متفاوت در زبان لاتین]
  • 2:48 - 2:52
    روش دیگر استفاده از
    دستگاه ترجمه آماری است،
  • 2:52 - 2:56
    که بانک اطلاعاتی شامل کتابها، مقاله ها
    و مطالب را،
  • 2:56 - 2:59
    که قبلا توسط انسان ترجمه شده اند،
    تحلیل می کند.
  • 2:59 - 3:03
    با پیدا کردن معادل در میان زبان های
    مبدا و مقصد،
  • 3:03 - 3:05
    که بعید است به صورت اتفاقی به وجود بیایند،
  • 3:05 - 3:09
    نرم افزار می تواند جمله ها
    و الگوهای متناظر را بیابد،
  • 3:09 - 3:12
    و از آنها برای ترجمه های آتی استفاده کند.
  • 3:12 - 3:15
    با این وجود، کیفیت این نوع ترجمه
  • 3:15 - 3:18
    به اندازه بانک اطلاعاتی مورد استفاده
  • 3:18 - 3:21
    و وجود داشتن نمونه هایی از زبان خاص
  • 3:21 - 3:23
    یا روش نوشتار، بستگی دارد.
  • 3:23 - 3:27
    دشواری که رایانه ها با آن مواجه هستند
    برای شناسایی موارد خاص، بی قاعده
  • 3:27 - 3:31
    و معانی نهفته که به صورت غریزی
    مربوط به انسان ها است
  • 3:31 - 3:35
    بعضی از محققان را بر آن داشته تا باور کنند
    که درک ما از زبان
  • 3:35 - 3:39
    محصولی خاص از ساختار بیولوژیکی مغز ما است.
  • 3:39 - 3:43
    در واقع، یکی از مشهورترین
    مترجمان عمومیِ تخیلی،
  • 3:43 - 3:46
    ماهیِ بابل در فیلم
    "راهنمای رایگانسواری در کهکشان"،
  • 3:46 - 3:50
    اصلا ماشین نیست بلکه موجودی کوچک است
  • 3:50 - 3:54
    که امواج مغزی و سیگنال های عصبی
    گونه های حساس را
  • 3:54 - 3:57
    بوسیله گونه ای تلپاتی،
    ترجمه می کند.
  • 3:57 - 4:00
    تا کنون، یاد گرفتن یک زبان
    به همان روش سنتی قدیمی
  • 4:00 - 4:05
    نتیجه بهتری نسبت به استفاده از
    هر برنامه کامپیتری موجود به شما می دهد.
  • 4:05 - 4:07
    اما این اصلا کار راحتی نیست،
  • 4:07 - 4:09
    و با توجه به تعداد بسیار زیاد
    زبان های موجود در دنیا،
  • 4:09 - 4:13
    تنها با افزایش تعامل میان افرادی
    که به آن زبان ها صحبت می کنند،
  • 4:13 - 4:18
    می توان کارآیی مترجمان خودکار را
    بهبود بخشید.
  • 4:18 - 4:21
    شاید زمانی که با حیات غیر زمینی
    برخورد پیدا کردیم،
  • 4:21 - 4:25
    بتوانیم با آنها بوسیله
    یک ابزار کوچک ارتباط برقرار کنیم،
  • 4:25 - 4:29
    یا شاید در نهایت مجبور شویم
    یک فرهنگ لغات گرد آوری کنیم.
Title:
چگونه رایانه‌ها زبان انسان‌ها را ترجمه می‌کنند -- یوانیس پاپاشیمونس
Speaker:
Ioannis Papachimonas
Description:

درس کامل در: http://ed.ted.com/lessons/how-computers-translate-human-language-ioannis-papachimonas

آیا تصورِ یک مترجم عمومی در دنیای واقعی امکان پذیر است؟ امروزه نرم افزارهای زیادی هستند که ادعا می کنند می توانند یک کلمه، جمله یا یک کتاب کامل رااز یک زبان به هر زبان دیگری ترجمه کنند. واقعیت البته کمی پیچیده‌تر است. یوانیس پاپاشیمونس نحوه عملکرد این ماشین های مترجم را توضیح می دهد، و شرح می دهد که چرا معمولا ترجمه آنها نامناسب است.

درس از یوانیس پاپاشیمونس، انیمیشن از نو وی ویدیو کلاب.
more » « less
Video Language:
English
Team:
closed TED
Project:
TED-Ed
Duration:
04:45

Persian subtitles

Revisions

Our website uses cookies for analysis purposes.