Neuronale maschinelle Übersetzung: der Stand der Dinge

Neuronale maschinelle Übersetzung: der Stand der Dinge

Veröffentlicht in maschinelle Übersetzungen am 15/06/2021

Nach Jahrzehnten der Ernüchterung, der minderen Qualität und der unzufriedenstellenden Ergebnisse scheint auf dem Gebiet der maschinellen Übersetzung eine neue Ära begonnen zu haben – die Ära der sogenannten „neuronalen maschinellen Übersetzungsprogramme“. Beispiele für neuronale maschinelle Übersetzungsprogramme sind etwa das zu Linguee gehörende Programm „DeepL“ und die neueste Fassung von Google Translate. Wohin wir vom Übersetzungsbüro Regensburg | Connect-Sprachenservice uns auch wenden, überall wird von neuronalen maschinellen Übersetzungsprogrammen als der bis dato vielversprechendsten Form der maschinellen Übersetzung gesprochen. Weil die Bedeutung neuronaler maschineller Übersetzung in Zukunft nicht zu ignorieren sein wird, ja im Gegenteil sogar noch zunehmen wird, im Folgenden ein kleiner Überblick über die Eckpfeiler der neuronalen maschinellen Übersetzung.

Neuronale maschinelle Übersetzung: Grundlegendes

Anders als frühere maschinelle Übersetzungsprogramme, die entweder regelbasiert funktionierten oder sich statistische Häufungen zunutze machten, simulieren neuronale Übersetzungsprogramme mithilfe künstlicher Intelligenz und Deep Learning das menschliche Denken. Dies führt zu wesentlich besseren und vor allem natürlicher klingenden Übersetzungen. Wie viele der neuesten Entwicklungen im Technologiebereich profitieren neuronale maschinelle Übersetzungsprogramme von der schier unendlichen Menge an im Internet verfügbaren Daten. Anhand der Kombination aus riesigen Datenmengen und Translation Memories, in denen bereits abgeschlossene Übersetzungen abgespeichert werden, erstellen neuronale maschinelle Übersetzungsprogramme ein künstliches neuronales Netzwerk, dem menschlichen Gehirn nicht unähnlich.

Neuronale maschinelle Übersetzung: Anwendungsgebiete

Grundsätzlich liefert die neuronale maschinelle Übersetzung bei einer Vielzahl an Texten passable bis gute Ergebnisse. Sogar mit gängigen Wortspielen und im übertragenen Sinn zu verstehenden Anspielungen, die für regelbasierte oder statistische Übersetzungsprogramme nicht zu überwindende Hindernisse darstellten, kommen neuronale maschinelle Übersetzungsprogramme erstaunlich gut zurecht. Je mehr Texte (also Daten) man dem neuronalen maschinellen Übersetzungsprogramm einfüttert, desto besser werden die Ergebnisse. Den größten Erfolg verspricht sicherlich ein neuronales maschinelles Übersetzungsprogramm, das Zugriff auf einen Textkorpus aus einem gewissen Fachgebiet hat, und einen ähnlichen Text aus demselben Fachgebiet übersetzen soll.

Neuronale maschinelle Übersetzung: neue Berufsfelder

Mit dem Aufkommen neuronaler maschineller Übersetzungsprogramme hat sich nicht nur für Computerlinguisten ein neues Arbeitsfeld aufgetan. Auch Übersetzern bietet die neuronale maschinelle Übersetzung eine neue Möglichkeit zur Umorientierung bzw. zum Erwerb zusätzlicher Kompetenzen. So hat sich im Laufe der letzten Jahre beispielsweise das Berufsbild des „Post Editors“ als zukunftsträchtige Nische herauskristallisiert. Der Post Editor bearbeitet neuronale maschinelle Übersetzungen nach und kontrolliert diese auf Fehler und Stellen, die die Maschine falsch verstanden haben könnte. Auf die steigende Nachfrage nach Post Editors werden auch Ausbildungsinstitutionen früher oder später reagieren und dieses neue Feld in ihre Curricula aufnehmen müssen.

Die neuronale maschinelle Übersetzung stellt also in vielerlei Hinsicht eine interessante Entwicklung in der Sprachindustrie dar.