Tampaknya machine translation atau terjemahan mesin sering mendapat cap yang buruk. Upaya awal terjemahan mesin, dengan terjemahan berbasis aturan yang pertama digunakan dan kemudian terjemahan statistikal, tentu saja memiliki masalah. Namun, Neural Machine Translation, yang merupakan salah satu tren terbaru dalam terjemahan mesin, telah membawa bidang pekerjaan ini ke level selanjutnya.
Menggunakan machine learning untuk terjemahan telah meningkatkan kualitas dokumen yang dihasilkan dan waktu yang dibutuhkan untuk memproduksinya.
Sehubungan dengan hal ini, kita ingin menyelami apa itu Neural Machine Translation, cara kerjanya, dan apa artinya bagi sejarah penerjemahan.
Bagaimana Cara Kerja Neural Machine Translation?
Sangat mungkin untuk berbicara secara mendalam tentang cara kerja Neural Machine Translation (NMT). Bahkan, ada yang telah menulis buku tentang masalah ini.
Secara sederhana, NMT bekerja dengan menggunakan jaringan saraf. Yang berarti seperangkat algoritme yang saling berhubungan, berdasarkan cara kerja otak manusia, yang mengenali pola, untuk menerjemahkan teks dari satu bahasa ke bahasa lain.
Ini menggunakan pembelajaran mesin, dengan jaringan encoder dan jaringan decoder, untuk menangani terjemahan dengan melihat seluruh kalimat sekaligus, bukan kata atau frasa individual.
Penggunaan Jaringan Neural dalam Machine Learning untuk Terjemahan
Terjemahan neural dapat memberikan hasil terjemahan yang luar biasa dibandingkan dengan bentuk terjemahan mesin lainnya. Bentuk pembelajaran mesin untuk terjemahan ini menghasilkan hasil yang lebih cepat dan berkualitas lebih tinggi, itulah sebabnya Google Translate dan Baidu Translate telah menerimanya sepenuhnya.
Terjemahan neural dari sifat ini didorong oleh matematika. Jaringan neural berulang dua arah digunakan untuk mengubah bahasa menjadi angka dan kembali lagi. Pendekatan terjemahan machine learning end-to-end membantu meningkatkan akurasi hasil.
Perbedaan NMT dengan Jenis Terjemahan Mesin Lain
Neural Machine Translation adalah pendekatan yang sangat berbeda dengan upaya terjemahan mesin sebelumnya. Sampai tahun 1990-an, terjemahan mesin berbasis aturan adalah norma, sampai terjemahan mesin statistik menjadi populer.
Masing-masing model terjemahan mesin ini, yang berbasis aturan dan statistik, menangani terjemahan kata dan frasa individual. Mereka mengambil pendekatan terjemahan yang sangat literal, yang tidak banyak membantu kehalusan dan ambiguitas yang merupakan bagian inti dari cara kita menggunakan bahasa.
Neural Machine Translation berbeda. Model pembelajaran mesin terjemahan bahasa dapat melihat potongan teks yang jauh lebih besar saat menerjemahkan. Selain itu, semua bagian model dilatih bersama.
Machine learning end-to-end ini menghasilkan bentuk terjemahan yang jauh lebih kontekstual daripada upaya penerjemahan mesin sebelumnya. Itulah mengapa NMT dengan cepat menjadi model pilihan para ahli di bidang terjemahan mesin.
Ada manfaat praktis untuk menggunakan terjemahan saraf juga. Ini membutuhkan memori yang jauh lebih sedikit daripada penggunaan terjemahan statistik. Itu juga membutuhkan lebih sedikit pilihan teknik dan desain.
Semua ini berarti proses yang lebih rapi dan hemat biaya bagi mereka yang merancang model terjemahan jaringan saraf, dibandingkan dengan mereka yang menyediakan layanan terjemahan statistik.
Baca juga: 7 Aplikasi Cek Grammar Bahasa Inggris Terbaik
Kegunaan Neural Machine Translation
Neural Machine Translation memiliki berbagai kegunaan. Banyak orang yang mencari terjemahan cepat dari kata frasa sesekali bergantung pada Google Terjemahan dan sejenisnya.
Banyak bisnis juga menggunakan terjemahan mesin untuk terhubung dengan pelanggan, pemasok, pengecer di luar negeri, dan banyak lagi. Kecenderungan menggunakan NMT untuk tujuan bisnis berarti bekerja dengan hasil terjemahan mesin bukanlah hal baru bagi banyak penerjemah.
Sementara beberapa bisnis dengan senang hati menggunakan hasil terjemahan mesin tanpa pekerjaan lebih lanjut, mereka yang ingin memastikan keakuratan konten mereka memilih untuk menggunakan machine translation post-editing (MTPE). Di sinilah ahli bahasa bekerja dengan hasil terjemahan mesin untuk memastikan bahwa teks mengalir secara akurat. Bagian dari prosesnya melibatkan mempelajari nuansa dan keanehan terjemahan mesin yang harus diwaspadai.
Karena kualitas Neural Machine Translation terus meningkat, begitu pula penggunaannya. Bisnis mengandalkannya untuk menerjemahkan semuanya mulai dari email individu dan posting blog ke seluruh situs web. Jika tujuannya hanya untuk membantu pemahaman, mereka akan sering menggunakan keluaran NMT mentah. Jika diperlukan lebih banyak kemahiran, di situlah pasca-pengeditan terjemahan mesin menjadi miliknya sendiri.
Tentu saja, tidak semua dokumen cocok untuk terjemahan neural. Dokumen medis atau hukum spesialis, misalnya, kemungkinan besar akan lebih baik di tangan penerjemah manusia dengan keahlian materi pelajaran yang sesuai. Hal yang sama berlaku untuk copy marketing, di mana sedikit perubahan nuansa dapat memberikan hasil yang sangat berbeda.
Demikian pula, tidak semua bahasa cocok untuk Neural Machine Translation. Perusahaan NMT cenderung berfokus pada bahasa yang paling umum digunakan di dunia.
Meski demikian, saat model terjemahan machine learning semakin matang, bahasa lebih lanjut ditambahkan. Misalnya pada awal tahun 2022, Google Terjemahan mengumumkan penambahan 24 bahasa lagi, yang berfokus terutama pada bahasa dari Afrika, Asia, dan Amerika.
Baca juga: 9 Cara Search Engine Mengaplikasikan Machine Learning
Manfaat Neural Machine Translation
Apa yang dapat diberikan oleh Neural Machine Translation dalam hal manfaat? Ada banyak tentunya. Itu sebabnya telah melihat pertumbuhan seperti itu di seluruh dunia dalam beberapa tahun terakhir.
Akurasi Tinggi
Seperti yang sudah disebutkan di atas, NMT memberikan hasil yang jauh lebih akurat daripada bentuk terjemahan mesin lainnya.
Jika kamu ingin memahami suatu dokumen dan kamu tidak berbicara bahasanya, menggunakan layanan terjemahan neural biasanya dapat memberi kamu terjemahan yang cukup layak untuk memberikan pemahaman yang memadai.
Penghematan Biaya
Menggunakan Neural Machine Translation juga terbukti sangat hemat biaya. Layanan seperti Google Translate gratis untuk digunakan. Dengan demikian, jika hasil yang diperlukan hanyalah pemahaman dasar tentang suatu dokumen, biaya penerjemahan manusia profesional dapat dihilangkan.
Bahkan ketika terjemahan mesin pasca-pengeditan diperlukan, penggunaan NMT masih dapat menghemat biaya, dengan biaya NMT ditambah MTPE sering kali masih lebih murah daripada jika penerjemah manusia digunakan untuk seluruh proses.
Skalabilitas
Untuk proyek besar, terjemahan neural memberikan manfaat skalabilitas. Dengan penerjemah manusia, proses penerjemahan dibatasi oleh waktu yang dibutuhkan penerjemah untuk mengerjakan dokumen.
Hal yang sama berlaku untuk NMT, tetapi perbedaannya adalah NMT dapat memberikan hasil dalam hitungan detik. Dengan demikian, bisnis dengan 100 dokumen dapat menskalakan upaya penerjemahannya jauh lebih mudah menggunakan NMT daripada menggunakan penerjemah tunggal, atau tim penerjemah, yang semuanya harus ditemukan dan bergabung dengan proyek.
Fleksibilitas
Neural Machine Translation juga memberikan banyak fleksibilitas dalam mengatasi hambatan bahasa. Karena cepat dan memberikan akurasi yang cukup untuk membantu pemahaman, bisnis dapat menggunakannya untuk segala hal mulai dari menerjemahkan pesan cepat media sosial atau email hingga terjemahan seluruh brosur. Yang bisa dilakukan hampir secara instan.
Dalam dunia komersial, kemampuan untuk bergerak cepat dapat membuat perbedaan antara menang dan kalah, dan bisnis dengan cepat memahami hal ini terkait manfaat Neural Machine Translation.
Masa Depang Terjemahan Machine Learning
Neural Machine Translation telah membuat terjemahan instan dan hemat biaya dapat diakses secara luas. Itu dapat memberikan hasil yang sangat baik (tergantung pada konten yang diterjemahkan).
Ketika dikombinasikan dengan pasca-edit terjemahan mesin, NMT dapat memberikan efisiensi biaya dan kecepatan dibandingkan dengan terjemahan manusia tradisional. Dengan demikian, NMT adalah bagian penting dari banyak strategi penerjemahan bisnis, dan akan terus berlanjut selama bertahun-tahun ke depan.
