ابزار ترجمه گوگل، کیفیت ترجمه آفلاین را تا 20 درصد افزایش داده است.

آیا شما در کشوری هستید که به زبانی غیر از زبان انگلیسی صحبت می کنید؟ اخبار خوبی برای شما داریم. گوگل می تواند بسیاری از نیازهای زبان شناسی شما را پوشش دهد. به تازگی، ابزار هوش مصنوعی جدیدی وارد صنعت ترجمه شده است و سرویس های ترجمه را به صورت ماشین های چند زبانه تبدیل نموده و به طور کاملا رایگان در اختیار کاربران سراسر جهان قرار گرفته است. این ابزار بسیار قدرتمند قادر است که به صورت آفلاین، ترجمه دقیقی را ارائه دهد و ترجمه با کیفیتی در اختیار شما قرار می دهد.

ترجمه گر گوگل

ابزار ترجمه گوگل ، نزدیک به 59 زبان را پوشش می دهید و شما می توانید با استفاده از سیستم عامل اندروید یا ioS  از خدمات جدید ترجمه گوگل بهره ببرید. این ابزار جدید، با افزایش دقت و ارتقا روش های هوش مصنوعی، در تلاش است تا بهترین واژگان را انتخاب نموده و ساختار گرامری و جمله بندی را به بهترین نحو رعایت نماید.

بسیاری از زبان های دیگر مثل زبان ژاپنی، کره ای، تایوانی، هلندی، هندی، دارای کیفیت بیشتر از 20 درصد در زمینه ترجمه می باشد. در این زمینه های مربوطه، ترجمه به صورت آفلاین به ده زبان جدید ارائه گردیده است. و این زبان ها شامل زبان عربی، بنگلادشی، گرجی، و چندین زبان دیگر می شود.

توسعه هر چه بیشتر گوگل 

ابزارهای جدید و توسعه یافته ترجمه ، در امروز کارایی فوق العاده ای دارند. گوگل هر روز در تلاش است تا ابزارهای ترجمه خود را ارتقا بخشد و به کاربران این اجازه را بدهد تا به صورت آفلاین ترجمه کنند و بتوانند برای ترجمه بنرها، اپلیکیشن ها، برنامه ها و … که به صورت اورژانسی نیاز به ترجمه دارند، به صورت آفلاین فرایند ترجمه را دنبال نمایند.

بیشتر بخوانید : مشکلات ترجمه نرم افزاری گوگل

ترجمه آنلاین همواره برای مترجمان ابزار بسیار موثری به شمار می آید ولی امروزه با استفاده از ماشین های مجهز به شبکه های عصبی و هوش مصنوعی، روش های ترجمه آنلاین ارتقا یافته اند و الگوریتم های جدیدی به برنامه های نرم افزاری افزوده گردیده اند.

رهیافت های مربوط به یادگیری ماشین نیز در ارتقا جمله بندی و پاراگراف بندی، نقش دارد و مترجمان به صورت آفلاین می توانند متون مربوطه را تحویل این نرم افزار دهند و با دقت بیشتر ترجمه را تحویل بگیرند.

تمایز این نرم افزارها با نرم افزارهای ارائه شده پیشین در زمینه ترجمه، ارتقاء گرامر، فهم محتوا و رعایت نکات جمله بندی و پاراگراف بندی است. رهیافت های مربوط به یادگیری ماشین به گونه ای ابزارهای ترجمه را ارتقا می بخشند که شما می توانید برای ترجمه مقالات، کتاب ها، اسناد و تحقیقات خود از این ابزار استفاده نمایید.

نرم افزارهای نوین ارائه شده در زمینه ترجمه، به هیچ عنوان قابل مقایسه با روش های پیشین نبوده و دقت فوق العاده ای نسبت به نرم افزارهای قبلی دارد.

ابزار ترجمه آمازون

سایت آمازون نیز ابزاری ارائه داده است که برای ترجمه 22 زبان خارجی، به بهترین نحو فعالیت نموده است. در اوایل دسامبر، امکانات فوق العاده ای به سایت آمازون افزوده شد. ابزار ترجمه آمازون، بر مبنای فضای ابری فعالیت نموده و خدمات ترجمه را به دانشجویان ارائه می کند. ابزارهای جدید ترجمه را شما می توانید در سایت آمازون دنبال نمایید و بتوانید فرایندهای ترجمه خود را تسریع نمایید.

ربات ها نیز نقش بسیار تاثیر گذاری در ترجمه دارند. امروزه بسیاری از محققان در زمینه رباتیک و هوش مصنوعی در تلاش هستند تا ربات های مترجمی بسازندکه بتوانند با دقت هرچه بیشتر متن را تبدیل به صوت نموده و فرایند ترجمه را روی آن انجام دهند و در اختیار کاربران قرار دهند.

ربات های انسان نما، نیز ربات هایی هستند که به امکاناتی از قبیل پردازش گفتار و سیستم های تجزیه و تحلیل مجهز می باشند.

ویژگی مهم فعالیت های رباتیکی، این است که از زبان های متفاوتی تبعیت می کند و در محدوده سنتز گفتار، نقش بسیار مهمی دارد. سیستم های تشخیص گفتار ، به گونه ای در ربات های مترجم نهادینه شده اند که به ارتقای ترجمه کمک شایان توجهی می کند.

برنامه های نرم افزاری توسعه یافته ، در بسیاری از فرایندهای زبانی به کار برده می شوند. بسیاری از مسائل و چالش ها برای ربات ها مطرح می باشند و شاید بسیاری از ربات ها امکان درک صحیح واژگان را نداشته باشند و می بایست هوش مصنوعی به گونه ای عمل کند تا واژگان را نیز برای ربات ها تعریف نماید.

ضرورت استفاده از سیستم های نرم افزاری، برای ربات ها و نرم افزارها بسیار مطرح است و در دنیای امروزه، نقش بسیار بسزایی دارد. الگوریتم سیستم ترجمه ویژگی های منحصر به فردی برای ترجمه جملات و واژگان تکی دارند.

دیکشنری های جملات، دیکشنری هایی هستند که برای یک زبان ارائه می شوند و ضرورت ایجاب می کند که این دیکشنری ها به ربات ها ارائه گردند تا ربات ها قادر باشند به بهترین نحو ترجمه را انجام دهند.

نرم افزار توصیف ترجمه

نرم افزار ترجمه ای به نام ThinkEng وجود دارد که تحت زبان برنامه نویسی ویژوال بیسیک 6 کار می کند. ویژگی اصلی نرم افزار، دو زبان اصلی را پشتیبانی می کند. زبان هلندی- زبان انگلیسی.

علاوه براین ، بسیاری از دیکشنری ها و نرم افزارهای ترجمه ، مجهز به جملات و وازگانی است که در جملات پیاپی به کار برده می شوند و بنابراین یکی از مسائل و چالش های اصلی پیش روی مترجمان، برطرف گردیده است. اصول و قواعد گرامری مربوط به زبان انگلیسی، می بایست رعات شود و به این ترتیب ربات های مترجم می توانند ترجمه های مطلوبی را ارائه دهند.

کاربرد ترجمه در سیستم های ربات

ربات های مترجم ، مجهز به سیستم های ربات هوش مصنوعی هستند و کدهای مترجمی را می توان برای استفاده در ربات های چند زبانه خودکار به کار برد . به همین ترتیب ، با استفاده از کامپیوترهای شخصی یا PC نیز شما قادر خواهید بود ربات ها را کنترل نمایید.

بسیاری از ربات های مترجم، بر مبنای سیستم های ربات کامپیوتری کار می کنند و نیاز است که متن مرجع ، به متون دیگر ترجمه گردند. می توانید با استفاده از صفحه کلید، سیستم تشخیص متن را فعال نمایید یا از سیستم های ocr ( که برمبنای نور کار می کنند ) و یا دیگر سیستم های تشخیص گفتار، بهره گیرید.

بسیاری از ربات های مترجم، می بایست به ابزارهای پردازش سیگنال مجهز باشند. ابزارهای سخت افزاری پردازش سیگنال، یک بحث مجزا بوده و ابزارهای نرم افزاری بخش دیگر است.

پردازش سیگنال  و به صورت تخصصی پردازش گفتار، برای ربات های مترجم ، امری بسیار حائز اهمیت است.

روش های برنامه نویسی بر پایه نرم افزاری مثل متلب، به ما کمک می کند تا الگوریتم خاصی برای شناسایی واژگان در اختیار ربات قرار دهیم و تلاش کنیم تا ربات بتواند واژگان را شناسایی و پردازش نموده و بهترین معنا را مطابق با آن به کاربر تحویل دهد.

مهم ترین نکته در ساخت ربات های مترجم، پایگاه داده این ربات ها است. مهم است که در پایگاه داده ورودی و خروجی ربات چه واژگان و اصطلاحات یا جملاتی را قرار دهیم.

بسته به کاربردی که دارید می بایست پایگاه داده ورودی و خروجی ربات را تعیین نمایید. ممکن است شما برای مسافران یک کشور، نیاز به ربات مترجم داشته باشید. در این صورت می بایست در پایگاه داده ورودی، تعدادی از جملات و اصطلاحاتی مثل سلام و احوال پرسی، عبارات مربوط به گردشگری و یا خرید، انتخاب هتل و … را وارد کنید. و در پایگاه داده خروجی نیز ترجمه این جملات ، اصطلاحات یا عبارات را قرار دهید.  به این ترتیب با استفاده از ربات، خواهید توانست به مسائل و چالش های موجود در سر راه بسیاری از مسافران ، پاسخ دهید.

الگوریتم کارایی این ربات های مترجم به این صورت است که شما می بایست در ابتدا پایگاه داده ورودی را طراحی نموده و هر تعداد که می دانید ( بسته به واحد پردازش مرکزی به کار رفته در سیستم ربات و حافظه ای که در سیستم ربات مورد استفاده قرار گرفته است) اصطلاح یا جمله یا واژه وارد سیستم نمایید و  پس از آن ، مرحله استخراج ویژگی است که یکی از مراحل بسیار مهم در پردازش سیگنال و به صورت تخصصی پردازش گفتار می باشد.

همان طور که می دانیم ، هرکسی تون صدای متفاوتی دارد و وظیفه سیستم پردازشی برنامه نویسی شما ربات ما این است که قادر باشد واژگان را از تون صداهای مختلف بشناسد و به واحد بعدی تحویل دهد تا پردازش های دیگر روی آن صورت گیرد.

ممکن است که طراح ربات به صورت تخصصی برای یک گروه و یا یک نفر خاص، ربات را طراحی نماید . در این شرایط، کافی است که ربات به گونه ای از طریق هوش مصنوعی آموزش ببیند که بتواند صدای همان فرد را بشناسد و پردازش نموده و در اختیار واحد ترجمه قرار داده و خروجی را تحویل دهد.

در این صورت ، یعنی زمانی که ربات تک کاربره است، روش استفاده از شبکه های عصبی، بسیار کارایی دارد و می توان با استفاده از شبکه های عصبی خود سازمان ده سلسله مراتبی، به گونه ای ربات را آموزش داد که با تکرار، صدای فرد را کاملا بشناسد و بتواند فرایند ترجمه را انجام دهد که البته توصیف و توضیح و یا آموزش شبکه های عصبی خود سازمان ده سلسله مراتبی، بحثی بسیار تخصصی بوده و از حوصله این مقاله به دور است و در صورت لزوم، در مقالات آتی، به بیان این موضوع نیز خواهیم پرداخت.

ولی در صورتی که ربات ضرورتا تک کاربره نیست و برای کاربران زیادی قرارا ست کار کند، یا این که در شرایطی است که می توان آن را به مسافران یا کاربران کرایه داد تا کارشان را با ربات انجام دهند و پس از آن ربات را به شرکت مربوطه تحویل دهند. در این شرایط، ربات می بایست قادر باشد تا تون صدای افراد مختلف را بشناسد و بتواند واژه را پردازش نموده و تشخیص دهد. و در مرحله بعدی با پایگاه داده ورودی بسنجد و واژه متناظر با آن که در پایگاه داده خروجی قرار دارد را به خروجی تحویل دهد.

در این شرایط، کار مهندس طراح به مراتب سنگین تر خواهد شد و نیاز به پردازش گفتار به صورت تخصصی و قوی داریم. البته در این شرایط نیز استفاده از شبکه های عصبی و به ویژه شبکه های عصبی کانولوشنی یا یادگیری عمیق (deep learning) پاسخگوی نیاز ما خواهد بود. با استفاده از شبکه های عصبی کانولوشنی می توانیم برنامه ربات را به گونه ای آموزش دهیم که پردازش گفتار بسیار قوی داشته باشد و بتواند در تون صدای افراد مختلف، واژه مورد نظر را بشناسد و پردازش را روی آن انجام دهد.

شناسایی واژه مورد نظر از نقطه نظر مهندسی و هوش مصنوعی، نیاز به فرایند استخراج ویژگی و طبقه بندی دارد. معمولا در استخراج ویژگی و طبقه بندی از ممان های آماری مثل واریانس و انحراف معیار استفاده می شود. و اصوات ادا شده توسط افراد مختلف را براساس ممان های متفاوت آماری و معیارهای فرایندهای تصادفی سنجیده و ویژگی ها را استخراج می نماید. این ویژگی ها پس از آن در طبقه بندی هایی قرار می گیرد که به صورت تخصصی می توان از طبقه بندهای متفاوت استفاده نمود. طبقه بندی هایی مثل k نزدیک ترین همسایگی یا ماشین های بردار پشتیبان، طبقه بندهای معروفی هستند که برای ربات های مترجم به کار گرفته می شوند. بحث تخصصی در مورد طبقه بندهایی مثل ماشین های بردار پشتیبان یا support vector machine (SVM) یا k نزدیک ترین همسایگی یا k nearest neighborhood (knn) و یا هر طبقه بند دیگری، بیشتر در زمینه مهندسی هوش مصنوعی مطرح بوده و توضیح بیشتر این مباحث از حوصله این مقاله خارج بوده و در صورت ضرورت در مقالات تکمیلی به بیان این موضوع، با جزئیات هرچه بیشتر خواهیم پرداخت.

در مرحله بعدی، اصوات طبقه بندی شده به مرحله پردازشی رفته، و در کنار یکدیگر چیدمان شده تا تبدیل به واژگان معناداری گشته و به همین ترتیب، وارد پایگاه داده خروجی گشته و واژه یا اصطلاحی متناظر با واژه یا اصطلاح پایگاه داده ورودی در پایگاه داده خروجی یافت شده و به عنوان خروجی در اختیار کاربر قرار خواهد گرفت.

در این مقاله سعی بر این بود که خواننده با طرز کار ربات های مترجم آشنا شوید و فرایندهای کلی کار این ربات ها را فرا گیرید.