Oversæt dokumenter fra et vilkårligt sprog til et andet.
Resultatet skal stadig efterbehandles af en menneskelig oversætter, men det er så meget bedre end traditionel maskinoversættelse, at det sparer 40 til 80 procent af arbejdstiden.
Det er perspektiverne i SMT (Statistical Machine Translation), som er vokset ud af et forskningsprojekt på Copenhagen Business School.
Blandt deltagerne i projektet var firmaet Lingtech, der er blandt pionererne inden for maskinoversættelse i Danmark.
Lingtech har hidtil brugt et traditionelt, regelbaseret system til oversættelse af patenter, PaTrans. Det er nu skrottet til fordel for det nye, der bygger på automatisk oplæring af systemet.
"Med det gamle system satte vi en oversættelse over, før vi gik hjem om aftenen. Når vi kom næste morgen, var det så ved at være færdigt. Det nye system klarer samme opgave på 10 minutter, og kvaliteten er oven i købet bedre. Desuden går der ingen tid til forberedelse, før man begynder oversættelsen," siger administrerende direktør Birgit Pichat, Lingtech.
Selvlærende system
To af folkene fra projektet, lektor Daniel Hardt og ph.d-studerende Jakob Elming, CBS, har dannet virksomheden LanguageLens, der udvikler produktet.
"Systemet lærer at oversætte ved, at man præsenterer det for en stor mængde tekster på de to sprog, det skal oversætte imellem. Det opbygger en tabel over ord og fraser på det ene sprog, og hvad de er oversat til på det andet sprog. Det registrerer også, hvor hyppige forskellige oversættelser af samme frase er," forklarer Daniel Hardt.
Endvidere registrerer systemet også de fraser, der står før og efter en frase. På den måde kan det vide noget om den sammenhæng, et ord eller frase typisk indgår i.
Løbende forbedring
Jo flere par af oversatte dokumenter, man hælder ind i systemet, desto dygtigere bliver det.
Lingtech har trænet systemet med 24 millioner ord fra patentoversættelser mellem dansk og engelsk.
"Erfaringen viser, at systemet faktisk hele tiden bliver bedre. Jeg havde frygtet, at vi ville nå et øvre loft, hvor det ikke kunne forbedres mere, men hvis det findes, har vi ikke nået det endnu," siger Birgit Pichat.
SMT præsenteres i denne uge på en international konference for forskning i maskinoversættelse.
Birgit Pichat kender til andre systemer, der anvender statistisk analyse, blandt andet et canadisk system. M
en Lingtech valgte at satse på det danske, blandt andet fordi det canadiske foreløbig ikke understøtter dansk som sprog.
En af fordelene ved SMT er netop understøttelsen af mange sprog: Hvis man har et sæt oversatte dokumenter mellem to sprog, kan man oplære systemet i at oversætte mellem dem.
