Искусственные нейронные сети (ИНС) — это вычислительная модель и её реализация, построенная по принципу своего биологического аналога. Основой ИНС является машинное обучение, которое представлено группой методов. Эти методы обеспечивают восприятие и обработку всей информации, которая может быть полезной для решения проблемы. Глубокое обучение (Deep Learning) является одним из основных методов в ИНС. Глубокое обучение представлено набором алгоритмов, пытающихся моделировать и строить абстракции высокого уровня в данных с помощью архитектур, состоящих из набора нелинейных преобразований.

Использование глубокого обучения позволяет нам отказаться от ручного выбора и настройки атрибутов, обучая атрибуты без учителя или с частичным участием учителя, и тогда учитель должен использовать эффективный алгоритм и иерархическое извлечение атрибутов [3]. Исследования в этой области направлены на улучшение операций с большими объемами немаркированных данных. Некоторые решения появляются благодаря достижениям в области нейронауки и интерпретации целей обработки данных и построения моделей коммуникации в нервной системе, таких как нейронное кодирование. Основная задача нервной системы — определить взаимосвязь между стимулом и нейронными реакциями и взаимосвязь электрической активности между нейронами в мозге.

Первые десять лет переводческие сайты работали как словари: они получали на вход слово/фразу/текст и переходили к поиску в базе данных перевода, соответствующего слову. Эта система даже по тем стандартам, мягко говоря, не справлялась со своими задачами, выдавая на выходе только переведенные, но не осмысленные предложения. Такие неудачи не заставили долго ждать улучшения или даже полной замены алгоритма, на котором должен работать неодушевленный переводчик. Как только нейронные сети стали широко использоваться в различных сферах жизни, быстрый рост популярности использования технологии ИНС не обошел и вопрос переводчиков [1, 2].

В современном мире существуют переводчики разного уровня. 80% всех переводчиков заняты выполнением требований законодательства, 20% переводят инструкции к медицинским изделиям, станкам, используя дополнительное программное обеспечение для составления глоссариев терминов. 3% из этих 20% выделяются, в частности, художественные переводчики, переводчики научно-технической литературы и синхронные переводчики. Однако ИНС, которая может научиться понимать чужую речь и правильно строить свою собственную через глубокое обучение, может значительно упростить работу для всех них. Может ли эта же, но улучшенная ИНС когда-либо полностью устранить необходимость в живых переводчиках? Чтобы ответить на этот вопрос, нам нужно выяснить некоторые другие.

В настоящее время одним из самых передовых и современных механизмов перевода является ИНС GNMT (Google's Neural Machine Translation). Её особенность заключается в том, что она состоит из «базиса значений» для каждого слова или выражения, который формируется путем сравнения возможных вариаций значения. Кроме того, GNMT анализирует предложения, разбивая их на части, несущие смысловую нагрузку. Таким образом получается «базис значений», который позволяет вывести перевод на принципиально новый уровень. С использованием этой базы данных GNMT может переводить любую языковую пару из нескольких доступных языков, и все это происходит за счет «универсального» языка, который пока понятен только этой нейронной ИНС. Однако можно ли улучшить этот механизм машинного перевода более существенно?

Да, допустим, мы просто увеличим количество скрытых слоев, тем самым усложнив алгоритм, получив некоторое повышение качества перевода. Слои можно добавлять бесконечно, но тогда возникает вопрос памяти и вообще рентабельности такого решения. Ведь каждый добавленный слой делает алгоритм в разы сложнее и часто медленнее. Таким образом, мы получаем, что выигрывая в качестве, мы проигрываем почти все остальные параметры. Принимая это во внимание, улучшение алгоритма также даст некоторое улучшение оценки, и благодаря методу глубокого обучения система со временем просто улучшает себя.

Несмотря на эти возможности, механизм машинного перевода на основе ИНС в некоторых аспектах никогда не сможет достичь человеческого уровня речи и перевода. Во-первых, потому что такие ответственные задачи, как синхронный перевод, требуют от переводчика больших знаний и огромного опыта в переговорах, но помимо этого они требуют от переводчика понимания собеседника не только на семантическом уровне, но и на уровне эмоций. Возможно, ИНС может научиться распознавать эмоции человека по тому, как и что он говорит, но слишком большая ответственность в таком деликатном деле, где пара неправильных слов может привести к непоправимым последствиям. Неважно, насколько совершенен ваш механизм перевода, человеку всегда проще и часто точнее определить чувства и эмоции собеседника. Более того, каждый человек склонен выражать эмоции по-своему, и уже в этом случае построить универсальный алгоритм «определения настроения» будет практически невозможно.

Существует еще одна проблема для механизма — это постоянное обновление базиса значений и смысла слов. В любом языке слова можно разделить на множество атрибутов, одним из которых является возраст. Со временем со словами и выражениями могут происходить многие явления — от изменения значения до вымирания. Это приведет к тому, что в ходе контекстного анализа ИНС не сможет с некоторой вероятностью дать определенный результат из-за того, что то или иное выражение находится в неустойчивом положении, из-за чего его значение остается неточным и размытым, что не позволит быть на 100% уверенным в переводе. В таких случаях человеку придется вмешиваться в работу ИНС и вносить в нее изменения, а отсюда следует, что полностью автоматизированную систему создать нельзя, мы можем только приблизиться к идеально правильному базису значений на определенный период времени.

В заключение вспомним основной вопрос: Может ли ИНС когда-либо устранить необходимость в живых переводчиках? Мы можем быть уверены, что ответ — «Нет». Как уже отмечалось выше, большинство переводчиков просто необходимы по закону, их давно можно было бы заменить компьютером, из-за легкости работы, но этого не произошло и не произойдет. Использование ИНС значительно повысит общее качество перевода, более качественный и понятный перевод будет одновременно более доступным, но это никак не повлияет на профессиональную сферу.