maskinoversættelse

Det var dog først i 1949, at den amerikanske naturvidenskabsmand og matematiker Warren Weaver (1894-1978) for første gang talte om decideret computerbaseret maskinoversættelse. Han var forfatter til det meget toneangivende Warren Weaver Memorandum, som fik stor betydning for forskningen i maskinoversættelse. Et par år senere blev den første forsker i maskinoversættelse, den israelske logiker og sprogfilosof Yehoshua Bar-Hillel, ansat på MIT, og i 1954 gennemførte et hold forskere fra Georgetown University sammen med IBM en offentlig demonstration af et oversættelsessystem, der dog kun kunne oversætte ganske få russiske sætninger til engelsk.

Sidst i 1950’erne pegede Yehoshua Bar-Hillel dog på nogle af de store udfordringer ved maskinoversættelse, herunder især sprogs kompleksitet, ords dobbeltbetydninger og semantisk tvetydighed.

Forskningen i maskinoversættelse fortsatte op igennem 1960’erne, og selvom det hele blev sat lidt i stå med ALPAC-rapporten (fordi den var meget kritisk over for forskning i maskinoversættelse), blev maskinoversættelsessystemer som SYSTRAN og Logos udviklet. I 1970’erne blev maskinoversættelse for første gang rigtig brugt kommercielt, da fx Xerox brugte SYSTRAN til at oversætte tekniske manualer, og det var også i 1970’erne, at regelbaseret maskinoversættelse så dagens lys. Regelbaseret maskinoversættelse indebar, at systemer oversatte efter specifikke sproglige regler og forudsætninger om grammatik.

I 1980’erne fortsatte udviklingen, og oversættelseshukommelsessystemer som TRADOS blev lanceret. Udviklingen tog virkelig fart i 1990’erne med internettet, hvor Altavistas BabelFish blev lanceret i 1997 og Microsofts Translator i 1999. Det var også i 1990’erne, at man begyndte at udvikle nye metoder som eksempelbaseret maskinoversættelse og statistisk baseret maskinoversættelse. Eksempelbaseret maskinoversættelse brugte et korpus af bilingvale sætningspar til at oversætte med, og statistisk baseret maskinoversættelse anvendte statistiske modeller til at beregne sandsynligheder for den bedste oversættelse.

Maskinoversættelse udviklede sig voldsomt i 00’erne, og den meste epokegørende hændelse kan siges at være, da Google lancerede Google Translate i 2006. Googles forskning var toneangivende og omfattede bl.a. forskning i statistisk baseret maskinoversættelse og i neurale netværk. Denne toneangivende forskning satte dagsordenen for det næste årti, og 2010’erne blev det årti, hvor neural maskinoversættelse vandt indpas.

Da Google lancerede deres Transformer-model i 2017, var feltet forandret for altid. Transformer-modellen er trænet med maskinlæring og giver neural maskinoversættelse, som er meget præcis, og som kan håndtere sprogligt komplekse sætninger. I 2017 blev det meget anerkendte maskinoversættelsesværktøj DeepL desuden lanceret.

I 2020’erne har denne udvikling bare taget endnu mere fart. Maskinoversættelse bliver bedre og bedre, og systemerne bag er baseret på maskinlæring og kunstig intelligens, der konstant lærer af sig selv og via enorme tekstmængder.

Det første skridt hen imod maskinoversættelse vha. generativ AI blev for alvor taget, da OpenAI lancerede ChatGPT i november 2022. Flere kommunikationsværktøjer anvender allerede maskinoversættelse i realtid, hvilket betyder, at man via fx chatbots eller mødefaciliteter kan føre multilingvale (flersproglige) samtaler i realtid. Maskinoversættelse gennemført med generative AI-værktøjer fører til en dramatisk ændring i fx translatørers hverdag, idet opgaver nu ikke længere er oversættelsesopgaver, men oftere og oftere er post-editering af maskinoversatte tekster (PEMT).