Перевод launched: TO LAUNCH — Перевод на русский

Содержание

LAUNCH — Перевод на русский

EnglishTED literally was the launch pad to the next decade of my life’s exploration.

TED стал стартовой площадкой в следующее десятилетие моей жизни.

EnglishClick Apply: Launch changes fully to apply the changes or Delete: Remove changes to reject the changes.

Нажмите кнопку Применить: принять изменения или Удалить: отменить изменения.

EnglishAnd this particular balloon, because it has to launch two tons of weight, is an extremely huge balloon.

Этот шар должен нести полезную нагрузку в две тонны, поэтому он огромен.

EnglishSo, what I thought I’d do is — in honor of Emmanuel — is, what I can do is to launch today the first TED Global auction.

И вот что я решил — в честь Иммануила — я мог бы устроить сегодня первый аукцион TED Global.

EnglishI mean, we had — often, when you launch a company and you get customer complaints, you know, you can deal with them.

Зачастую, когда при новом начинании от клиентов поступают жалобы, бывает примерно ясно, как с ними работать.

EnglishWe plan to launch this product in India in 2010, and the target price point will be 25 dollars, less than 0,:,1 percent of the cost of a traditional incubator.

А его базовая цена составтяет 25 долларов, менее чем 0,1 процента стоимости классического инкубатора.

Englishto launch into an argument

пуститься в спор

Englishto launch into an argument

пуститься в спор

Englishto launch out on sth.

начать что-л. делать

Englishto launch out on sth.

начать что-л. делать

launched | этимология, перевод, ассоциации

Предполагаем, что ~ 50000 лет назад у людей уже был протоязык с короткими словами:

ку/кокто

(кум, компьютер, коммуна, комар),

мможет

(компакт=ко[кто]+м[может]+пакт[упаковать], команда, комфорт),

анттам/вон

(константа=ко[кто]+н/м[может]+ст[оставаться]+ант[там]+а, анти=ант[туда]+иа[иди], коммерсант = ко[кто]+м[может]+мерс[обмениваться]+ант[там]),

стостановиться

(стоп, статика, стоянка),

тр/терчерез

(терапия, матерь, паттерн),

марука/руки

(мама=ма[рука]+ма[рука], матерь=ма[рука]+тер[через], материал=ма[рука]+тер[через]+ия[идёт]+ал/уль[всегда], матёрый, мах),

па/фаеда

(папа, падаль, пост, палео),

ульвсегда/все/всё

(циркуль = цирк[круг]+уль[всегда], ультиматум, ультра, улица=уль[все]+лица[лица], улика=уль[всё]+ия[ведёт]+к(а)[к кому-то], улей=уль[всё]+лей[лей], сосулька=с+ось[со стержня]+уль[всё время]+к[капает]),

ароружие

(армия, норма, оружие, комар)

иа/ияидти

(Россия, терапия),

проза/впереди

(провокатор, проформа, прокурор)

be/быбыть

(bio=be[быть]+ia[двигаться], быль)

и т.д.

Современные слова включают в себя эти слова-протоосновы. Нужно научиться видеть эти слова-протоосновы внутри современных слов, чтобы получить новое понимание, построить новые ассоциации и облегчить запоминание иностранных слов.

We assume that ~ 50000 years ago humans had a proto-language. The words of the proto-language were short: st — to stop, tr / ter — through, ia — to go, ma — hand / hands, fa/pa — food, etc. Many modern words are composed of these proto-words.

launch перевод и транскрипция, произношение, фразы и предложения

[lɔːnʧ]

Добавить в закладки Удалить из закладок

глагол

  1. запускать (запустить, стартовать)
  2. начинать (начать, приступить, развернуть)
  3. выпускать
  4. бросать
  5. предпринимать
  6. разразиться
  7. метать
  8. катапультировать

Синонимы: vent, dart, heave, peg, loose, outlet, attack, catapult, put, send, discharge, exhaust, project, pitch, cast, float.

существительное

  1. запуск (начало, старт, пуск)
  2. катер
  3. баркас
  4. ракета

Множ. число: launches

.

Синонимы: flare, longboat, speedboat, barge, gunboat, cutter.

прилагательное

  1. стартовый (пусковой)

Формы глагола

Ед. число Множ. число
Present Simple (Настоящее время)
I launchWe launch
You launchYou launch
He/She/It launchesThey launch
Past Simple (Прошедшее время)
I launchedWe launched
You launchedYou launched
He/She/It launchedThey launched

Фразы

successful launch
успешный запуск

new launch
новый старт

launch readiness
готовность к пуску

motor launch
моторный катер

small launch
небольшой баркас

launch an attack
начать нападение

launching pad
стартовая площадка

launch complex
пусковой комплекс

Предложения

The most important thing now is to launch direct dialogue, genuine, full-fledged dialogue between today’s Kiev authorities and representatives of southeast Ukraine.
Самое главное — это наладить прямой диалог, прямой полноценный диалог между сегодняшними киевскими властями и представителями юго-востока Украины.

Iran plans to launch a monkey into space.
Иран планирует запустить обезьяну в космос.

They are going to launch an artificial satellite tomorrow.
Завтра они собираются запустить искусственный спутник.

As it is written, the birds are preparing to launch an attack on us as we speak!

Как написано, птицы готовятся начать на нас атаку, пока мы тут разговариваем!

He is planning to launch his business.
Он планирует начать собственный бизнес.

The satellite launch was broadcast live.
Запуск спутника транслировался в прямом эфире.

The enemy launched an attack on us.
Противник атаковал нас.

My uncle’s company launched a new product last month.
В прошлом месяце компания моего дяди выпустила новый продукт.

A fund was launched to set up a monument in memory of the dead man.
Для того, чтобы возвести памятник покойному, был организован фонд.

Soon, the space agencies launched thousands of robot probes all over the Solar System to explore planets, moons, asteroids, and comets…
Вскоре космические агентства запустили тысячи роботизированных зондов по всей Солнечной системе для исследования планет и их спутников, астероидов, комет…

Japanese Admiral Isoroku Yamamoto launched

the battle.
Японский адмирал Исороку Ямамото начал сражение.

A satellite was launched in Russia last year.
В прошлом году в России запустили спутник.

The Soviet Union launched Sputnik I in 1957.
Советский Союз запустил спутник в 1957 году.

In 1986, the Soviet Union launched the Space Station Mir. During its 15 year lifetime, it was the largest space station to orbit the Earth.
В 1986 году Советский Союз запустил космическую станцию «Мир». Все 15 лет своего существования она была самой большой космической станцией, вращающейся вокруг Земли.

He launched into a tirade about how the government is encroaching on his rights.
Он пустился в долгую речь о том, как правительство посягает на его права.

Government troops launched a pre-emptive attack on the insurgents, after receiving intelligence reports that they were planning an assault.
Правительственные войска нанесли упреждающий удар по боевикам, после того как получили разведданные о готовящемся вооружённом нападении.

launch — Англо-русский словарь на WordReference.com

WordReference English-Russian Dictionary © 2021:

Главные переводы
launch⇒ vtrtransitive verb: Verb taking a direct object—for example, «Say something.» «She found the cat.» (rocket)запустить сов + вин
  запускать несов + вин
 The space agency launched another rocket into space at 6 AM.
 В 6.00 космическое агенство запустило в космос ещё одну ракету.
launch vtrtransitive verb: Verb taking a direct object—for example, «Say something.» «She found the cat.» (set a vessel into water)спустить судно на воду сов + ср вин + предл + ж вин
  спускать судно на воду несов + ср вин + предл + ж вин
 The shipyard will launch the new boat next week.
 На следующей неделе верфь спустит на воду новое судно.
launch vtrtransitive verb: Verb taking a direct object—for example, «Say something.» «She found the cat.» (marketing: introduce)предложить, представить несов + вин
  предлагать, представлять несов + вин
 The company will launch its new product on Wednesday.
 В среду компания представит свою новую продукцию.

Collins Russian Dictionary 2nd Edition © HarperCollins Publishers 2000, 1997:


launch [lɔːntʃ] n (of rocket, product) за́пуск; (motorboat) мото́рный ка́тер#
vt (ship) спуска́ть (спусти́тьperf) на́ воду (rocket) запуска́ть (запусти́тьperf) (campaign, attack) начина́ть (нача́тьperf) (product) пуска́ть (пусти́тьperf) в прода́жу
launch into vt fus (speech, activity) пуска́ться (пусти́тьсяperf) в +acc
launch out vi
to launch out intoбра́ться(взя́тьсяperf) за +acc

launch‘ также найдено в этих статьях:

Русский:


The Concubine Who Launched Modern China — Jung Chang» (на русском языке)

Автор перевода: Александр Морозов

  • FormatHardback |464 pages
  • Dimensions162 x 240 x 43mm| 925g
  • Publication date26 Sep 2013
  • PublisherVintage Publishing
  • ImprintJonathan Cape Ltd
  • Publication City/CountryLondon, United Kingdom
  • Language Русский (перевод)
  • Illustrations noteillustrations (black and white, and colour)
  • ISBN100224087436
  • ISBN139780224087438
  • Bestsellers rank124,949

Оригинальное описание книги:

Empress Dowager Cixi (1835-1908) is the most important woman in Chinese history. She ruled China for decades and brought a medieval empire into the modern age.

At the age of sixteen, in a nationwide selection for royal consorts, Cixi was chosen as one of the emperor’s numerous concubines and sexual partners. When he died in 1861, their five-year-old son succeeded to the throne. Cixi at once launched a palace coup against the regents appointed by her husband and made herself the real ruler of China — behind the throne, literally, with a silk screen separating her from her officials who were all male.

In this groundbreaking biography, Jung Chang vividly describes how Cixi fought against monumental obstacles to change China. Under her the ancient country attained virtually all the attributes of a modern state: industries, railways, electricity, telegraph, and an army and navy with up-to-date weaponry. It was she who abolished gruesome punishments like `death by a thousand cuts’ and put an end to foot-binding. She inaugurated women’s liberation, and embarked on the path to introduce parliamentary elections to China. Jung Chang comprehensively overturns the conventional view of Cixi as a diehard conservative and cruel despot.

Cixi reigned during extraordinary times and had to deal with a host of major national crises: the Taiping and Boxer Rebellions, wars with France and Japan — and the invasion by eight allied powers including Britain, Germany, Russia and the United States. Jung Chang not only records the Empress Dowager’s conduct of domestic and foreign affairs, but also takes the reader into the depths of her splendid Summer Palace and the harem of Beijing’s Forbidden City, where she lived surrounded by eunuchs — with one of whom she fell in love, with tragic consequences. The world Jung Chang describes here, in fascinating detail, seems almost unbelievable in its extraordinary mixture of the very old and the very new.

Based on newly available, mostly Chinese, historical documents such as court records, official and private correspondence, diaries and eye-witness accounts, this biography will revolutionise historical thinking about a crucial period in China’s — and the world’s — history. Packed with drama, fast-paced and gripping, it is both a panoramic depiction of the birth of modern China and an intimate portrait of a woman: as the concubine to a monarch, as the absolute ruler of a third of the world’s population, and as a unique stateswoman.
show more

Скачать книгу «Empress Dowager Cixi: The Concubine Who Launched Modern China», автор Jung Chang на русском языке:

Скачать «Empress Dowager Cixi: The Concubine Who Launched Modern China» в .PDF

Скачать «Empress Dowager Cixi: The Concubine Who Launched Modern China» в .DOC

Скачать «Empress Dowager Cixi: The Concubine Who Launched Modern China» в .FB2

Death Cab for Cutie — The Face That Launched 1000 Shits

Текст песни Death Cab for Cutie — The Face That Launched 1000 Shits

Перевод песни Death Cab for Cutie — The Face That Launched 1000 Shits

Скопировать текст в буфер

Скопировать перевод в буфер


And I’m standing up in my practice room

И я стою в своей тренировочной комнате.

I’m all alone, the speakers almost blown

Я совсем один, колонки почти взорвались.

On my new Gibson amp

На моем новом Gibson amp

Oh, what the hell

О, Какого черта?

Things are not so different in my vocal master

В моем вокальном мастерстве все не так по-другому.

You’re the face that launched one thousand shits

Ты-лицо, которое запустило тысячу дерьма.

Greeks and Trojans and their thousand shits

Греки, троянцы и их тысячи говнюков.

The shits lining the shores of Asia Minor

С ** ки, выстилающие берега Малой Азии.

Lining on the shores of Asia Minor

Вагонка на берегу Малой Азии.

You can tell that I’m not a minor in Asia no more

Ты можешь сказать, что я больше не несовершеннолетний В Азии.

I’m standing up

Я встаю.

This is the face that launched a thousand shits

Это лицо, которое запустило тысячу дерьма.

I’m standing up

Я встаю.

This is the face that launched a thousand shits

Это лицо, которое запустило тысячу дерьма.

This is the face that shot

Это лицо, которое выстрелило.

Who never have replaced

Кто никогда не заменял?

Splitting up his kingdom into three separate parts

Он разделил свое королевство на три части.

For his sons and their three separate hearts

За его сыновей и их три разных сердца.







Внимание! Не стесняйтесь оставлять отзывы.

Ограничения на запуск компьютера DCOM в синтаксис языка определения дескриптора безопасности (SDDL) (Windows 10) — Windows security

  • Чтение занимает 4 мин

В этой статье

Область примененияApplies to

В этой статье описываются лучшие методики, расположение, значения и вопросы безопасности для DCOM: ограничения запуска компьютера в параметре политики безопасности языка определения дескриптора безопасности (SDDL).Describes the best practices, location, values, and security considerations for the DCOM: Machine Launch Restrictions in Security Descriptor Definition Language (SDDL) syntax security policy setting.

Справочные материалыReference

Этот параметр политики аналогиен параметру DCOM: Machine Access Restrictions in Security Descriptor Definition Language (SDDL) syntax setting in that it allows you to define additional computer-wide controls that govern access to all DCOM-based applications on a device.This policy setting is similar to the DCOM: Machine Access Restrictions in Security Descriptor Definition Language (SDDL) syntax setting in that it allows you to define additional computer-wide controls that govern access to all DCOM–based applications on a device. Однако ALS, указанные в этом параметре политики, контролируют локальные и удаленные com-запросы запуска (не запросы на доступ) на устройстве.However, the ACLs that are specified in this policy setting control local and remote COM launch requests (not access requests) on the device. Простой способ продумать этот контроль доступа — это дополнительная проверка доступа, которая выполняется для ACL на всем устройстве при каждом запуске любого сервера на основе COM.A simple way to think about this access control is as an additional access check that is performed against a device-wide ACL on each launch of any COM-based server. Если проверка доступа не удалась, вызов, активация или запрос на запуск отказано.If the access check fails, the call, activation, or launch request is denied. (Эта проверка является дополнением к любой проверке доступа, которая проводится в ALS для определенных серверов.) По сути, он предоставляет минимальный стандарт авторизации, который необходимо передать для запуска любого сервера на основе COM.(This check is in addition to any access check that is run against the server-specific ACLs.) In effect, it provides a minimum authorization standard that must be passed to launch any COM-based server. Параметр политики синтаксиса DCOM: machine Access Restrictions in Security Descriptor Definition Language (SDDL) отличается тем, что обеспечивает минимальную проверку доступа, применяемую к попыткам доступа к уже запущенным серверам на основе COM.The DCOM: Machine Access Restrictions in Security Descriptor Definition Language (SDDL) syntax policy setting differs in that it provides a minimum access check that is applied to attempts to access an already launched COM-based server.

Эти ALS на уровне устройства предоставляют способ переопределения слабых параметров безопасности, указанных приложением, с помощью CoInitializeSecurity или параметров безопасности для конкретных приложений.These device-wide ACLs provide a way to override weak security settings that are specified by an application through CoInitializeSecurity or application-specific security settings. Они предоставляют минимальный стандарт безопасности, который должен быть передан, независимо от параметров определенного сервера на основе COM.They provide a minimum security standard that must be passed, regardless of the settings of the specific COM-based server. Эти ALS предоставляют администратору централизованное расположение для определения общей политики авторизации, применяемой ко всем серверам на основе COM.These ACLs provide a centralized location for an administrator to set a general authorization policy that applies to all COM-based servers. Параметр DCOM: ограничения запуска компьютера в параметре синтаксиса SDDL позволяет указать ACL двумя способами.The DCOM: Machine Launch Restrictions in the Security Descriptor Definition Language (SDDL) syntax setting allows you to specify an ACL in two ways. Вы можете ввести дескриптор безопасности в SDDL или предоставить или запретить пользователям и группам разрешения на локальный доступ и удаленный доступ.You can type the security descriptor in SDDL, or you can grant or deny Local Access and Remote Access permissions to users and groups. Рекомендуется использовать встроенный пользовательский интерфейс для указания содержимого ACL, которое необходимо применить к этому параметру.We recommend that you use the built-in user interface to specify the ACL contents that you want to apply with this setting. Параметры ACL по умолчанию зависят от версии Windows.The default ACL settings vary, depending on the version of Windows you are running.

Возможные значенияPossible values

  • ПустоеBlank

    Это означает, как локализованная политика безопасности удаляет ключ принулительных политик.This represents how the local security policy deletes the policy enforcement key. Это значение удаляет политику и устанавливает для нее значение Not defined.This value deletes the policy and then sets it to Not defined. Пустое значение замещается с помощью редактора списка ACL, чтобы очистить список, а затем нажать кнопку «ОК».The Blank value is set by using the ACL editor to empty the list, and then pressing OK.

  • Пользовательский ввод представления групп и привилегий в SDDLUser-defined input of the SDDL representation of the groups and privileges

    При указании пользователей или групп, которые должны быть предоставлены разрешения, поле дескриптора безопасности заполняется представлением языка определения дескриптора безопасности этих групп и привилегий.When you specify the users or groups that are to be given permission, the security descriptor field is populated with the Security Descriptor Definition Language representation of those groups and privileges. Пользователям и группам могут быть предоставлены явные привилегии «Разрешить» или «Запретить» как на локальном, так и на удаленном доступе.Users and groups can be given explicit Allow or Deny privileges on both local access and remote access.

РасположениеLocation

Конфигурация компьютера\Параметры Windows\Параметры безопасности\Локальные политики\Параметры безопасностиComputer Configuration\Windows Settings\Security Settings\Local Policies\Security Options

Значения по умолчаниюDefault values

В следующей таблице перечислены фактические и эффективные значения по умолчанию для этой политики.The following table lists the actual and effective default values for this policy. Значения по умолчанию также можно найти на странице свойств политики.Default values are also listed on the policy’s property page.

Тип сервера или объект групповой политикиServer type or GPO Значение по умолчаниюDefault value
Default Domain PolicyDefault Domain Policy ПустоеBlank
Политика контроллера домена по умолчаниюDefault Domain Controller Policy ПустоеBlank
Параметры по умолчанию для автономного сервераStand-Alone Server Default Settings ПустоеBlank
Эффективные параметры по умолчанию для DCDC Effective Default Settings Не определеноNot defined
Действующие параметры по умолчанию для рядового сервераMember Server Effective Default Settings Не определеноNot defined
Действующие параметры по умолчанию для клиентского компьютераClient Computer Effective Default Settings Не определеноNot defined

Управление политикойPolicy management

В этом разделе описываются функции и средства, которые помогут вам управлять этой политикой.This section describes features and tools that are available to help you manage this policy.

Необходимость перезапускаRestart requirement

Нет.None. Изменения этой политики становятся эффективными без перезапуска компьютера, если они сохраняются локально или распространяются с помощью групповой политики.Changes to this policy become effective without a computer restart when they are saved locally or distributed through Group Policy.

Групповая политикаGroup Policy

Параметры реестра, созданные в результате этой политики, имеют приоритет над предыдущими настройками реестра в этой области.The registry settings that are created as a result of this policy take precedence over the previous registry settings in this area. Служба удаленного вызова процедур (RPC) (RpcSs) проверяет новые разделы реестра в разделе «Политики» на наличие ограничений компьютера; эти записи имеют приоритет над существующими ключами реестра в OLE.The Remote Procedure Call (RPC) service (RpcSs) checks the new registry keys in the Policies section for the computer restrictions; these entries take precedence over the existing registry keys under OLE.

Если вам отказано в доступе для активации и запуска приложений DCOM из-за изменений, внесенных в DCOM в операционной системе Windows, этот параметр политики можно использовать для управления активацией DCOM и запуском на устройстве.If you are denied access to activate and launch DCOM applications due to the changes made to DCOM in the Windows operating system, this policy setting can be used to control the DCOM activation and launch to the device.

Вы можете указать, какие пользователи и группы могут запускать и активировать приложения DCOM на устройстве локально и удаленно, с помощью параметра политики синтаксиса DCOM: Ограничения на запуск компьютера в параметре политики SDDL.You can specify which users and groups can launch and activate DCOM applications on the device locally and remotely by using the DCOM: Machine Launch Restrictions in Security Descriptor Definition Language (SDDL) syntax policy setting. При этом управление приложением DCOM восстанавливается для администратора и указанных пользователей.This restores control of the DCOM application to the administrator and specified users. Для этого откройте DCOM: machine Launch Restrictions in Security Descriptor Definition Language (SDDL) syntax setting, and click Edit Security.To do this, open the DCOM: Machine Launch Restrictions in Security Descriptor Definition Language (SDDL) syntax setting, and click Edit Security. Укажите группы, которые необходимо включить, и разрешения на запуск устройств для этих групп.Specify the groups that you want to include and the device launch permissions for those groups. Он определяет параметр и задает соответствующее значение SDDL.This defines the setting and sets the appropriate SDDL value.

Вопросы безопасностиSecurity considerations

В этом разделе описывается, каким образом злоумышленник может использовать компонент или его конфигурацию, как реализовать меры противодействия, а также рассматриваются возможные отрицательные последствия их реализации.This section describes how an attacker might exploit a feature or its configuration, how to implement the countermeasure, and the possible negative consequences of countermeasure implementation.

УязвимостьVulnerability

Многие com-приложения включают определенный код безопасности (например, для вызова CoInitializeSecurity), но они используют слабые параметры, которые позволяют неавтеризовать доступ к процессу.Many COM applications include some security-specific code (for example, to call CoInitializeSecurity), but they use weak settings that allow unauthenticated access to the process. Эти параметры невозможно переопрепредить, чтобы принудительно установить усиленную безопасность в более ранних версиях Windows, не изменяя приложение.You cannot override these settings to force stronger security in earlier versions of Windows without modifying the application. Злоумышленник может попытаться воспользоваться слабой безопасностью в отдельном приложении, напав на него с помощью com-вызовов.An attacker could attempt to exploit weak security in an individual application by attacking it through COM calls.

Кроме того, инфраструктура COM включает удаленную службу вызовов процедур (RPCSS), системную службу, которая запускается во время запуска компьютера и всегда выполняется после нее.Also, the COM infrastructure includes the Remote Procedure Call Service (RPCSS), a system service that runs during computer startup and always runs after that. Эта служба управляет активацией COM-объектов и запущенной таблицей объектов и предоставляет дополнительные службы для управления DCOM.This service manages activation of COM objects and the running object table and provides helper services to DCOM remoting. Он предоставляет интерфейсы RPC, которые могут быть вызваны удаленно.It exposes RPC interfaces that can be called remotely. Так как некоторые серверы на основе COM позволяют активировать удаленные компоненты, не непросвещенные, эти интерфейсы могут быть вызваны любым пользователем, включая непроверяющих пользователей.Because some COM-based servers allow unauthenticated remote component activation, these interfaces can be called by anyone, including unauthenticated users. В результате этого злоумышленники могут нападать на RPCSS с помощью удаленных компьютеров без проверки.As a result, RPCSS can be attacked by malicious users using remote, unauthenticated computers.

ПротиводействиеCountermeasure

Чтобы защитить отдельные приложения или службы на основе COM, установите для этого параметра политики соответствующий ACL для всего компьютера.To protect individual COM-based applications or services, set this policy setting to an appropriate computer-wide ACL.

Возможное влияниеPotential impact

Windows реализует ALS COM по умолчанию при их установке.Windows implements default COM ACLs when they are installed. Изменение этих ALS по умолчанию может привести к сбойу некоторых приложений или компонентов, которые взаимодействуют с помощью DCOM.Modifying these ACLs from the default may cause some applications or components that communicate by using DCOM to fail. Если реализован сервер на основе COM и переопределяются параметры безопасности по умолчанию, подтвердите, что разрешения ACL для конкретного приложения включают разрешения активации для соответствующих пользователей.If you implement a COM-based server and you override the default security settings, confirm that the application-specific launch permissions ACL assigns include activation permissions to appropriate users. В этом случае необходимо изменить ACL разрешения на запуск для конкретного приложения, чтобы предоставить соответствующим пользователям права активации, чтобы приложения и компоненты Windows, которые используют DCOM, не сбой.If it does not, you must change your application-specific launch permission ACL to provide appropriate users with activation rights so that applications and Windows components that use DCOM do not fail.

История машинного перевода от холодной войны до глубокого обучения

Илья Пестов

Фото Муравья Розецкого на Unsplash

Google Translate открываю вдвое чаще, чем Facebook, и мгновенный перевод ценников для меня больше не киберпанк. Это то, что мы называем реальностью. Трудно представить, что это результат столетней борьбы за создание алгоритмов машинного перевода и что в течение половины этого периода не было видимых успехов.

Точные разработки, о которых я расскажу в этой статье, закладывают основу всех современных систем обработки языков — от поисковых систем до микроволн с голосовым управлением. Сегодня я говорю об эволюции и структуре онлайн-перевода.

Машинка-переводчик П.П. Троянского (Иллюстрация сделана по описанию. Фото, к сожалению, не осталось.)

Начало

История начинается в 1933 году. Советский ученый Петр Троянский представил «машину для выделения и печати слов при переводе с с одного языка на другой »в Академию наук СССР.Изобретение было очень простым — в нем были карточки на четырех разных языках, пишущая машинка и пленочная камера старой школы.

Оператор взял первое слово из текста, нашел соответствующую карточку, сделал фотографию и набрал ее морфологические характеристики (существительное, множественное число, родительный падеж) на пишущей машинке. Клавиши пишущей машинки кодировали одну из особенностей. Лента и пленка камеры использовались одновременно, создавая набор кадров со словами и их морфологией.

Несмотря на все это, как часто бывало в СССР, изобретение было признано «бесполезным».Троянский умер от стенокардии после 20 лет попытки завершить свое изобретение. Никто в мире не знал об этой машине, пока два советских ученых не нашли его патенты в 1956 году.

Это было в начале холодной войны. 7 января 1954 года в штаб-квартире IBM в Нью-Йорке начался эксперимент Джорджтаун – IBM. Компьютер IBM 701 впервые в истории автоматически перевел 60 русских предложений на английский язык.

«Девушка, которая не понимала ни слова на советском языке, вычеркивала русские сообщения на карточках IBM.«Мозг» набросал свои английские переводы на автоматический принтер с головокружительной скоростью две с половиной строчки в секунду », — сообщается в пресс-релизе IBM.
IBM 701

Однако триумфальные заголовки скрыли одну маленькую деталь. Никто не упомянул, что переведенные примеры были тщательно отобраны и протестированы, чтобы исключить двусмысленность. Для повседневного использования эта система была не лучше карманного разговорника. Тем не менее началась гонка вооружений такого рода: Канада, Германия, Франция и особенно Япония присоединились к гонке за машинный перевод.

Гонка за машинным переводом

Напрасная борьба за улучшение машинного перевода длилась сорок лет. В 1966 году американский комитет ALPAC в своем знаменитом отчете назвал машинный перевод дорогим, неточным и бесперспективным. Вместо этого они рекомендовали сосредоточиться на разработке словарей, что исключило американских исследователей из гонки почти на десятилетие.

Тем не менее, основа для современной обработки естественного языка была создана только учеными и их попытками, исследованиями и разработками.Все сегодняшние поисковые системы, спам-фильтры и личные помощники появились благодаря кучке стран, шпионящих друг за другом.

Машинный перевод на основе правил (RBMT)

Первые идеи, связанные с машинным переводом на основе правил, появились в 70-х годах. Ученые внимательно следили за работой интерпретаторов, пытаясь заставить чрезвычайно медлительные компьютеры повторить эти действия. Эти системы включают:

  • Двуязычный словарь (RU -> EN)
  • Набор лингвистических правил для каждого языка (например, существительные, оканчивающиеся на определенные суффиксы, такие как -heit, -keit, -ung, женского рода)

Вот и все.При необходимости системы могут быть дополнены хитростями, такими как списки имен, корректоры орфографии и транслитераторы.

PROMPT и Systran — самые известные примеры систем RBMT. Просто загляните на Алиэкспресс, чтобы почувствовать мягкое дыхание этого золотого века.

Но даже у них были свои нюансы и подвиды.

Прямой машинный перевод

Это наиболее простой вид машинного перевода. Он разделяет текст на слова, переводит их, немного корректирует морфологию и гармонизирует синтаксис, чтобы все звучало более или менее правильно.Когда солнце садится, обученные лингвисты пишут правила для каждого слова.

Вывод возвращает какой-то перевод. Обычно это довольно хреново. Похоже, лингвисты зря потратили время.

Современные системы вообще не используют этот подход, и современные лингвисты им благодарны.

Машинный перевод на основе перевода

В отличие от прямого перевода, мы сначала готовимся, определяя грамматическую структуру предложения, как нас учили в школе.Затем мы манипулируем целыми конструкциями, а не словами. Это помогает добиться приличного преобразования порядка слов в переводе. Теоретически.

На практике это все еще приводило к дословному переводу и утомляло лингвистов. С одной стороны, были упрощены общие правила грамматики. Но с другой — усложнилось из-за увеличения количества словосочетаний по сравнению с отдельными словами.

Межъязычный машинный перевод

В этом методе исходный текст преобразуется в промежуточное представление и является унифицированным для всех языков мира (интерлингва).Это тот же интерлингва, о котором мечтал Декарт: метаязык, который следует универсальным правилам и превращает перевод в простую задачу «туда-сюда». Затем интерлингва конвертировал в любой целевой язык, и вот в чем была особенность!

Из-за преобразования Interlingua часто путают с системами на основе передачи. Разница заключается в лингвистических правилах, характерных для каждого отдельного языка и интерлингва, а не в языковых парах. Это означает, что мы можем добавить третий язык в систему интерлингва и осуществлять перевод между всеми тремя.Мы не можем этого сделать в системах, основанных на переводе.

Выглядит идеально, но в реальной жизни это не так. Создать такой универсальный интерлингва было крайне сложно — многие ученые работали над этим всю свою жизнь. У них ничего не получилось, но благодаря им у нас теперь есть морфологический, синтаксический и даже семантический уровни представления. Но единственная теория смыслового текста стоит целого состояния!

Идея промежуточного языка вернется. Подождем немного.

Как видите, все RBMT тупые и устрашающие, и по этой причине они редко используются, за исключением особых случаев (например, перевод прогнозов погоды и т. Д.).Среди преимуществ RBMT часто упоминаются его морфологическая точность (он не путает слова), воспроизводимость результатов (все переводчики получают один и тот же результат) и способность настраивать его в соответствии с предметной областью (обучать экономистов или терминов специально для программистов, например).

Даже если кому-то удастся создать идеальный RBMT, и лингвисты улучшат его всеми правилами орфографии, всегда будут некоторые исключения: все неправильные глаголы в английском языке, отдельные префиксы в немецком языке, суффиксы в русском языке и ситуации, когда просто люди говорят по-другому.Любая попытка учесть все нюансы приведет к потере миллионов человеко-часов.

И не забывайте об омонимах. Одно и то же слово может иметь разное значение в разном контексте, что приводит к множеству переводов. Сколько значений здесь можно уловить: Я видел человека на холме в телескоп ?

Языки развивались не на основе фиксированного набора правил — факт, который нравится лингвистам. На них гораздо больше повлияла история вторжений за последние триста лет.Как вы могли объяснить это машине?

Сорок лет холодной войны не помогли найти какое-либо четкое решение. RBMT был мертв.

Машинный перевод на основе примеров (EBMT)

Япония была особенно заинтересована в борьбе за машинный перевод. Холодной войны не было, но были причины: мало кто в стране знал английский. Это обещало стать серьезной проблемой на предстоящей вечеринке глобализации. Таким образом, японцы были чрезвычайно заинтересованы в поиске рабочего метода машинного перевода.

Английский-японский перевод на основе правил чрезвычайно сложен. Структура языка совершенно другая, и почти все слова нужно переставлять и добавлять новые. В 1984 году Макото Нагао из Киотского университета придумал , используя готовые фразы вместо повторного перевода .

Представим, что нам нужно перевести простое предложение — «Я иду в кино». Допустим, мы уже перевели еще одно похожее предложение — «Я иду в театр» — и можем найти слово «кино» в словаре.

Все, что нам нужно, это выяснить разницу между двумя предложениями, перевести пропущенное слово и потом не облажаться. Чем больше у нас примеров, тем лучше будет перевод.

Точно так же я строю фразы на незнакомых языках!

EBMT показал свет ученым со всего мира: оказывается, вы можете просто снабдить машину существующими переводами и не тратить годы на формирование правил и исключений. Еще не революция, но явно первый шаг к ней.Революционное изобретение статистического перевода произойдет всего за пять лет.

Статистический машинный перевод (SMT)

В начале 1990 года в исследовательском центре IBM была впервые показана система машинного перевода, которая ничего не знала о правилах и лингвистике в целом. Он проанализировал похожие тексты на двух языках и попытался понять закономерности.

Идея была простой, но красивой. Идентичное предложение на двух языках разбивается на слова, которые впоследствии сопоставляются.Эта операция повторяется около 500 миллионов раз, чтобы посчитать, например, сколько раз слово «Das Haus» переводится как «дом» vs «здание» vs «строительство» и так далее.

Если в большинстве случаев исходное слово переводилось как «дом», машина использовала это. Обратите внимание, что мы не устанавливали никаких правил и не использовали какие-либо словари — все выводы были сделаны машиной, руководствуясь статистикой и логикой, что «если люди так переводят, то и я буду». Так родился статистический перевод.

Метод оказался намного эффективнее и точнее всех предыдущих.И никакие лингвисты не понадобились. Чем больше текстов мы использовали, тем лучше был перевод.

Статистический перевод Google изнутри. Он показывает не только вероятности, но и считает обратную статистику.

Остался еще один вопрос: как машина будет соотносить слово «Das Haus» и слово «строительство» — и как мы узнаем, что это правильные переводы?

Ответ был такой, что мы не узнаем. Вначале машина предположила, что слово «Das Haus» одинаково коррелирует с любым словом из переведенного предложения.Затем, когда «Das Haus» появилось в других предложениях, количество корреляций с «домом» увеличилось. Это «алгоритм выравнивания слов», типичная задача для машинного обучения университетского уровня.

Машине потребовались миллионы и миллионы предложений на двух языках, чтобы собрать релевантную статистику для каждого слова. Как мы их получили? Что ж, мы решили взять выдержки из заседаний Европейского парламента и Совета Безопасности Организации Объединенных Наций — они были доступны на языках всех стран-членов и теперь доступны для скачивания на Корпорациях ООН и Корпорациях Европарламентов.

Word-based SMT

Вначале первые системы статистического перевода работали путем разбиения предложения на слова, поскольку этот подход был простым и логичным. Первая модель статистического перевода IBM называлась Модель номер один. Довольно элегантно, правда? Угадайте, как они назвали вторую?

Модель 1: «мешок слов»

Модель 1 использовала классический подход — разбиение на слова и подсчет статистики. Порядок слов не принимался во внимание.Единственная уловка заключалась в переводе одного слова на несколько слов. Например, «Der Staubsauger» может превратиться в «Пылесос», но это не значит, что все будет наоборот.

Вот несколько простых реализаций на Python: shawa / IBM-Model-1.

Модель 2: учет порядка слов в предложениях

Отсутствие знаний о порядке слов в языках стало проблемой для Модели 1, а в некоторых случаях это очень важно.

Модель 2 справилась с этим: она запоминала обычное место, которое слово занимает в выходном предложении, и перетасовывала слова для более естественного звучания на промежуточном этапе.Дела пошли лучше, но все еще было паршиво.

Модель 3: дополнительная плодородность

Новые слова появлялись в переводе довольно часто, например, статьи на немецком языке или использование «до» при отрицании на английском языке. «Ich will keine Persimonen» → «Я до не хочу хурмы». Чтобы справиться с этим, в Модель 3 были добавлены еще два шага.

  • Вставка NULL-токена, если машина учитывает необходимость нового слова
  • Выбор правильной грамматической частицы или слова для каждого выравнивания токен-слово

Модель 4: выравнивание слов

Модель 2 учитывала выравнивание слов, но ничего не знала о переупорядочении.Например, прилагательные часто меняются местами с существительным, и независимо от того, насколько хорошо запоминается порядок, результат не улучшится. Таким образом, Модель 4 учитывала так называемый «относительный порядок» — модель узнавала, всегда ли два слова меняются местами.

Модель 5: исправления

Здесь ничего нового. Модель 5 получила дополнительные параметры для обучения и исправила проблему с конфликтующими позициями слов.

Несмотря на свою революционную природу, словесные системы все еще не справлялись с падежами, полом и омонимией.По словам машины, каждое слово было переведено как единое верное слово. Такие системы больше не используются, поскольку их заменили более совершенные методы, основанные на фразе.

Phrase-based SMT

Этот метод основан на всех принципах словарного перевода: статистике, переупорядочении и лексических хитростях. Хотя, для обучения, он разбивал текст не только на слова, но и на фразы. Если быть точным, то это были n-граммы, представлявшие собой непрерывную последовательность из n слов подряд.

Таким образом, машина научилась переводить устойчивые комбинации слов, что заметно повысило точность.

Хитрость заключалась в том, что фразы не всегда были простыми синтаксическими конструкциями, и качество перевода значительно снижалось, если вмешивался кто-либо, знакомый с лингвистикой и структурой предложений. Фредерик Елинек, пионер компьютерной лингвистики, однажды пошутил по этому поводу: «Каждый раз, когда я увольняю лингвиста, производительность распознавателя речи повышается.”

Помимо повышения точности, фразовый перевод предоставил больше возможностей при выборе двуязычных текстов для обучения. Для словесного перевода решающее значение имеет точное соответствие источников, что исключает любой литературный или свободный перевод. Фразовому переводу у них не было проблем. Чтобы улучшить перевод, исследователи даже начали анализировать новостные сайты на разных языках для этой цели.

Начиная с 2006 года, все начали использовать этот подход.Google Translate, Yandex, Bing и другие высококлассные онлайн-переводчики работали по фразе вплоть до 2016 года. Каждый из вас наверняка помнит моменты, когда Google либо переводил предложение безупречно, либо приводил к полной чепухе, верно? Ерунда пришла из-за фразовых особенностей.

Старый добрый подход, основанный на правилах, неизменно давал предсказуемый, хотя и ужасный результат. Статистические методы были удивительными и загадочными. Google Translate без колебаний превращает «триста» в «300».Это называется статистической аномалией.

Фразовый перевод стал настолько популярным, что когда вы слышите «статистический машинный перевод», это именно то, что на самом деле имеется в виду. Вплоть до 2016 года во всех исследованиях фразовый перевод считался передовым. Тогда никто даже не подумал, что Google уже разжигает огонь, готовясь полностью изменить наш образ машинного перевода.

SMT на основе синтаксиса

Этот метод также следует упомянуть вкратце. За много лет до появления нейронных сетей перевод на основе синтаксиса считался «будущим или переводом», но идея не получила широкого распространения.

Сторонники перевода на основе синтаксиса считали возможным объединить его с методом, основанным на правилах. Необходимо провести достаточно точный синтаксический анализ предложения — определить подлежащее, сказуемое и другие части предложения, а затем построить дерево предложений. С его помощью машина учится преобразовывать синтаксические единицы между языками, а остальные переводить словами или фразами. Это решило бы проблему выравнивания слов раз и навсегда.

Пример взят из книги Ямада и Найт [2001] и этого замечательного слайд-шоу.

Проблема в том, что синтаксический разбор работает ужасно, несмотря на то, что мы считаем его решенным некоторое время назад (поскольку у нас есть готовые библиотеки для многих языков). Я попытался использовать синтаксические деревья для задач немного более сложных, чем разбор темы и предиката. И каждый раз я сдавался и использовал другой метод.

Дайте мне знать в комментариях, если вам удастся хоть раз воспользоваться им.

Neural Machine Translation (NMT)

Довольно забавная статья об использовании нейронных сетей в машинном переводе была опубликована в 2014 году.Интернет его вообще не заметил, кроме Google — вынули лопаты и начали копать. Два года спустя, в ноябре 2016 года, Google сделал революционное объявление.

Идея была близка к переносу стиля между фотографиями. Помните такие приложения, как Prisma, которые улучшали изображения в стиле известных художников? Никакой магии не было. Нейронную сеть научили распознавать картины художника. Затем были удалены последние слои, содержащие решение сети. Получившееся стилизованное изображение было лишь промежуточным изображением, которое получила сеть.Это фантастика сети, и мы считаем ее прекрасной.

Если мы можем перенести стиль на фотографию, что, если мы попытаемся наложить другой язык на исходный текст? Текст будет именно таким «стилем художника», и мы постараемся передать его, сохранив при этом суть изображения (другими словами, суть текста).

Представьте, что я пытаюсь описать свою собаку — среднего размера, острый нос, короткий хвост, всегда лает. Если бы я дал вам этот набор черт собаки и если бы описание было точным, вы могли бы его нарисовать, даже если никогда не видели.

А теперь представьте, что исходный текст — это набор определенных функций. По сути, это означает, что вы кодируете его и позволяете другой нейронной сети декодировать его обратно в текст, но на другом языке. Декодер знает только свой язык. Он не имеет представления о происхождении признаков, но может выразить их, например, на испанском языке. Продолжая аналогию, неважно, как вы рисуете собаку — мелками, акварелью или пальцем. Раскрашиваешь как можешь.

Еще раз — одна нейронная сеть может только кодировать предложение для определенного набора функций, а другая может только декодировать их обратно в текст.Оба понятия не имеют друг о друге, и каждый из них знает только свой язык. Напомнить что-нибудь? Интерлингва вернулся. Та-да.

Вопрос в том, как нам найти эти функции? Когда мы говорим о собаке, это очевидно, но что делать с текстом? Тридцать лет назад ученые уже пытались создать универсальный языковой код, и это закончилось полной неудачей.

Тем не менее, сейчас у нас есть глубокое обучение. И это его основная задача! Основное различие между глубоким обучением и классическими нейронными сетями заключается именно в способности искать эти специфические особенности, не имея представления об их природе.Если нейронная сеть достаточно велика, и под рукой есть пара тысяч видеокарт, можно найти эти особенности и в тексте.

Теоретически мы можем передать функции, полученные от нейронных сетей, лингвистам, чтобы они могли открыть для себя новые смелые горизонты.

Возникает вопрос, какой тип нейронной сети следует использовать для кодирования и декодирования? Сверточные нейронные сети (CNN) идеально подходят для изображений, поскольку они работают с независимыми блоками пикселей.

Но в тексте нет независимых блоков — каждое слово зависит от своего окружения. Текст, речь и музыка всегда согласованы. Таким образом, рекуррентные нейронные сети (RNN) будут лучшим выбором для их обработки, поскольку они запоминают предыдущий результат — в нашем случае предыдущее слово.

Теперь RNN используются повсюду — в распознавании речи Siri (он анализирует последовательность звуков, где следующий зависит от предыдущего), подсказках клавиатуры (запомните предыдущий, угадайте следующий), генерации музыки и даже чат-ботах.

Для ботаников вроде меня: На самом деле архитектура нейронных трансляторов сильно различается. Вначале использовалась обычная RNN, затем была преобразована в двунаправленную, когда переводчик рассматривал не только слова перед исходным словом, но и следующее слово. Это было намного эффективнее. Затем последовала хардкорная многоуровневая RNN с LSTM-модулями для длительного хранения контекста перевода.

За два года нейросети превзошли все, что появилось за последние 20 лет перевода.Нейронный перевод содержит на 50% меньше ошибок порядка слов, на 17% меньше лексических ошибок и на 19% меньше грамматических ошибок. Нейронные сети даже научились согласовывать пол и падеж в разных языках. И никто их этому не учил.

Наиболее заметные улучшения произошли в тех областях, где прямой перевод никогда не использовался. Статистические методы машинного перевода всегда работали с использованием английского языка в качестве ключевого источника. Таким образом, если вы переводили с русского на немецкий, машина сначала переводила текст на английский, а затем с английского на немецкий, что приводит к двойной потере.

Нейронному преобразованию это не нужно — нужен только декодер, чтобы он мог работать. Это был первый случай, когда стал возможен прямой перевод между языками без единого словаря.

Google Translate (с 2016 года)

В 2016 году Google включил нейронный перевод для девяти языков. Они разработали свою систему под названием Google Neural Machine Translation (GNMT). Он состоит из 8 уровней кодера и 8 уровней декодера RNN, а также дополнительных подключений из сети декодера.

Они разделяют не только предложения, но и слова. Так они справились с одной из главных проблем NMT — редкими словами. NMT беспомощны, когда этого слова нет в их лексиконе. Скажем, Vas3k. Сомневаюсь, что кто-то научил нейросеть переводить мой ник. В этом случае GMNT пытается разбить слова на части и восстановить их перевод. Умная.

Подсказка: Google Translate, используемый для перевода веб-сайтов в браузере, по-прежнему использует старый алгоритм на основе фраз.Почему-то Google не обновил его, и различия довольно заметны по сравнению с онлайн-версией.

Google использует механизм краудсорсинга в онлайн-версии. Люди могут выбрать версию, которую они считают наиболее правильной, и, если она понравится многим пользователям, Google всегда переведет эту фразу таким образом и пометит ее специальным значком. Это прекрасно работает для коротких повседневных фраз, таких как «Пойдем в кино» или «Я жду тебя». Google знает разговорный английский лучше меня 🙁

Microsoft Bing работает точно так же, как Google Translate.Но Яндекс — другое дело.

Яндекс Переводчик (с 2017 года)

Яндекс запустил систему нейронного перевода в 2017 году. Ее главной особенностью, как заявлено, была гибридность. Яндекс сочетает нейронный и статистический подходы для перевода предложения, а затем выбирает лучший с помощью своего любимого алгоритма CatBoost.

Дело в том, что нейронный перевод часто дает сбой при переводе коротких фраз, поскольку он использует контекст для выбора правильного слова. Было бы сложно, если бы это слово появлялось в обучающих данных несколько раз.В таких случаях простой статистический перевод быстро и просто находит нужное слово.

Яндекс не сообщает подробностей. Отбивает нас маркетинговыми пресс-релизами. ХОРОШО.

Похоже, Google использует SMT для перевода слов и коротких фраз. Ни в одной статье об этом не упоминают, но это довольно заметно, если вы посмотрите на разницу между переводом коротких и длинных выражений. Кроме того, SMT используется для отображения статистики слова.

Заключение и будущее

Идея «Вавилонской рыбы» — мгновенный речевой перевод — все еще в восторге.Google сделал шаги в этом направлении со своими Pixel Buds, но на самом деле это все еще не то, о чем мы мечтали. Мгновенный речевой перевод отличается от обычного перевода. Вам нужно знать, когда начинать переводить, а когда молчать и слушать. Я пока не видел подходящих подходов для решения этой проблемы. Разве что Skype…

И еще одно пустое место: все обучение ограничивается набором параллельных текстовых блоков. Самые глубокие нейронные сети все еще обучаются на параллельных текстах. Мы не можем обучить нейронную сеть, не предоставив ей источника.Вместо этого люди могут дополнять свой словарный запас чтением книг или статей, даже если они не переводят их на свой родной язык.

Теоретически, если люди могут это сделать, то и нейронная сеть тоже может это сделать. Я нашел только один прототип, который пытался подстрекнуть сеть, которая знает один язык, читать тексты на другом языке, чтобы набраться опыта. Я бы сам попробовал, но я глупый. Хорошо, вот и все.

Эта история изначально была написана на русском языке, а затем переведена на английский на Vas3k.com , автор — Василий Зубарев. Он мой друг по переписке, и я почти уверен, что его блог нужно распространять.

Полезные ссылки

Другие статьи с Vas3k.com

Как работают Ethereum и смарт-контракты
Распределенная машина Тьюринга с защитой цепочки блоков vas3k.com Блокчейн наизнанку: как работает биткойн
Раз и навсегда в простые слова vas3k.com

И последнее…

Если вам понравилась эта статья, нажмите ? ниже, и поделитесь им с другими людьми, чтобы они тоже могли им насладиться.

История языкового перевода —

Слово «перевод» происходит от латинского слова translatio, что означает «переносить» или «переносить». Таким образом, перевод означает перенос текста с одного языка на другой. Возвращаясь к историческому переулку 3 -го века, первый перевод, который увидел мир, был переводом еврейской Библии на греческий язык.В то время отстраненные евреи забыли свой унаследованный язык, иврит, и поэтому, чтобы им было легче, Библия была переведена на греческий язык. Этому переводу было присвоено название Септуагинта, так как над этим проектом работали в общей сложности семьдесят переводчиков. Каждый переводчик работал в своей камере, будучи заключенным. Позднее Септуагинта была даже переведена на коптский, латинский, грузинский, армянский и ряд других языков.

Перевод древней истории

Слово Метафраз произошло от древнегреческого слова Метафразис, что означает «говорить через посредство».Буквально значение «Метафраза» означает точный дословный перевод. Это контрастирует со словом Paraphrase, которое обычно означает «сказать что-то другими словами». Если верить истории, то эти слова были открыты Цицероном и Горацием в Риме. И на протяжении 17, и века, Драйден поддерживал их использование.

Еще на Ближнем Востоке, в древних обществах переводческие услуги были обычным явлением. Во времена истории существовало множество языков, разработанных древними царствами, которые ограничивали общение людей друг с другом.Таким образом, услуги переводчиков служили им всем целям. Где-то около 2500 г. до н.э. люди использовали глиняные таблички для расшифровки символов доисторических семитских языков, таких как эблаитский и шумерский.

В 1799 году французская армия Наполеона обнаружила каменную плиту, известную как Розеттский камень, которая использовалась для гравировки иероглифов с эблаитского, шумерского и нескольких других языков. В настоящее время открытие Розеттского камня было одним из важнейших открытий, поскольку оно не только помогло людям оценить усилия древних переводчиков, но и дало ученым возможность изучать и объяснять египетские иероглифы.

Хотя над Розеттским камнем работали несколько известных древних переводчиков, одной из самых известных личностей был Жан-Франсуа Шампольон — французский ученый. Ему удалось перевести написанное заявление тремя разными шрифтами — демотическим письмом, древнегреческим языком и египетскими иероглифами. Более того, он даже сделал открытие и доказал, что не все иероглифы являются алфавитом, а некоторые символы даже являются истинными представлениями предыдущих существительных и идей.

Если говорить о роли переводчика, то это была профессия, призванная преодолеть разрыв между культурным разнообразием. Где-то в -м и годах римский драматург Теренс перевел греческие комедии на римские. Это было время, когда Джером ввел термин «чувство за чувством». Во время своего перевода Библии на латинский язык он сказал, что переводчик должен переводить не просто «слово в слово», но «смысл за смыслом».

Перевод через средневековую историю

Переходя к средневековой истории, это был период, когда западный мир начал изучать латынь.Поскольку это был новый язык для половины населения, были некоторые переводы с латыни на диалектные языки, чтобы люди могли легко понять вещи. Говорят, что еще в 9 веке перевод двух основных английских работ, таких как «Утешение философии» Боэция и «Церковная история» Беды, помог людям улучшить их незрелую английскую прозу. Эти два перевода были санкционированы родом Уэссексов в Англии — Альфредом Великим.

Позже, в 12 -м и 13-м веках, европейские ученые приехали издалека и обосновались в Толедо, Испания, чтобы переводить великие религиозные, научные, медицинские и философские труды с греческого, иврита и арабского языков на кастильский. и латинские языки. За эту работу по переводу они получали огромные деньги. И, как правило, их местом встречи была Толедская школа переводчиков, известная как Escuela de Traductores de Toledo.

Это было в 13, и годах, когда английский ученый Роджер Бэкон оценил тот факт, что переводчик должен не только знать один язык, но и иметь систематическую информацию как об исходном, так и о целевом языках, чтобы генерировать адекватные результаты перевода. Не только это, но и переводчик должен быть достаточно дисциплинированным в отношении переводческой работы.

В период Средневековья великий перевод, который произошел, был сделан Джеффри Чосером в 14 веках.Он перевел латинский труд Боэция и роман «Де ла Роз», написанный на французском языке, на английский язык. Более того, он также перевел на английский язык некоторые работы итальянского гуманиста Джованни Боккаччо. В то время итальянский и латынь были двумя языками, которые были более популярными, чем английский. И Джеффри Чосер основал традицию перевода английских стихов на эти два языка.

Оптимальный религиозный перевод средневековья был сделан Джоном Уиклифом, который перевел Библию Уиклифа с латыни на английский.

И затем арабские переводчики поддерживали греческие знания. Покорив греческий мир, они сделали несколько арабских версий научных и философских работ. В средние века эти арабские произведения были переведены на латынь, в основном в школах Испании. И эти переводы с арабского и греческого на латынь помогли укрепить знания эпохи Возрождения.

Перевод через новейшую историю

Ко времени современной истории потребность в переводчиках постоянно росла.На протяжении всей истории переводчикам удавалось адаптировать литературное произведение вручную. Однако, как только это случилось в начале 1950-х годов, работа ускорилась. И это было время, когда перевод стал достаточно кропотливой и трудоемкой задачей. Поэтому инженеры придумали способ сделать перевод автоматическим.

Их усилия воплотились в реальность в 1954 году. Это было время, когда проводился эксперимент Джорджтауна и IBM. Это была одна из самых ярких демонстраций машинного перевода.Эта методика позволила выполнить перевод почти 60 предложений с русского на английский за минуту. Однако реальный интерес к статистическим моделям машинного перевода вырос в 1980-х годах, когда произошел рост вычислительной мощности.

Поскольку машинный перевод недостаточно компетентен, чтобы заменить переводчика-человека; следовательно, все внимание было сосредоточено на разработке таких инструментов, которые облегчили бы процесс перевода и не заменяли бы людей-переводчиков. Во времена 1990-х годов распространение Интернета и начало эпохи глобализации оказали очень положительное влияние на машинный перевод.Поскольку компьютеры стали дешевыми, передовая технология программного обеспечения для распознавания речи обеспечила процветание индустрии машинного перевода. В 1996 году Systran предлагала бесплатные переводы небольшого текста. Присматривая за ними, компания AltaVista Babelfish пошла по тому же пути бесплатного перевода и в 1997 году получала 500 000 запросов на перевод каждый день.

А потом, в 2012 году, анонс Google побил все рекорды. По заявлению компании, Google Translate мог переводить столько, что можно было заполнить около 1 миллиона книг в день.Это был невероятный рост, который когда-либо могла испытать переводческая индустрия. Хотя представить мир без переводчиков-людей невозможно, тем не менее, машинный перевод является эффективным и экономичным способом выполнения требований к переводу.

С развитием промышленной революции и быстрым развитием экономики были введены новые машины, которые сделали перевод еще быстрее. Хотя 18, и годы обеспечили переводческой отрасли хорошее будущее, тем не менее, эпоха Интернета дала ей необходимый толчок.Это правда, что Интернет играет огромную роль в революционном доступе, понимании и переводе текстов и документов по всему миру.

Переводчики, изменившие историю переводов

Роль переводчика в переводческой отрасли действительно значительна. Когда мы говорим о машинном переводе, сразу следует понимать, что он является благом нынешней эпохи. Однако перевод — это старая концепция, и в прежние времена не было ничего, кроме переводчиков-людей.

Понятие переводчика возникло где-то в -м году до нашей эры г. до н.э. В это время Теренс, римский драматург, переводил греческие комедии на римский язык. Он приехал в Рим в качестве раба. И получил образование в рабстве. Позже, благодаря его знаниям, король освободил его. Он написал шесть крупных пьес и умер молодым.

Еще одним великим переводчиком был св. Иероним, который ввел термин «смысл» для обозначения смысла. Иероним был священником, теологом, историком и духовником.Он родился в деревне, известной как Стридон. Он наиболее известен своими комментариями к Евангелиям и переводом Библии на латинский язык. Если говорить о его произведениях, то список довольно велик. Не только это, но он также был известен тем, что учил христианской нравственной жизни, особенно тем людям, которые проживали в космополитических центрах, таких как Рим.

Двигаясь дальше, другим великим именем в области переводов было Кумараджива. Он был буддийским монахом, переводчиком и ученым.Он был широко известен своим неиссякаемым переводом буддийских текстов, написанных с санскрита, на китайский язык. Это была одна из самых узнаваемых и колоссальных работ, выполненных им в конце 4 -го века. Помимо этого, его широко известной работой был перевод Алмазной сутры, которая была важной сутрой Махаяны в Восточной Азии.

Переходя к средневековью, первый удивительный перевод на английский язык был сделан Джеффри Чосером в XIV веках.Он был известен как отец английской литературы. И не только в средние века, но даже сегодня он считается одним из лучших английских поэтов. Он был не только писателем, астрономом и философом, но и сделал большую карьеру бюрократа, дипломата и придворного. Он был первым поэтом, которого похоронили в Уголке поэтов Вестминстерского аббатства.

Как мы переводим сегодня?

Благодаря значительному развитию технологий переводческая отрасль претерпела значительные изменения.Сегодня эту услугу можно использовать в нескольких ситуациях и в разных формах. Начиная с вакансий и заканчивая карьерным ростом, все развивается вокруг службы переводов. Сегодня у людей в этой отрасли есть бесчисленные возможности карьерного роста. Один из таких шансов — стать медицинским переводчиком, а затем переводить маркетинговую или клиническую документацию, нормативную информацию, учебные программы и программное обеспечение для фармацевтических компаний. Для предприятий, которые намереваются расширить и привлечь совершенно новую аудиторию, приобретение услуг перевода стало необходимостью.От услуг по переводу бизнес-презентаций и предложений до содержания веб-сайтов, маркетинговой литературы, историй болезни, академических транскрипций и до перевода многих других письменных текстов — существует широкий спектр услуг, которые предоставляет переводческая компания.

Сегодня машинный перевод захватил мир. Хотя это не уменьшает потребность в переводчике, машинный перевод, тем не менее, оказал помощь в нескольких ситуациях и продолжает делать это.Благодаря значительному развитию технологий и использования Интернета людям стало проще использовать инструменты онлайн-перевода для быстрой адаптации. Сидят ли они в ресторане с меню, написанным на другом языке, или вообще едут в новую страну, с помощью технологий перевод текста с одного языка на другой занимает всего несколько секунд или минут. .

С изобретением нового оборудования время, затрачиваемое на перевод текстов, значительно сократилось.Это дало возможность владельцам бизнеса больше сосредоточиться на выходе на зарубежные рынки и развитии своего бизнеса.

Более того, эта модернизированная революция также сделала процесс расшифровки новых культур бесшовным. Даже если переводчик не имеет представления о целевой аудитории, достаточно провести небольшое исследование, чтобы глубже погрузиться в новую культуру и этику.

Несмотря на доступность широко распространенных инструментов машинного и компьютерного перевода, есть некоторые переводчики, которые задумываются о сравнении с художником.Они хотят похвалы не только за свою опасную жизнь, но и за знания, мастерство, страсть и преданность делу, которые они вкладывают в свою работу.

Сверхбыстрый, креативный и согласованный: Supertext запускает службу мгновенного перевода на основе чата

InstantTranslation позволяет бизнес-клиентам мгновенно подключаться к переводчикам Supertext. Все эти языковые эксперты являются носителями языка и демонстрируют человеческие качества со сверхчеловеческой скоростью.

Начиная с последних обновлений пресс-релизов и заканчивая настройками веб-сайтов и приложений, небольшие заказы, состоящие всего из нескольких слов или предложений, быстро становятся нормой в индустрии переводов.И клиенты Supertext не исключение. Несмотря на то, что общий объем слов, которые компания переводит каждый год, растет, объем отдельных заказов сокращается — в среднем на 22% только за последние два года.

А короткие тексты часто требуют быстрого перевода — настолько быстрого, что деловые люди иногда обращаются к Google Translate, DeepL и другим системам машинного перевода, а не ждут переводчика-человека. Но хотя инструменты онлайн-перевода предлагают впечатляюще быстрые результаты, они также могут вносить досадные ошибки в деловое общение.Не говоря уже о рисках для конфиденциальности, если конфиденциальные данные загружаются на общедоступную платформу, такую ​​как Google Translate.

Объявление

Супертекст искал решение этой проблемы по запросу крупного заказчика. Результат: InstantTranslation, сервис, который соединяет бизнес-клиентов с квалифицированными переводчиками прямо в их браузере. Функция живого чата позволяет переводчику задавать вопросы и обсуждать варианты с клиентом, пока каждое слово не станет идеальным.

Надежный, совместный и совместимый с корпоративным языком

InstantTranslation предлагает основные преимущества, когда дело доходит до качества: специализированные переводчики, работающие на своем родном языке, гарантируют лингвистическую точность и могут решать любые контекстные запросы напрямую с клиентом.Где публикуется текст? Будет ли он включать изображения или графику? Заказчик предпочитает перевод, близкий к оригиналу, или переводчику следует проявить творческий подход? Уточнение этих моментов в процессе перевода приводит к получению текста, который не просто точен, но идеально адаптирован к его контексту.

Корпоративный язык имеет решающее значение, даже когда у вас мало времени. Вот почему служба InstantTranslation от Supertext объединяет существующие памяти переводов и терминологические базы клиентов, обеспечивая постоянный перевод названий продуктов и специфичных для клиентов терминов.

«Так же быстро, как Google Translate, и так же хорош, как и профессиональный переводчик»

Supertext расширяет свой портфель услуг по копирайтингу и переводу новой услугой для текстов до 350 символов. Услуги Supertext предоставляют компаниям любого размера доступ к международной команде, состоящей из более чем 2000 языковых профессионалов, работающих во всех областях.

Решение InstantTranslation было разработано в сотрудничестве с AMAG, крупнейшей автомобильной компанией Швейцарии, которая с лета 2020 года поэтапно внедряет эту услугу в своих различных отделах.AMAG, давний клиент Supertext, уже пользовался многими услугами перевода Supertext и хотел восполнить дополнительный пробел:

«InstantTranslation дает нам надежные переводы небольших срочных текстов в режиме реального времени, предлагая важные дополнительные преимущества для наших повседневных процессов».

Роджер Релли, руководитель отдела маркетинговых услуг AMAG

После успешного бета-тестирования нескольких клиентов новая услуга будет запущена в Швейцарии и Германии 27 января 2021 года.Первоначально InstantTranslation будет доступен на английском, немецком, французском и итальянском языках, а цены отражают принцип, согласно которому важна каждая секунда: переводы оплачиваются поминутно, без минимальной платы.


Узнать больше
Заказать демонстрацию

Загрузки
Пресс-релиз

Контакт для СМИ
Фабиан Диецигер, управляющий партнер
[email protected], +41 43 500 33 81

Нейронная сеть для Машинный перевод в производственном масштабе

Используя в качестве метрики параллельное сравнение, оцененное людьми, система GNMT производит переводы, которые значительно улучшены по сравнению с предыдущей производственной системой, основанной на фразах.GNMT снижает количество ошибок перевода более чем на 55% -85% для нескольких основных языковых пар, измеренных на выборочных предложениях из Википедии и новостных веб-сайтов с помощью двуязычных людей-оценщиков.
Пример перевода, созданного нашей системой для входного предложения, взятого с новостного сайта. Перейдите сюда, чтобы увидеть больше примеров переводов вводимых предложений, выбранных случайным образом с новостных сайтов и книг.
В дополнение к сегодняшнему выпуску этой исследовательской работы мы объявляем о запуске GNMT в производство на заведомо сложной языковой паре: с китайского на английский.Мобильные и веб-приложения Google Translate теперь используют GNMT для 100% машинных переводов с китайского на английский — около 18 миллионов переводов в день. Производственное развертывание GNMT стало возможным благодаря использованию нашего общедоступного набора инструментов машинного обучения TensorFlow и наших модулей обработки тензорных модулей (TPU), которые обеспечивают достаточную вычислительную мощность для развертывания этих мощных моделей GNMT при соблюдении строгих требований к задержке продукта Google Translate. Перевод с китайского на английский — одна из более чем 10 000 языковых пар, поддерживаемых Google Translate, и в ближайшие месяцы мы будем работать над развертыванием GNMT для многих из них.

Машинный перевод никоим образом не решается. GNMT по-прежнему может допускать серьезные ошибки, которые никогда не допустил бы переводчик-человек, например, пропуск слов и неправильный перевод имен собственных или редких терминов, а также перевод предложений изолированно, а не с учетом контекста абзаца или страницы. Мы еще многое можем сделать, чтобы лучше обслуживать наших пользователей. Однако GNMT представляет собой важную веху. Мы хотели бы отметить это вместе со многими исследователями и инженерами — как в Google, так и в более широком сообществе, — которые внесли свой вклад в это направление исследований в последние несколько лет.

Благодарности:
Мы благодарим членов команды Google Brain и команду Google Translate за помощь в проекте. Мы благодарим Нихила Тората и команду Big Picture за визуализацию.

Ссылки:
[1] Система нейронного машинного перевода Google: преодоление разрыва между человеческим и машинным переводом, Yonghui Wu, Mike Schuster, Zhifeng Chen, Quoc V. Le, Mohammad Norouzi, Wolfgang Macherey, Maxim Krikun, Yuan Цао, Цинь Гао, Клаус Машери, Джефф Клингнер, Апурва Шах, Мелвин Джонсон, Сяобин Лю, Лукаш Кайзер, Стефан Гоус, Ёсикиё Като, Таку Кудо, Хидэто Казава, Кейт Стивенс, Джордж Куриан, Нишант Патил, Янг Ван, Клифф Вэй Янг Джейсон Смит, Джейсон Риза, Алекс Рудник, Ориол Виньялс, Грег Коррадо, Макдуф Хьюз, Джеффри Дин.Технический отчет, 2016.
[2] Последовательность для последовательного обучения с помощью нейронных сетей, Илья Суцкевер, Ориол Виньялс, Куок В. Ле. Достижения в системах обработки нейронной информации, 2014.
[3] Решение проблемы редких слов в нейронном машинном переводе, Минь-Тханг Луонг, Илья Суцкевер, Куок В. Ле, Ориоль Виньялс и Войцех Заремба. Труды 53-го ежегодного собрания Ассоциации компьютерной лингвистики, 2015.
[4] Нейронный машинный перевод путем совместного обучения выравниванию и переводу, Дмитрий Богданау, Кюнхён Чо, Йошуа Бенджио.Международная конференция по обучающим репрезентациям, 2015 г.
[5] Голосовой поиск на японском и корейском языках, Майк Шустер и Кайсуке Накадзима. Международная конференция IEEE по акустике, обработке речи и сигналов, 2012 г.
[6] Нейронный машинный перевод редких слов с подсловами, Рико Сеннрих, Барри Хаддоу, Александра Берч. Материалы 54-го ежегодного собрания Ассоциации компьютерной лингвистики, 2016 г.

Авторы: Куок В. Ле и Майк Шустер, ученые-исследователи, Google Brain Team

Десять лет назад мы объявили о запуске Google Translate вместе с использованием фразового машинного перевода в качестве ключевого алгоритма, лежащего в основе этой службы.С тех пор быстрый прогресс в области машинного интеллекта улучшил наши возможности распознавания речи и изображений, но улучшение машинного перевода остается сложной задачей.

Сегодня мы анонсируем систему нейронного машинного перевода Google (GNMT), которая использует самые современные методы обучения для достижения самых больших на сегодняшний день улучшений качества машинного перевода. Полные результаты наших исследований описаны в новом техническом отчете, который мы публикуем сегодня: « Система нейронного машинного перевода Google: устранение разрыва между человеческим и машинным переводом » [1].

Несколько лет назад мы начали использовать рекуррентные нейронные сети (RNN) для непосредственного изучения сопоставления входной последовательности (например, предложения на одном языке) с выходной последовательностью (это же предложение на другом языке) [2]. В то время как машинный перевод на основе фраз (PBMT) разбивает входное предложение на слова и фразы, которые переводятся в значительной степени независимо, нейронный машинный перевод (NMT) рассматривает все входное предложение как единицу для перевода. Преимущество этого подхода в том, что для этого требуется меньше выбор инженерного дизайна по сравнению с предыдущими системами перевода на основе фраз.Когда он впервые появился, NMT показал эквивалентную точность с существующими системами перевода на основе фраз на небольших общедоступных наборах данных.

С тех пор исследователи предложили множество методов для улучшения NMT, включая работу по обработке редких слов, имитируя внешнюю модель выравнивания [3], используя внимание для выравнивания входных слов и выходных слов [4] и разбивая слова на более мелкие единицы, чтобы справиться редкими словами [5,6]. Несмотря на эти улучшения, NMT не был достаточно быстрым и точным для использования в производственной системе, такой как Google Translate.В нашей новой статье [1] описывается, как мы преодолели множество проблем, связанных с тем, чтобы заставить NMT работать с очень большими наборами данных, и построили систему, которая является достаточно быстрой и достаточно точной, чтобы обеспечить лучший перевод для пользователей и сервисов Google.

Данные параллельных оценок, когда люди-оценщики сравнивают качество переводов для данного исходного предложения. Оценки варьируются от 0 до 6, где 0 означает «совершенно бессмысленный перевод», а 6 означает «идеальный перевод».»
Следующая визуализация показывает развитие GNMT по мере того, как он переводит китайское предложение на английский. Во-первых, сеть кодирует китайские слова как список векторов, где каждый вектор представляет значение всех слов, прочитанных на данный момент (« Encoder »). После того, как все предложение прочитано, декодер начинает, генерируя английское предложение по одному слову за раз (« Decoder »). Чтобы генерировать переведенное слово на каждом этапе, декодер обращает внимание на взвешенное распределение по закодированному Китайские векторы, наиболее подходящие для генерации английского слова («Внимание»; прозрачность синей ссылки показывает, насколько декодер обращает внимание на закодированное слово).
Используя в качестве метрики параллельное сравнение с человеческим рейтингом, система GNMT производит переводы, которые значительно улучшены по сравнению с предыдущей производственной системой, основанной на фразах. GNMT снижает количество ошибок перевода более чем на 55% -85% для нескольких основных языковых пар, измеренных на выборочных предложениях из Википедии и новостных веб-сайтов с помощью двуязычных людей-оценщиков.
Пример перевода, созданного нашей системой для входного предложения, взятого с новостного сайта.Перейдите сюда, чтобы увидеть больше примеров переводов вводимых предложений, выбранных случайным образом с новостных сайтов и книг.
В дополнение к сегодняшнему выпуску этой исследовательской работы мы объявляем о запуске GNMT в производство на заведомо сложной языковой паре: с китайского на английский. Мобильные и веб-приложения Google Translate теперь используют GNMT для 100% машинных переводов с китайского на английский — около 18 миллионов переводов в день. Производственное развертывание GNMT стало возможным благодаря использованию нашего общедоступного набора инструментов машинного обучения TensorFlow и наших модулей обработки тензорных модулей (TPU), которые обеспечивают достаточную вычислительную мощность для развертывания этих мощных моделей GNMT при соблюдении строгих требований к задержке продукта Google Translate.Перевод с китайского на английский — одна из более чем 10 000 языковых пар, поддерживаемых Google Translate, и в ближайшие месяцы мы будем работать над развертыванием GNMT для многих из них.

Машинный перевод никоим образом не решается. GNMT по-прежнему может допускать серьезные ошибки, которые никогда не допустил бы переводчик-человек, например, пропуск слов и неправильный перевод имен собственных или редких терминов, а также перевод предложений изолированно, а не с учетом контекста абзаца или страницы. Мы еще многое можем сделать, чтобы лучше обслуживать наших пользователей.Однако GNMT представляет собой важную веху. Мы хотели бы отметить это вместе со многими исследователями и инженерами — как в Google, так и в более широком сообществе, — которые внесли свой вклад в это направление исследований в последние несколько лет.

Благодарности:
Мы благодарим членов команды Google Brain и команду Google Translate за помощь в проекте. Мы благодарим Нихила Тората и команду Big Picture за визуализацию.

Ссылки:
[1] Система нейронного машинного перевода Google: преодоление разрыва между человеческим и машинным переводом, Yonghui Wu, Mike Schuster, Zhifeng Chen, Quoc V.Ле, Мохаммад Норузи, Вольфганг Машери, Максим Крикун, Юань Цао, Цинь Гао, Клаус Машери, Джефф Клингнер, Апурва Шах, Мелвин Джонсон, Сяобин Лю, Лукаш Кайзер, Стефан Гоус, Йошикиё Като, Таку Казенсе Кудо, Хидэто Джордж Куриан, Нишант Патил, Вэй Ван, Клифф Янг, Джейсон Смит, Джейсон Риза, Алекс Рудник, Ориол Виньялс, Грег Коррадо, Макдуф Хьюз, Джеффри Дин. Технический отчет, 2016.
[2] Последовательность для последовательного обучения с помощью нейронных сетей, Илья Суцкевер, Ориол Виньялс, Куок В.Le. Достижения в системах обработки нейронной информации, 2014.
[3] Решение проблемы редких слов в нейронном машинном переводе, Минь-Тханг Луонг, Илья Суцкевер, Куок В. Ле, Ориоль Виньялс и Войцех Заремба. Труды 53-го ежегодного собрания Ассоциации компьютерной лингвистики, 2015.
[4] Нейронный машинный перевод путем совместного обучения выравниванию и переводу, Дмитрий Богданау, Кюнхён Чо, Йошуа Бенджио. Международная конференция по обучающим представительствам, 2015 г.
[5] Голосовой поиск на японском и корейском языках, Майк Шустер и Кайсуке Накадзима. Международная конференция IEEE по акустике, обработке речи и сигналов, 2012 г.
[6] Нейронный машинный перевод редких слов с подсловами, Рико Сеннрих, Барри Хаддоу, Александра Берч. Материалы 54-го ежегодного собрания Ассоциации компьютерной лингвистики, 2016 г.

Amazon запускает функцию Live Translation для устройств Echo — TechCrunch

Сегодня Amazon анонсировала новую функцию Alexa, Live Translation, которая будет переводить разговоры между людьми, говорящими на двух разных языках.Эта функция использует для работы технологию распознавания речи Amazon и технологию нейронного машинного перевода и поддерживает перевод между английским и французским, испанским, хинди, португальским (бразильским), немецким или итальянским языками.

Чтобы использовать LiveTranslation, владелец устройства Echo может ввести голосовую команду, например «Alexa, translate French», чтобы начать перевод между английским и французским языками. Когда вы слышите звуковой сигнал, вы можете говорить на любом языке, даже делая естественные паузы между предложениями, утверждает Amazon.Затем Alexa автоматически определит язык, на котором говорят, и переведет каждую сторону разговора. На устройствах Echo Show вы также можете видеть перевод в дополнение к его прослушиванию.

Чтобы завершить сеанс перевода, вы говорите «Алекса, остановись».

Согласно отчету Yahoo Finance за 2018 год, компания работает над функцией универсального языкового перевода.

Новое дополнение может сделать Alexa более конкурентоспособной по сравнению с устройствами Google, которые могут использовать существующий сервис Google Translate через Google Assistant.В начале 2019 года устройства Google Home представили возможность переводить разговоры на лету на широкий спектр языков с помощью функции, называемой режимом переводчика. Сегодня режим переводчика работает на многих устройствах Google, включая умные колонки, умные дисплеи, умные часы и даже Google Assistant на телефонах и планшетах. Однако, когда Google добавил живой перевод в свои Pixel Buds, эта функция сначала провалилась.

Насколько хорошо функция перевода Alexa будет работать, требует дальнейшего тестирования после сегодняшнего запуска.

Live translation — последнее из серии обновлений для устройств Echo, ориентированных на разные языки.

Эта функция следует за прошлогодним введением многоязычного режима для носителей США, который позволяет пользователям Alexa говорить на комбинации английского и испанского, французского и английского языков, а также, например, хинди и английского. Alexa также может переводить одно слово или фразу на более чем 50 поддерживаемых языков.

По словам Amazon, эта функция не только помогает пользователям лучше общаться, но и может использоваться для изучения языков и для общения между гостями и персоналом отеля через Alexa for Hospitality, платформу, разработанную для гостиничного бизнеса.

DeepL Blog

Мы рады сообщить вам, что сегодня мы запустили совершенно новую систему перевода, которая представляет собой еще один качественный скачок в качестве перевода. Используемые нами нейронные сети намного превосходят предыдущие технологии, и теперь вы можете бесплатно протестировать и использовать их на сайте www.DeepL.com.

Мы уже сделали несколько заголовков в 2017 году, когда выпустили DeepL Translator, который превосходил по качеству системы перевода даже крупных высокотехнологичных компаний и мог переводить даже более длинные отрывки без ошибок.Наши сервисы быстро стали популярными: сейчас ими пользуются более полумиллиарда человек.

Теперь нашим исследователям искусственного интеллекта удалось добиться еще одного прорыва в качестве перевода. В новой системе улучшены все критерии качественного перевода. Новые нейронные сети могут гораздо точнее представлять значение переведенных предложений на целевом языке и, в то же время, часто могут находить более профессиональные формулировки.

Это побудило нас провести новые слепые тесты. Мы перевели 119 длинных отрывков на самые разные темы с помощью DeepL Translator и некоторых конкурирующих систем. Затем мы попросили профессиональных переводчиков оценить эти переводы и выбрать лучший перевод, не имея информации о том, какая система выполняет какой перевод. Переводчики выбирали переводы из DeepL в четыре раза чаще, чем из любой другой системы:

Мы предполагаем, что такие компании, как Google или Microsoft, также имеют очень хорошие данные для обучения нейронных сетей перевода.С другой стороны, мы достигли множества инноваций в математике и методологии нейронных сетей, с помощью которых мы можем расширить наше лидерство. Это особый момент для всей нашей команды, когда этими улучшениями теперь могут пользоваться миллиарды людей.

В DeepL наша цель — разрушить языковые барьеры во всем мире и сблизить культуры. Для этого мы планируем добавить еще много языков и в ближайшие месяцы и годы хотим интегрировать технологии перевода везде, где люди общаются друг с другом, читают тексты, пишут или ведут бизнес друг с другом.Это видение также мотивирует многих исследователей и разработчиков ИИ присоединиться к DeepL. Если вы тоже хотите помочь нам сблизить мир, подайте заявку!

Запуск Amazon в Швеции застрял из-за досадных языковых ошибок | Новости | DW

Amazon запустил свой шведский веб-сайт в среду в рамках долгожданного расширения на рынок электронной коммерции Скандинавии.

Однако шведские СМИ быстро отметили, что онлайн-покупатели обнаружили множество орфографических ошибок и ошибок перевода на веб-сайте Amazon.se.

Подробнее : Немецкий сторожевой пес начинает расследование Amazon: отчет

Шведская газета Aftonbladet сообщила, что поздравительная открытка с гигантским петухом была переведена на слова, грубо ссылающиеся на мужские гениталии. Слово «рапс» для некоторых продуктов было просто переведено как «valdtakt», что на шведском означает изнасилование. Была описана форма для выпечки, предназначенная для «фекалий».

Шведский флаг в функции выбора страны также был ошибочно показан как аргентинский.

Представитель Amazon сказал, что розничный торговец хочет «поблагодарить всех за выявление этих проблем и помощь в внесении изменений и улучшении Amazon.se», добавив, что пользователи, обнаруживающие ошибки, должны использовать ссылки обратной связи, а Amazon затем исправит ошибки.

Никлас Сторакерс, генеральный директор шведской службы сравнения цен PriceRunner, сказал, что запуск был «самой неудачной работой, которую я когда-либо видел», сообщает технический веб-сайт Breakit.

Брейкит сказал, что, похоже, шведские лингвистические ошибки были «автоматическими переводами».«

Жесткий рынок

Amazon заявила, что Amazon.se предлагает 150 миллионов товаров в 30 категориях. Тем не менее, аналитик розничной торговли Дэниел Шмидт из Danske Bank сказал шведскому информационному агентству TT, что для Amazon может быть сложно стать доминирующим в Швеции в Интернете. розничный рынок, как в США, Великобритании и Германии.

«Вступить в Швецию в 2020 году — другое дело, чем войти в Германию и Англию 20 лет назад», — сказал Шмидт.

Подробнее : акции Amazon достигли нового максимума в условиях пандемии коронавируса

До запуска шведского сайта клиенты из северных стран делали покупки на сайтах Amazon в Германии и Великобритании.

«Мы продолжим упорно работать, чтобы завоевать доверие шведских клиентов, … обеспечивая удобные и надежные условия покупок», — заявил вице-президент Amazon по европейскому расширению Алекс Отес в заявлении перед запуском.

Comments |0|

Legend *) Required fields are marked
**) You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>
Category: Разное