Machine translation quality has improved remarkably over the years. Automatic translations are becoming more and more usable in different contexts. Heavy users might have noticed that the development, Tuttavia, hasn’t been linear. Machine translation has moved up some kind of quality steps.

The reason for jumps to higher quality steps is technical. Machine translation technologies are getting much attention and resources. The idea of how machine translation works has changed. The steps from rule-based to statistical machine translation and then to the use of artificial intelligence (or AI) have all improved the quality. The technologies are getting closer to the way humans adapt their first languages.

Piccoli bambini imparano una lingua da essere circondato da esso nella loro vita di tutti i giorni. Sentono che più e più volte. Essi cercano di dire una parola o due. Saranno prima dirlo sbagliato, ma migliorare ripetendo molte volte. Essi imparano nuove parole e ciò che quelle parole significano. Lo fanno anche senza avere qualcuno spiegare esplicitamente queste cose a loro. Loro sentono, i loro cervelli lavorano duramente e imparano.

Utilizzando un sacco di dati

AI e reti neurali imparare le lingue un po 'come i bambini. I dati è l'elemento più importante. per le tecnologie, è fondamentale avere abbastanza dati. Proprio come per i bambini è fondamentale per sentire la gente parlare e leggere ad alta voce. Il più è meglio. C'è un sacco di genitori di ricerca dire dovrebbe leggere ai loro figli. Quando i genitori leggono ai loro figli, avranno successo nella vita. They will have better skills in communication and linguistic. No human nor machine can learn without enough data coming in.

Using good quality data

Allo stesso modo, the quality of the data is important. One-sided interactions with the language limit the learning process. Varied and rich exposure to different uses of language brings more versatile results. Ma, too wide data isn’t going to work either. There should be enough repetition to ensure remembering. Babies learn first those words which they hear most often. They hear them in different sentences and situations. The more they hear those words the stronger the meaning and usage of them become in their minds.

Getting support for the learning

All language learners need some outside support as well. Control by someone who knows more. I genitori tendono a correggere se un bambino dice qualcosa in modo sbagliato. O almeno si ripetono l'idea in altre parole, di nuovo al bambino. Spesso usano frasi come ‘intendeva dire che’ o ‘che cosa si prova a dire’ o ‘ti ho capito bene’. Anche le tecnologie più moderne hanno bisogno di quel tipo di guida e un feedback così.

La differenza è che l'AI non sarà davvero a capire. Tecnologie sanno le parole e possono collegare significati e sinonimi. Possono produrre testi parlati o scritti. Essi possono anche mantenere una conversazione attraverso il servizio di chat o clienti. Ma non capiscono. Neonati e bambini possono. Il cervello umano sono semplicemente incredibile. Siamo abbastanza intelligente da utilizzare macchine e tecnologie in quei compiti che possono essere esternalizzate. In questo modo siamo in grado di concentrarsi su più interessante e attività creative, e sfida il nostro cervello per continuare a migliorare.

(Nota finale: AI e reti neurali sono tecnologie molto avanzate. Per molti si tratta di termini solo astratti e poco chiare. Questo testo di loro e cerca di semplificare per dare un'idea generale di come funzionano. Se si vuole raccontare la propria descrizione, saremo più che felici di pubblicarlo qui sul nostro blog. Basta lasciare un commento qui sotto o e-mail.)