2016 से न्यूरल नेटवर्क-आधारित प्रणालियों पर स्विच करने के बाद मशीनी अनुवाद में उल्लेखनीय सुधार हुआ है, और बड़े भाषा मॉडल अब ऐसे अनुवाद तैयार करते हैं जो शैली और संदर्भ को बेहतर ढंग से बनाए रखते हैं। आज आप सेकंडों में किसी वेब पेज, ईमेल या मेनू को समझ सकते हैं। लेकिन "समझने के लिए काफी अच्छा" और "प्रकाशित करने के लिए तैयार" के बीच अभी भी एक महत्वपूर्ण अंतर है।
किस टूल का उपयोग किसके लिए करें?
- क्लासिक अनुवाद टूल: Google Translate, DeepL और Microsoft Translator तेज हैं, कई भाषाओं का समर्थन करते हैं और दस्तावेजों का अनुवाद करते हैं।
- चैट असिस्टेंट: आप ChatGPT, Claude या Gemini जैसे असिस्टेंट को शैली, लक्षित पाठकों और पसंदीदा शब्दों के बारे में बता सकते हैं, और उनसे अनुवाद समझाने या विकल्प देने के लिए कह सकते हैं।
- कैमरा और आवाज अनुवाद: यात्रा करते समय संकेत पढ़ना और बातचीत का अनुवाद करना आसान होता है।
बेहतर परिणामों के लिए सुझाव
- संदर्भ दें: उदाहरण के लिए "यह किसी क्लाइंट के लिए एक औपचारिक ईमेल है"।
- शब्दावली जोड़ें: अपने ब्रांड या क्षेत्र के विशेष शब्दों और उनके पसंदीदा अनुवादों की सूची बनाएं।
- छोटे, स्पष्ट वाक्यों का उपयोग करें: लंबे, अस्पष्ट वाक्य त्रुटियों को बढ़ाते हैं।
- बैक-अनुवाद करें: यह जांचने के लिए कि अर्थ सुरक्षित है या नहीं, परिणाम का मूल भाषा में दोबारा अनुवाद करें।
- किसी मूल भाषा के वक्ता से इसे पढ़वाएं: विशेष रूप से उन पाठों के लिए जो प्रकाशित किए जाएंगे।
आम त्रुटियां
- मुहावरों और कहावतों का शब्दशः अनुवाद
- औपचारिकता का गलत स्तर
- संख्या, तिथि और इकाई प्रारूपों में गड़बड़ी
- ऐसी जानकारी जोड़ना जो मूल में नहीं है, या कोई वाक्य छूट जाना
मानव अनुवादक कब आवश्यक है?
अनुबंधों, अदालती दस्तावेजों, चिकित्सा रिपोर्टों, दवा के पर्चे, आधिकारिक आवेदनों और प्रकाशन के लिए पुस्तकों या विज्ञापन प्रतियों में त्रुटियों की लागत बहुत अधिक होती है। इनके लिए, एक पेशेवर और जहां आवश्यक हो, शपथ प्राप्त अनुवादक का उपयोग करें। किसी विशेषज्ञ द्वारा ठीक किए गए मसौदे के रूप में मशीनी अनुवाद का उपयोग करना (पोस्ट-एडिटिंग) भी एक आम तरीका है।
मशीनी अनुवाद का विकास कैसे हुआ?
कंप्यूटर अनुवाद के प्रयास 1950 के दशक के हैं, लेकिन पद्धतियां कई प्रमुख चरणों से गुजरी हैं:
- नियम-आधारित प्रणालियाँ: भाषाविदों ने एक-एक करके शब्दकोश और व्याकरण के नियम लिखे; परिणाम अक्सर कच्चे और शब्दशः होते थे।
- सांख्यिकीय अनुवाद: 2000 के दशक में, प्रणालियों ने उन लाखों वाक्य जोड़ों के माध्यम से probabilities (संभावनाओं) के माध्यम से सीखना शुरू किया जिनका अनुवाद लोगों ने किया था।
- न्यूरल मशीनी अनुवाद: 2016 में, Google ने एक न्यूरल नेटवर्क प्रणाली में अपनी शिफ्ट की घोषणा की जो पूरे वाक्य को एक इकाई के रूप में प्रोसेस करती है, और धाराप्रवाहता में उल्लेखनीय सुधार हुआ।
- ट्रांसफॉर्मर और बड़े भाषा मॉडल: 2017 में पेश किया गया ट्रांसफॉर्मर आर्किटेक्चर आज के अनुवाद टूल और चैट असिस्टेंट का आधार बनता है।
कम बोली जाने वाली भाषाएं कठिन क्यों हैं?
अनुवाद प्रणालियों को सीखने के लिए बड़ी मात्रा में द्विभाषी पाठ की आवश्यकता होती है। अंग्रेजी, स्पेनिश या फ्रांसीसी जैसी भाषाओं के लिए गुणवत्ता उच्च है क्योंकि ऐसा डेटा प्रचुर मात्रा में उपलब्ध है; इंटरनेट पर कम पाठ वाली भाषाओं के लिए, त्रुटियां उल्लेखनीय रूप से बढ़ जाती हैं। इन्हें "कम संसाधन वाली भाषाएं" कहा जाता है। 2022 में घोषित मेटा की NLLB-200 परियोजना जैसे शोध 200 भाषाओं को कवर करने वाले मॉडल के साथ इस अंतर को पाटने की कोशिश कर रहे हैं। फिर भी, यदि आप किसी महत्वपूर्ण पाठ का कम संसाधन वाली भाषा में अनुवाद कर रहे हैं, तो परिणाम को किसी मूल भाषा के वक्ता से जांच करवाना पहले से कहीं अधिक महत्वपूर्ण है।
एआई टूल की विशेषताएं, योजनाएं और कीमतें अक्सर बदलती रहती हैं। वर्तमान जानकारी के लिए हमेशा टूल के आधिकारिक पेज को देखें।
स्रोत और आगे की पठन सामग्री
- यॉन्गहुई वू एट अल., "गूगल न्यूरल मशीन ट्रांसलेशन सिस्टम", arXiv, 2016.
- ISO 18587:2017, "अनुवाद सेवाएँ — मशीनी अनुवाद आउटपुट की पोस्ट-एडिटिंग"।
- यूरोपीय आयोग, ई-अनुवाद सेवा और मशीनी अनुवाद मार्गदर्शन।
- वू, वाई. एट अल. (2016), "गूगल न्यूरल मशीन ट्रांसलेशन सिस्टम", arXiv:1609.08144
- वासवानी, ए. एट अल. (2017), "अटेेंशन इज ऑल यू नीड", NeurIPS
- NLLB टीम (2022), "नो लैंग्वेज लेफ्ट बिहाइंड: स्केलिंग ह्यूमन-सेंटर्ड मशीन ट्रांसलेशन", arXiv:2207.04672
एक टिप्पणी छोड़ें
आपका ईमेल पता प्रकाशित नहीं किया जाएगा। आवश्यक फ़ील्ड * से चिह्नित हैं