(Gif ՝ Google)
Արհեստական բանականության շնորհիվ արտերկիր մեկնելը երբեք չի եղել ավելի պարզ:
Google Translate ծրագիրը հնարավորություն է տալիս օգտվողներին ակնթարթորեն թարգմանել տեքստը: Appրագրում պարզապես ձեր ֆոտոխցիկը ուղղեք դեպի այն տեքստը, որը ցանկանում եք թարգմանել, և կտեսնեք, որ այն ուղիղ ձեր աչքերի առաջ վերածվում է ձեր ցանկալի լեզվի ՝ առանց ինտերնետ կապի կամ բջջային հեռախոսի տվյալների: Այս հարմար գործառույթը հասանելի էր որոշ ժամանակ, բայց այն համատեղելի էր միայն յոթ լեզուների հետ: Հիմա , մեքենայական ուսուցման շնորհիվ, Google- ը արդիականացրել է հավելվածը ՝ 27 լեզու ակնթարթորեն թարգմանելու համար:
Ուստի, երբ հաջորդ անգամ լինեք Պրահայում և չկարողանաք ճաշացանկ կարդալ, մենք ձեզ հետ ենք վերցրել, - գրել է ընկերության հետազոտության մասին Otavio Good- ը ՝ Google- ի ծրագրակազմի ինժեներ: Բլոգ ,
Google- ը պարզապես օգտագործեց AI- ն `խոսքի ճանաչման սխալները կիսով չափ կրճատելու համար:
Այսօրվա դրությամբ, անգլերեն, ֆրանսերեն, գերմաներեն, իտալերեն, պորտուգալերեն, ռուսերեն և իսպաներեն լեզուները թարգմանելուց բացի, հետևյալ 20 լեզուները կարող են թարգմանվել նաև իրական ժամանակում ՝ բուլղարերեն, կատալոներեն, խորվաթերեն, չեխերեն, դանիերեն, հոլանդերեն, ֆիլիպիներեն, Ֆիններեն, հունգարերեն, ինդոնեզերեն, լիտվերեն, նորվեգերեն, լեհերեն, ռումիներեն, սլովակերեն, շվեդերեն, թուրքերեն և ուկրաիներեն: Եվ եթե դուք նախընտրում եք նկարել նկարը, այլ ոչ թե դիտեք տեքստի թարգմանությունը կենդանի, ապա ընդհանուր առմամբ 37 լեզու է աջակցվում:
Այսպիսով, ինչպե՞ս Google- ը կարողացավ ավելացնել առկա լեզուների քանակը: Նրանք նախ ձեռք բերեցին Word Lens, նախկինում լրացված իրականության թարգմանության ծրագիր և օգտագործեցին մեքենայական ուսուցում և կոնվոլյուցիոն նյարդային ցանցեր ՝ հավելվածի հնարավորությունները բարձրացնելու համար: Պատկերի ճանաչման ոլորտում առաջխաղացումները կարևոր էին:
Հինգ տարի առաջ, եթե համակարգչին տալիս էիք կատվի կամ շան պատկեր, ապա այն դժվարանում էր ասել, թե որն է որը: Կոնվոլյուցիոն նյարդային ցանցերի շնորհիվ համակարգիչները ոչ միայն կարող են տարբերել կատուների և շների միջև, այլ նույնիսկ կարող են ճանաչել շների տարբեր ցեղատեսակներ: Այո, դրանք ավելին են, քան պարզապես trippy արվեստ - եթե դուք թարգմանում եք օտարերկրյա ընտրացանկ կամ ստորագրում եք Google- ի Translate ծրագրի վերջին տարբերակով, այժմ օգտագործում եք խորը նեյրոնային ցանց:
Քայլ առ քայլ
Առաջին , Թարգմանությունը պետք է մաքրի ֆոնային խառնաշփոթը և տեղաբաշխի տեքստը: Երբ այն գտնում է նույն գույնի պիքսելների բլբերը, որոշում է, որ դրանք տառեր են: Եվ երբ այդ բլբերը մոտ են միմյանց, ապա դա հասկանում է, որ դա ընթերցվելու շարունակական տող է:
Հաջորդ, հավելվածը պետք է ճանաչի, թե որն է յուրաքանչյուր առանձին տառ: Այստեղ է, որ խորը ուսուցում է սկսվում:
Մենք օգտագործում ենք կոնվոլյուցիոն նյարդային ցանց ՝ այն ուսուցանելով տառերի և ոչ տառերի վրա, որպեսզի այն կարողանա իմանալ, թե ինչպիսին են տարբեր տառերը, կարդում է բլոգում տեղադրված գրառումը
Հետազոտողները ստիպված էին պատրաստել ծրագրակազմը `օգտագործելով ոչ միայն մաքուր տեսք ունեցող տառեր, այլ նաև կեղտոտ: Իրական աշխարհում դուրս եկած նամակները խաթարվում են արտացոլանքներով, կեղտերով, կեղտոտություններով և ամենատարօրինակ տարօրինակություններով, գրում է միստր Գուդը: Այսպիսով, մենք կառուցեցինք մեր նամակների գեներատորը `ստեղծելու ամեն տեսակի կեղծ կեղտեր` համոզիչ կերպով ընդօրինակելով իրական աշխարհի աղմուկը `կեղծ արտացոլումներ, կեղծ լորձեր, կեղծ տարօրինակություններ: 
Դասընթացների համար օգտագործված կեղտոտ տառերից մի քանիսը: (Լուսանկարը ՝ Google)
Ի երրորդ քայլը փնտրում է բառարանում ճանաչված տառերը ՝ թարգմանությունները ստանալու համար: Եվ ճշգրտության լրացուցիչ փորձի համար բառարանների որոնումները մոտավոր են այն դեպքում, երբ S- ը սխալ է ընթերցվում որպես 5:
Վերջապես, թարգմանված տեքստը բերվում է բնագրի գագաթին նույն ոճով:
Մենք կարող ենք դա անել, քանի որ նկարում արդեն գտել և կարդացել ենք տառերը, այնպես որ մենք հստակ գիտենք, թե որտեղ են դրանք: Մենք կարող ենք դիտել տառերը շրջապատող գույները և օգտագործել դրանք բնօրինակ տառերը ջնջելու համար: Եվ հետո, մենք կարող ենք վերևից նկարել թարգմանությունը `օգտագործելով նախնական նախնական գույնը, ասվում է բլոգում:
Որպեսզի հնարավորինս արդյունավետ լինի և թույլ տա, որ այս բոլոր քայլերն իրական ժամանակում կատարվեն առանց ինտերնետի և տվյալների միացման, Google- ի թիմը մշակեց շատ փոքր նեյրոնային ցանց ՝ վերին սահմանով, որի վրա կարող է գործածել տեղեկատվության խտությունը: Քանի որ նրանք ստեղծում էին իրենց ուսումնական տվյալները, կարևոր էր ներառել ճիշտ տվյալներ, բայց ոչ մի ավելորդ բան, այնպես որ նեյրոնային ցանցը չի օգտագործում իր տեղեկատվության խտությունը չափազանց մեծ նշանակություն չունեցող իրերի վրա: Օրինակ կարող է լինել, թե ինչպես է անհրաժեշտ այն փոքր-ինչ պտտվելով տառը ճանաչել, բայց ոչ շատ:
Ի վերջո, օգտվողներին մնում է ևս 20 լեզու, բայց նույն արագ արագությունը:
ՏԵՍ ՆԱԵՎ. Google- ի AI թիմը մեզ տվեց մեքենայական ուսուցման հետազոտության նվազումը
