Google Translate userà le reti neurali per migliorare

I tecnici di Google continuano senza sosta ricerche ed esperimenti nel campo delle reti neurali profonde. Qualche mese fa la società di Mountain View aveva mostrato i suoi progressi nel deep learning facendo misurare la sua intelligenza artificiale con i campioni di Go, gioco molto popolare in estremo oriente.

Di origini antichissime, Go è molto semplice da imparare ma richiede di una notevole dose di intuizione e dell’utilizzo della strategia per padroneggiarlo.
Eppure, grazie all’utilizzo del suo chip TPU (Google spinge sul machine learning con il chip TPU), l’intelligenza artificiale di Google è riuscita a battere, a più riprese, il campione del mondo di Go (L’intelligenza artificiale di Google batte i campioni di Go).

Adesso gli stessi concetti sono stati utilizzati in Google Translate per migliorare drasticamente le traduzioni di testi da una lingua all’altra.

Una corretta traduzione, infatti, dipende in larga parte dal contesto in cui sono usati i vari termini. I sistemi utilizzati ancor’oggi non fanno altro che analizzare – un pezzo alla volta – porzioni di testo e a tradurle senza però una visione d’insieme.

Il sistema messo a punto e documentato in questo articolo tecnico, è stato battezzato Google Neural Machine Translation (GNMT) e fa uso di entità chiamate vettori per meglio contestualizzare parole e frasi: il termine “gatto” è, evidentemente, più vicino a “cane” che ad “automobile”.

Dopo aver addestrato il sistema con alcune frasi già tradotte, GNMT può costruire i vettori sulla base della conoscenza acquisita precedentemente e valutare le traduzioni possibili, partendo da tutte le alternative possibili.

Il team di Google Brain ha per il momento concentrato i suoi sforzi, e quelli di GNMT, sulla traduzione dal cinese all’inglese perché la lingua estremo-orientale è considerata come una della più complesse da fare tradurre “alle macchine”.

GNMT migliora l’accuratezza delle traduzioni dal cinese di un buon 60% rispetto alle soluzioni attuali mentre. Con le altre lingue “occidentali”, i risultati sono ancora migliori: dall’83% all’87%.