Исследователи обнаружили, что лексическое богатство ИИ-переводов гораздо ниже тех, что сделаны человеком

В ходе исследования было обнаружено, что между обучающими данными, которые получают ИИ-системы, и их переводами присутствует значимая разница. Причина может заключаться в статистической погрешности.

Исследователи изучили ряд различных моделей МО, включая Transformer от Microsoft, нейронный машинный перевод, сети долгой краткосрочной памяти и статистический машинный перевод на основе отдельных фраз. Каждый алгоритм выполнял переводы между английским, французским и испанским языками, а затем исходный текст сравнивался с полученными текстами по девяти показателям.

Другими словами, переводы из набора рекомендаций во всех случаях оказались более разнообразны с точки зрения лексики и синонимов.

По словам участников исследования, потеря лексического разнообразия позволяет упростить и согласовать текст, но может помешать ИИ-системам принимать правильные грамматические решения. Негативный эффект также оказывается на более морфологически богатые языки, такие как испанский и французский.

В статье по проделанной работе ученые написали о том, что в связи с широким распространением систем машинного перевода пришло время изучить влияние этих алгоритмов на человеческий язык: «‎Если машинный перевод является упрощенной версией обучающих данных, то о чем это говорит с социолингвистической точки зрения и как это повлияет на язык в долгосрочной перспективе?»

Авторы исследования не предлагают решений для обнаруженной проблемы. Однако они надеятся, что полученные показатели вдохновят других на дальнейшее изучение этой темы.

Источник.