Redes Neurais:Impulsionando a Próxima Fronteira na Tradução Automática

O artigo foi escrito e enviado por Rachel Wheeler. 

A ideia da tradução automática remonta a muitas décadas. Primeiro, era apenas um sistema para traduções automáticas baseadas em regras. Então, na década de 1980, os pesquisadores desenvolveram traduções automáticas estatísticas. No século 21, o grande salto na tecnologia de tradução automática virá do aprendizado de máquina e da tecnologia de redes neurais. 

Nos últimos anos, temos visto alguns desenvolvimentos significativos por parte de empresas de tradução que estão a utilizar estas tecnologias de Inteligência Artificial para fornecer melhores traduções automáticas. Alguns dos exemplos mais impressionantes vieram de sistemas como o Google Neural Machine Translation (GNMT) e o Neural Translator da Microsoft.

O que é uma tradução automática neural?

As traduções automáticas já estão amplamente disponíveis, e já existem há anos. Você pode encontrar sistemas de tradução automática em vários aplicativos populares e existem serviços online que oferecem serviços de tradução automática. No entanto, existem diferenças significativas entre os serviços já disponíveis e os sistemas que estão sendo desenvolvidos para utilizar redes neurais.

A maioria dos sistemas que você encontraria agora são traduções automáticas estatísticas. Eles usam algoritmos e modelos estatísticos para adivinhar a tradução correta de uma frase. Pode funcionar bem para frases curtas, mas atinge seus limites quando é solicitado a traduzir amostras mais longas, como um livro digital inteiro para uma tradução de e-learning. Os resultados podem ser qualquer coisa, desde uma interpretação bastante precisa até uma tradução totalmente sem sentido.

As traduções automáticas neurais representam uma abordagem muito diferente dos sistemas mais antigos que usam traduções automáticas estatísticas. Com um sistema NMT, uma rede neural é treinada e otimizada para realizar serviços de tradução.

Esses sistemas utilizam aprendizado profundo para analisar grandes quantidades de traduções que já foram realizadas por tradutores humanos. Ao analisar este grande conjunto de dados, pode contabilizar frases inteiras, compreender o contexto e diferentes variações, e trabalhar com subtilezas linguísticas que não poderiam ser programadas num modelo baseado em estatística. O resultado final é um sistema de tradução automática mais fluente e natural.

Como funcionam as redes neurais?

A chave para fornecer às máquinas essa capacidade de aprender é a rede neural. Este é um tipo de tecnologia de computação projetada para imitar o funcionamento do cérebro humano. No cérebro, as vias neurais são formadas à medida que aprendemos. Se o caminho for útil e benéfico, ele ficará mais forte. Se não fornecer os resultados corretos, fica mais fraco.

A ideia por trás das redes neurais é simular a natureza interconectada das vias neurais no cérebro. Com este design, os computadores podem aprender, reconhecer padrões e tomar decisões de uma forma semelhante ao cérebro humano.

As redes neurais artificiais simulam essa estrutura tendo de dezenas a milhões de neurônios artificiais conhecidos como unidades. Essas unidades são organizadas em camadas. De um lado, você tem unidades de entrada projetadas para receber informações. No lado oposto, você tem unidades de saída que sinalizam a resposta às informações aprendidas.

Entre as camadas de unidades de entrada e unidades de saída você tem as unidades ocultas. Essas são as camadas que compõem a maior parte da rede neural e também são usadas para formar a maioria das conexões.

Cada conexão em uma rede neural recebe um peso para indicar a força da conexão entre as duas unidades. O peso pode ser positivo para uma conexão que excita a outra unidade, ou pode ser negativo para uma conexão que suprime a ação da outra unidade. Quanto maior o peso, maior a influência que uma unidade tem sobre a outra na ligação.

As redes neurais aprendem comparando a saída produzida com a saída desejada. As informações são alimentadas no sistema na extremidade de entrada. Em seguida, aciona conexões em unidades ocultas. Isto leva a uma conexão com a extremidade de saída. A saída que a rede realmente produz é então comparada com a saída desejada. Os pesos são então modificados com base na diferença entre a saída produzida e a saída desejada.

Para traduções automáticas, a estrutura de uma rede neural torna o sistema mais adaptativo e capaz de lidar com modelos mais complexos do que um sistema baseado em regras e estatísticas. Também pode aprender com a sua experiência. Se não fornecer o resultado correto, ele aprende com o erro e faz ajustes para ter um desempenho mais eficiente na próxima vez. 

O que isso significa para as traduções automáticas?

A tradução automática neural ainda é uma tecnologia nova. Mesmo estando em seus estágios iniciais, já fornece resultados superiores aos melhores sistemas de tradução automática estatística. Dito isto, temos um longo caminho a percorrer antes que as traduções automáticas neurais possam competir com um tradutor humano qualificado.

Leia:Inteligência Artificial vs Aprendizado de Máquina vs Aprendizado Profundo

O avanço da tradução automática neural não virá de uma empresa. Será o resultado de diversos avanços de pesquisadores de diferentes organizações e ao redor do mundo. À medida que a tecnologia se desenvolve, o NMT se tornará uma ferramenta importante para tradutores humanos. Com a necessidade crescente de traduções complexas, os profissionais usarão esses sistemas para fornecer traduções precisas em menos tempo e isso os ajudará a atender à demanda crescente.