Jeder, der sich mit dem Thema Maschinelle Übersetzung (MÜ) auseinander gesetzt hat, wird dabei vermutlich über mindestens eine der folgenden Abkürzungen gestolpert sein: SMÜ, NMÜ und PEMÜ. Aber wofür stehen diese Abkürzungen und ihre englischen Pendants SMT, NMT und PEMT eigentlich?
Die maschinelle Übersetzung hat durch neuronale Netze einen wahnsinnigen qualitativen Sprung vollzogen. Das bedeutet eine grundlegende Umstellung und ein Umdenken vorhandener Prozesse und Workflows – nicht nur für Übersetzungsdienstleister! Als Berater für Sprach- und Übersetzungstechnologien erhalten wir zunehmend Anfragen von Unternehmen, die sich für die Integration neuronaler maschineller Übersetzung (kurz: NMÜ) in ihre Content Management Umgebungen und Übersetzungsplattformen interessieren. Einige zentrale Fragen (und Antworten) aus unseren Kundengesprächen fasse ich in meinem Blog zusammen.
Der Zug der Neuronalen Maschinellen Übersetzung (NMÜ) nimmt rasant Fahrt auf und die NMÜ ist längst in Deutschland angekommen. Dazu tragen sowohl die verbreitete Nutzung des NMÜ-Aushängeschilds DeepL bei als auch das zunehmende Interesse kleiner und großer Unternehmen, spezialisierte kundenspezifische MÜ fest in den Übersetzungsworkflow zu integrieren. In meinem Blog gehe ich auf alltägliche Fragestellungen zur Dienstleister-Landschaft, Trainingsmöglichkeiten domänenspezifischer Engines und der Umsetzung von Post-Editing-Prozessen ein.
Christian Eisold war für uns vom 19.08. bis zum 23.08.2019 auf dem MT Summit in Dublin und hat sich dort in Workshops, Vorträgen und Gesprächen zum aktuellen Stand der maschinellen Übersetzung informiert. Neben den akademischen Beiträgen des sogenannten Research Tracks, die sich spezifischen Fragestellungen zur technisch-linguistischen Umsetzung von Übersetzungsproblemen widmen, konnte vor allem der Translator Track mit vielen Beispielen aus der Praxis von Übersetzungsdienstleistern, Einblicke in die Anforderungen moderner Übersetzungsworkflows mit MÜ-Komponenten bieten.
Die von der EAMT (European Association for Machine Translation) ausgerichteten Konferenzen sind für uns Pflicht. In diesem Jahr fällt die EAMT-Konferenz mit dem MT Summit zusammen und führt uns erneut ins schöne Dublin. Dort tauschen wir uns eine Woche lang in Workshops, Vorträgen und Poster-Sessions mit Anwendern, Entwicklern und Forschern zum aktuellsten Stand der Maschinellen Übersetzung aus. Warum tun wir das? Um für unsere Kunden richtungsweisende Entwicklungen und Trends in der MÜ aufzuspüren.
Nachdem unsere Kollegin Christiane bereits an der Content Connections 2018 teilgenommen hatte, fiel die Wahl dieses Jahr nun auf mich und unseren Neuzugang Mylène. Und so machten wir uns auf in das aufgeheizte Berlin zur diesjährigen Content Connections im Amano Grand Central Hotel gegenüber des Berliner Hauptbahnhofs.
Drei Tage lang hatten wir hier Gelegenheit, uns mit Entwicklern und Anwendern von Acrolinx zum Thema ‚Content‘ in all seinen Ausprägungen auszutauschen und neue Funktionen und Anwendungsfälle des Tools kennenzulernen.
Seitdem das deep learning in die Welt praktizierter maschineller Lernverfahren Einzug gehalten hat, vergeht kaum eine Woche, in der man nicht von Durchbrüchen und neuen Anwendungsfällen neuronaler Netze lesen kann. Im heutigen Blog möchten wir Ihnen einen kleinen Einblick in unsere Schulungen zur digitalen Qualifizierung und das Modul “Maschinelles Lernen” geben.
Wenn das Directorate-Generale for Translation (DGT) der Europäischen Kommission mit der Anfrage anklopft, einen Überblicksvortrag zum Stand der neuronalen Übersetzung zu halten, lässt man sich nicht 2 Mal bitten und macht sich auf den Weg in die Hauptstadt Bulgariens.
Wer erinnert sich nicht an die aufdringlich schlaue Büroklammer, die uns ungefragt mit Tipps zu Funktionen in Word, Excel, Powerpoint und Outlook beglückte. Seit Karl Klammer – so hieß der spärlich animierte Neunmalklug – aus den Office-Paketen entfernt wurde, hat sich auf dem Gebiet der digitalen Assistenzsysteme einiges getan. Längst beschränken sich Avatare, Assistenten und Chatbots nicht mehr auf die reine Darbietung von Infos oder die Antwort zu fest vorgegebenen Frageoptionen. In diesem Blogbeitrag vertiefen wir das Thema NLP, Chatbots und Sprachassistenten weiter.
Neuronale maschinelle Übersetzung erreicht mit öffentlichen Angeboten (Software as a Service) wie DeepL eine stetig wachsende Nutzerzahl und erfreut sich dank der teils herausragenden Übersetzungsqualität auch wachsenden Vertrauens in die Technologie. Das Angebot von DeepL, Google & Co stößt jedoch dort an seine Grenzen, wenn sehr spezifische Textinhalte (Domänen) des Nutzers übersetzt werden sollen, die nicht in das Training der öffentlichen Systeme eingeflossen sind. Hier muss der Nutzer seine Texte in die Hand nehmen, um eine sog. domänenspezifische Engine mit dem System eines MÜ-Anbieters zu trainieren. Wir geben Ihnen einen Überblick, was hierzu nötig ist und wo in der NMÜ noch Entwicklungsbedarf besteht.