تاریخچه گوگل ترنسلیت، از ترجمه آماری ضعیف تا هوش مصنوعی جمینای (Gemini)

بازدیدها: ۰

حامد جلالی فر، مترجم و پژوهشگر ترجمه

ریشه‌ ها و راه‌اندازی (۲۰۰۴–۲۰۰۶)

ایده راه اندازی ترجمه گوگل یا همان «گوگل ترنسلیت» معروف، ریشه در سال ۲۰۰۴ دارد، زمانی که سرگئی برین، یکی از بنیان‌گذاران گوگل، از کیفیت پایین نرم‌ افزارهای ترجمه موجود ناامید شد. برین در حال ترجمه یک ایمیل کره‌ ای با نرم‌افزاری بود که گوگل  لایسنس(مجوز) آن را صادر کرده بود. ترجمه ای که او از ایمیل کره ای به انگلیسی دیده بود بسیار خنده دار بود! زبان مقصد انگلیسی بود یعنی این جمله:😄👇

“The sliced raw fish shoes it wishes”

نرم افزار   جمله کره ای را به صورت تک کلمه ای یا همان ترجمه “نعل به نعل” انجام داده بود.اگر بخواهیم به فارسی ترجمه کنیم هم خنده دار است:😄👇
“کفش ماهی خام اسلایس (تکه شده)  که آروزیش را دارد”.

همین ترجمه افتضاح بود که جرقه ای شد برای راه اندازی یک سیستم ترجمه داخلی در گوگل!

توسعه گوگل ترنسلیت توسط تیمی به رهبری فرانتس یوزف اوخ (Franz Josef Och) پیش برده شد. این سرویس بر پایه ترجمه ماشینی آماری (Statistical Machine Translation – SMT) بنا شد، که از الگوریتم‌ های پیش‌بینی‌ کننده برای تطبیق الگوهای زبانی استفاده می‌ کرد. داده‌ های اولیه برای راه اندازی ترجمه گوگل، از اسناد سازمان ملل متحد و پارلمان اروپا جمع‌ آوری شد تا مدل‌ های زبانی آموزش ببینند. همین جمع آوری داده ها ، بنیان شکل گیری ترجمه گوگل را تشکیل داد و به پیشرفت های خیره کننده امروزی رسید. این تاریخچه نشان می دهد که  ترجمه های دقیق انسانی  چه نقش مهمی در شکل گیری ترجمه های ماشینی ایفا کردند.

جا دارد در همینجا به تمام مترجمانی ادای احترام کنم  که در طول قرنهای متمادی، عمر خود را صرف بالندگی حرفه ترجمه و پیشرفت بشر کردند 🙏🌍

ادامه مقاله:

در نهایت، گوگل ترنسلیت در ۲۸ آوریل ۲۰۰۶ به صورت نسخه بتا راه‌ اندازی شد. در ابتدا، تنها چند زوج زبانی(language pair) مثل انگلیسی به فرانسوی، انگلیسی به آلمانی، انگلیسی به اسپانیایی، انگلیسی به پرتغالی،انگلیسی به ایتالیایی، انگلیسی به چینی،انگلیسی به ژاپنی،  انگلیسی به کره‌ ای، انگلیسی به عربی و  انگلیسی به روسی پشتیبانی می‌ شد. ترجمه‌ ها عمدتاً از طریق انگلیسی انجام می‌شدند، که محدودیت‌ هایی مانند دقت پایین و عدم توجه به زمینه متن(چارچوب متن) ایجاد می‌ کرد. با این حال، این ابزار رایگان و آنلاین، به سرعت محبوبیت یافت و صفحات وب را به طور کامل ترجمه می‌کرد. در این روش زبان انگلیسی به عنوان زبان بین المللی در اسناد رسمی سازمان ملل و پارلمان اروپا زوج زبانی ثابتی بود که به زبان های رسمی دیگر در سازمان ملل ترجمه می شد. بنابراین نقشه واسطه را ایفا می کرد و در کانون زوج های زبانی قرار داشت.

گسترش اولیه و ویژگی‌های جدید (۲۰۰۷–۲۰۱۵)

در اکتبر ۲۰۰۷، گوگل سیستم ترجمه خود را جایگزین سیستم Systran (که قبلاً لایسنس کرده بود) کرد و کنترل کامل را به دست گرفت. این تغییر، دقت را بهبود بخشید. در این دوره، تمرکز بر گسترش زبان‌ ها و ویژگی‌ ها بود:

• ۲۰۰۸–۲۰۱۰: اضافه شدن زبان‌ هایی مانند روسی و هندی. در ژانویه ۲۰۱۰، اپلیکیشن اندروید راه‌ اندازی شد و ویژگی ترجمه صوتی برای زبان‌ هایی مانند عربی، ژاپنی و کره‌ ای اضافه گردید.
• ۲۰۱۱: پشتیبانی از زبان‌ های هندی مانند بنگالی و گجراتی. اپ iOS در فوریه ۲۰۱۱ عرضه شد.
• ۲۰۱۲–۲۰۱۳: رسیدن به ۶۵ زبان! تا مه ۲۰۱۳، بیش از ۲۰۰ میلیون کاربر روزانه داشت.
• ۲۰۱۴: خرید اپ Word Lens برای ترجمه علائم و تصاویر با دوربین. همچنین اضافه شدن زبان‌ هایی مانند برمه‌ ای و قزاقی. تا آوریل ۲۰۱۶، بیش از ۵۰۰ میلیون کاربر و ۱۰۰ میلیارد کلمه ترجمه روزانه گزارش شد.

در این دوران، ترجمه ماشینی آماری(SMT )همچنان پایه فعالیت گوگل ترنسلیت را تشکیل می داد، اما محدودیت‌ هایی مانند ترجمه کلمه‌ به‌ کلمه(ترجمه نعل به نعل) و اشتباهات گرامری مشهود بود. گوگل از کمک کاربران (مانند پیشنهاد ویرایش ترجمه‌ ها) برای بهبود مدل‌ها استفاده کرد.

انقلاب عصبی و پیشرفت‌ های مدرن (۲۰۱۶–۲۰۲۳)

سال ۲۰۱۶ نقطه عطفی بود. گوگل ترجمه ماشینی عصبی (Neural Machine Translation – NMT) را معرفی کرد، که بر پایه شبکه‌ های عصبی عمیق کار می‌ کند و جملات را با توجه به چارچوب متن ترجمه می‌ نماید. این سیستم،  در برخی زوج های زبانی مثل ( انگلیسی- فرانسوی) دقت را تا ۶۰% افزایش داد و ترجمه‌ ها را طبیعی‌ تر کرد. ویژگی‌ هایی مانند “ترجمه بدون الگوی قبلی”           (Zero-Shot Translation) برای اولین بار اجازه داد  که گوگل بدون داده‌ های مستقیم، زبان‌ ها را ترجمه کند. یعنی برای اولین بار بود که گوگل ترنسلیت بدون مشاهده حتی یک نمونه از ترجمه مثلا “روسی- فارسی” متن روسی به فارسی یا فارسی به روسی را ترجمه کرد.

• ۲۰۱۷: استفاده در دادگاه بریتانیا و گسترش به زبان‌ های اندونزیایی و هندی.
• ۲۰۱۸–۲۰۱۹: اضافه شدن ویژگی‌ های آفلاین و ترجمه دست‌ نویس. تا ۲۰۱۹،  از ۱۰۳ زبان پشتیبانی می‌شد.”ترجمه دست‌ نویس” به این معناست که ویژگی ترجمه متنی که به صورت دستی نوشته شده است به برنامه یا سرویس اضافه شده است. به عبارت دیگر، کاربران می‌ توانند متن‌ های دست‌ نویس خود را از طریق صفحه لمسی یا قلم دیجیتال وارد کرده و ترجمه کنند. این ویژگی معمولاً به کاربران امکان می‌ دهد تا متنی که به صورت فیزیکی نوشته شده است (مثلاً با دست روی کاغذ) را با استفاده از دستگاه‌ های دیجیتال ترجمه کنند.
• ۲۰۲۰: انتقال به مدل‌ های ترانسفورمر (Transformer) برای پردازش بهتر زمینه. مدل‌های ترانسفورمر (Transformer)  از معماری خاصی استفاده می‌کنند که می‌تواند روابط و وابستگی‌ها درون داده‌ ها را به طور موثرتری شبیه‌سازی کند. این مدل‌ها به جای پردازش داده‌ها به صورت ترتیبی (مثل مدل‌های قبلی RNN یا LSTM)، می‌توانند تمام داده‌ ها را به طور همزمان پردازش کنند و به همین دلیل سرعت و دقت بیشتری دارند.
• ۲۰۲۱: اپ به یک میلیارد نصب رسید. ویژگی Transcribe برای ترجمه گفتار طولانی و ادغام با Pixel Buds.  ترجمه همزمان گفتار: با استفاده از ویژگی Transcribe، شما می‌ توانید گفتار یک شخص را در زمان واقعی به متن تبدیل کنید. این ویژگی به صورت زنده و در لحظه، متنِ گفتار را نمایش می‌ دهد و امکان ترجمه آن به زبان‌ های مختلف را فراهم می‌ آورد. پشتیبانی از زبان‌های مختلف : Transcribe از بیش از ۱۰۰ زبان مختلف پشتیبانی می‌ کند، بنابراین این ابزار می‌ تواند در مکالمات بین‌ المللی و چندزبانه بسیار مفید باشد. اتصال به Pixel Buds: این ویژگی به طور خاص برای دستگاه‌ های گوگل پیکسل و   Pixel Buds طراحی شده است. هنگامی که شما از Pixel Buds برای گوش دادن به مکالمات استفاده می‌کنید، دستگاه به طور خودکار از ویژگی Transcribe برای نمایش متن و ترجمه مکالمات در لحظه استفاده می‌کند.
• ۲۰۲۲: اضافه شدن ۲۴ زبان جدید با فناری (Zero-Shot) (ترجمه بدون مشاهده حتی یک الگوی قبلی از ترجمه) و توقف سرویس در زبان چینی به دلیل استفاده کم. تا آن زمان، بیش از ۱۳۰ زبان.

پیشرفت‌ های اخیر (۲۰۲۴–۲۰۲۵)

ترجمه گوگل در سال‌ های اخیر شاهد جهش‌ های عظیم بوده است. در ژوئن ۲۰۲۴، گوگل بزرگ‌ ترین گسترش خود را اعلام کرد: اضافه شدن ۱۱۰ زبان جدید با کمک مدل PaLM 2 (یک مدل زبانی در هوش مصنوعی مولد ). این زبان‌ ها شامل کانتونی، توک پیسین، و گویش‌ های روسی مانند باشکیری، چچنی، اوستی و تاتار کریمه می‌شوند. این به‌ روزرسانی، بیش از ۶۱۴ میلیون نفر (۸% جمعیت جهان) را پوشش می‌ دهد و تمرکز ویژه‌ ای بر زبان‌ های آفریقایی (یک‌ چهارم جدیدها) و بومی دارد.

در اوت ۲۰۲۴، ویژگی ترجمه زنده Live Translate با ابزار تمرین زبان اضافه شد. در فوریه ۲۰۲۵، ارتقای هوش مصنوعی جمینای AI با Gemini معرفی شد که ترجمه‌ ها را تعاملی‌ تر می‌کند: گزینه‌هایی مانند “ساده‌ سازی”، “رسمی”، “غیر رسمی”، “بازنویسی” و “گویش‌ های منطقه‌ ای” اضافه شد. این ویژگی‌ ها دقت را افزایش داده و نیاز به اتصال اینترنت را برای برخی عملکردها حفظ می‌کند.

نتیجه‌ گیری

گوگل ترنسلیت از یک ابزار ساده در ۲۰۰۶ به یک غول ترجمه هوش مصنوعی در ۲۰۲۵ تبدیل شده است. این پیشرفت، نتیجه ترکیب داده‌های عظیم، یادگیری ماشینی و نوآوری‌ هایی مانند NMT و PaLM 2 است. امروزه، این سرویس نه تنها موانع زبانی را برمی‌دارد، بلکه به حفظ زبان‌ های در معرض خطر کمک می‌کند و ارتباطات جهانی را تسهیل می‌نماید. با ادامه پیشرفت‌های  هوش مصنوعی، آینده گوگل ترنسلیت حتی هیجان‌ انگیزتر به نظر می‌رسد – دنیایی بدون مرزهای زبانی!

منابع برای مطالعه بیشتر  📚📚📚

Ruder, S. (2016). An Overview of Multi-Task Learning in Deep Neural Networks. arXiv preprint arXiv:1611.05197

 Wu, Y., Schuster, M., Chen, Z., Le, Q. V., Norouzi, M., Macherey, W., & Krikun, M. (2016). Google’s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation. arXiv preprint arXiv:1609.08144