A hírforrások leginkább Douglas Adams híres regénye, a "Galaxis útikalauz stopposoknak" egyik kitalált megoldásához, a Bábel-halhoz hasonlítják az újdonságot. A regényben szereplő idegen lény a felhasználók hallójárataiban él, agyhullámokkal táplálkozik, eközben pedig automatikusan az illető nyelvére fordít minden kívülről érkező hangforrást. Persze a Microsoft fejlesztése még nem ennyire pontos, és természetesen halat sem kell a fülünkbe gyömöszölnünk - az útiszótárak böngészésénél és az ööö-zésnél viszont mindenképpen gyorsabb, hatékonyabb, és a végső változatban kényelmesebb is lehet a használata.


Bocs, de ez nekem kínai ■ Manapság számítógép és internet használatával is két típusú fordítást vehetünk igénybe. Ezek közül az egyik a hagyományos szótárazási módszeren alapul, tehát szavanként keresgélünk: ilyenkor a rendszer a leggyakoribb jelentéseket adja ki, esetenként ragozott alakokkal bővítve. A másik megoldást leginkább a keresőcégek szolgáltatásaiban láthatjuk: a Google vagy a Bing fordítója igyekszik kontextus alapján igyekszik folyó szöveggé alakítani az idegen nyelvű mondatokat, de ez még sokszor bicegősen, értelmetlen eredményekkel sikerül. Példaképp ezt a bekezdést Google Fordítóba másolva angolra fordítottuk, majd vissza magyarra - az eredmény ez lett:

"Napjainkban a számítógép és az Internet használatát kétféle fordítási böngésző. Az egyik a hagyományos árképzési módszer alapján a szót, így keresni Szó: ebben az esetben a rendszer jelenti a leggyakoribb kérdés, néha ragozott formákat bővített. A másik az, hogy a szolgáltatást a legtöbb vállalat szeretnének látni, hogy a Google vagy Bing háttere fordító megpróbálja, hogy megpróbáljuk átalakítani a jelenlegi szöveg mondatok egy idegen nyelvet, de gyakran bicegősen értelmetlen eredmények nem. Például, ez a bekezdés bekerül Google fordító lefordították angolra, majd vissza a magyar - ez volt az eredmény."

Emellett mindkét megoldás nagy hátránya az automatizmus hiánya: a fordítási folyamathoz nekünk kell begépelni a szavakat, bemásolni a szöveget vagy megadni az idegen nyelvű honlapok hivatkozását. Rick Rashid, a Microsoft kutatási igazgatója viszont nemrég egy olyan új technológiáról értekezett, amely beszélt szöveget fordít le, és szintén beszéd formájában adja tovább a felhasználónak, már-már a Bábel-halat idézve.

Természetesen a Deep Neural Networks néven futó projekt hibaszázaléka még mindig nagy, tehát egy folyamatos beszédet valószínűleg a fenti idézethez hasonlóan értelmez. Rashid szerint azonban már a kontextus szerinti értelmezést segítő algoritmusok is jóval finomabbak a jelenleg elérhetőknél: ezek a köznyelv 75-80 százalékát tudják valamilyen szinten értelmezni, míg az új technológia akár 88 százalékos sikert is elérhet.

Én és a visszhangom ■ A projekt valódi ereje azonban a használatakor mutatkozik meg. A rendszer beállításakor a felhasználónak körülbelül egy órát kell különféle szövegeket beolvasnia a hangfelismerő rendszerbe, amely egyrészt eltárolja tónusait, beszédstílusás, sebességét a jobb megértéshez. Másrészt ilyenkor áll össze az a hangkép, amely a felhasználó hangját szimuláló beszédszintetizátort segíti a fordítás során.

Ezt követően már élesben használható a rendszer. Az élő beszédben felismeri a szakaszok (leggyakrabban mondatok) közötti szüneteket, majd rövid "gondolkodás" közben értelmezi a szavakat és az összefüggéseket, lefordítja a kívánt nyelvre, majd végül annak szórendjére alakítva próbálja a legjobban érthetővé és valószerűvé változtatni a szöveget. Ebből ma annyi hallható, hogy az élő szöveg elmondása után körülbelül egy másodperccel a felhasználóhoz nagyon hasonló tónusú géphang megismétli a mondatot a kívánt nyelven. Az alábbi videón Rick Rashid mutatja be a rendszert Tiencsinben, Kínában - érdemes 7:30 környékére navigálni, ahol a rendszer élesben fordítja az előadó szövegét mandarinra.


Természetesen a Deep Neural Networks még tesztelési és finomítási fázisban van, nincs például hozzá végleges, könnyen használható hardver, amelyet zsebünkben hordozva bárhol használhatnánk. A szakember szerint azonban már néhány éven belül olyan formában is elérhető lesz a megoldás, amelyet nem csak gondosan előkészített demók keretében lehet kipróbálni, hanem bármikor, bárhol a világon.