14 ноября 2016 года исследователи Мелвин Джонсон, Майк Шустер, Куок Ли Уайет и их соавторы опубликовали научную статью под названием «Мультиязычная нейронная система машинного перевода Google: активация «zero-shot translation»» («Google’s Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation»). В статье рассматриваются последние достижения искусственного интеллекта нейронной системы машинного перевода Google (Google's Neural Machine Translation (NMT)). По словам ведущих исследователей автоматизированного компьютерного обучения компании Google, платформа нейронного машинного перевода разработала свой собственный внутренний язык.
Искусственный интеллект Google намерен изменить привычную жизнь
Это первый случай, когда искусственный интеллект на базе платформы смог сгенерировать соединения между языками, у которых нет общих связей.
Чтобы обнаружить это, ученые проанализировали, что могло бы произойти, если бы на платформе осуществлялся перевод с английского на японский, с японского на английский, с английского на корейский и с корейского на английский.
Они обнаружили, что система показала себя лучше, чем существующие платформы, при переводе между языками с, казалось бы, очень разными языковыми традициями, не имеющими общих корней.
Чтобы исследовать это явление более досконально, они захотели увидеть, сможет ли система осуществить перевод с японского на корейский без использования английского языка как связи между ними. Они обозначили этот тип процесса искусственного интеллекта как «zero-shot translation» и предположили, что для его осуществления необходимо, чтобы система разработала внутреннее, полностью автономное чувство логики, основанное на смыслотворчестве, языке или рамках диалекта.
Чтобы суметь определить, как правильно перевести тонкие и сложные различия между несвязанными языками, платформа NMT должна была иметь внутренний способ сравнения слов, фраз и тонких различий между их значениями в контексте. По данным ведущих научных сотрудников компании Google, эти результаты предполагают, что их система обучения может научиться решать проблемы, для которых она изначально не была предназначена. Пока они не совсем понимают специфические механизмы того, как это произошло, но очевидно, что проект добился большого прогресса с момента своего запуска 27 сентября 2016 года.
Может быть, Neural Machine Translation это будущий SkyNet?..
