Inside DeepL: چگونه استارتاپ با غول های ترجمه ماشینی رقابت می کند

ترجمه هوش مصنوعی روش ارتباط ما را متحول کرده است و موانع زبانی را به روشی بی سابقه از بین می برد. پیش بینی می شود که اندازه بازار جهانی این بخش به آن برسد ۱۲٫۳ میلیارد دلار (۱۱٫۳ میلیارد یورو) تا سال ۲۰۲۶ – و بازیکنان بزرگ و کوچک به طور یکسان به دنبال پول نقد هستند.

در میان آنها، DeepL مستقر در کلن استانداردهای صنعت را حتی در مقایسه با آنها بالا برده است فن آوری غول هایی مانند مترجم گوگل و مترجم مایکروسافت.

ما همیشه با شرکت های بزرگ رقابت می کنیم.

این استارت آپ از دیکشنری آنلاین Linguee متولد شد و از زمان تأسیس آن در سال ۲۰۱۷ توسط Jarek Kutylowski، دانشمند کامپیوتر که به عنوان مدیر عامل شرکت نیز خدمت می کند، به سرعت رشد کرده است.

کوتیلوفسکی که در لهستان به دنیا آمد، در سن ۱۲ سالگی به آلمان نقل مکان کرد و در آنجا بدون اینکه حتی یک کلمه آلمانی صحبت کند به مدرسه رفت. این باعث شد که او به اهمیت زبان و دشواری در برقراری ارتباط به چند روش پی ببرد.

وقتی در سال ۲۰۱۷ کار روی DeepL را شروع کرد، این را دید شبکه های عصبی ممکن است پیشرفتی را ارائه دهد که فناوری را قادر می سازد این مشکل را حل کند. کوتیلوفسکی به TNW می‌گوید: “ما به نوعی می‌دانستیم که ترجمه ماشینی به این سمت می‌رود. و می‌دانستیم که این کار بسیار مفید خواهد بود. با دیدن این فرصت، فکر کردیم “هی، بیا چیزی عالی بسازیم.”

ترجمه ماشین عصبی (NMT) – مانند روشی که از شبکه های عصبی استفاده می کند – موفق ترین روش ترجمه ماشینی است که تا به امروز داشته ایم. در مقایسه با پیشینیان خود، سریع‌تر، دقیق‌تر، کم‌مصرف منابع و مقیاس‌پذیری آن آسان‌تر است.

DeepL از این فناوری برای ارائه خدمات ترجمه رایگان و ممتاز با تمرکز ویژه بر محصولات B2B استفاده می کند. این سازمان می گوید که از زمان آغاز به کار، بیش از ۱ میلیارد کاربر درخواست داده اند و در حال حاضر بیش از ۲۰۰۰۰ مشتری تجاری دارد، از جمله الزویر، فوجیزو، و ماستودون.

کوتیلوفسکی توضیح می‌دهد: «ترجمه برای مشاغل بسیار مهم است. امروزه، شرکت‌ها به سرعت شروع به جهانی شدن و گسترش به بازارهای دیگر کرده‌اند، بنابراین مشتریانی را در حوزه‌های مختلف جذب می‌کنند.»

او می افزاید که بیشترین نیاز به ترجمه معمولاً در مشاغلی است که متن سنگین هستند، مانند خدمات حقوقی. کوتیلوفسکی می‌گوید: «این جایی است که ما اغلب شاهد شدیدترین تقاضا از سوی پایگاه مشتریان خود هستیم.

تا به امروز، DeepL 31 زبان را در سراسر اروپا و آسیا پوشش می دهد. در سال ۲۰۲۳، همراه نوشتن هوش مصنوعی خود را معرفی کرد و وضعیت تک شاخ را ایمن کرد. با وجود محیط سخت تامین مالیدر ژانویه، شرکت مبلغ نامعلومی را افزایش داد (تخمین زده در ۱۰۰ میلیون یورو)، به ارزش ۱ میلیارد یورو می رسد.

ترجمه ماشینی “بهترین های جهان”.

DeepL ادعای مطمئن ارائه “بهترین های جهان” را دارد هوش مصنوعی ترجمه علاوه بر این، این شرکت می‌گوید که محصولش در مقایسه با رقبای خود ظریف‌تر و ۳ برابر دقیق‌تر است.

این ادعاها بر اساس “آزمایش های کور” است که در آن مترجمان حرفه ای دقیق ترین ترجمه را انتخاب می کنند بدون اینکه بدانند کدام شرکت آن را تولید کرده است.

وقتی چند آزمایش آزمایشی از خودم انجام دادم، DeepL واقعاً برتر بود. در ابتدا، من از قطعه ای استفاده کردم غریبه توسط آلبر کامو و با استفاده از مترجم DeepL و Google Translate آن را از فرانسوی به انگلیسی ترجمه کرد.

اگرچه مقوله متن ادبی هدفی نیست که این ابزارها برای آن ساخته شده اند، به هر حال تصمیم گرفتم با آن شروع کنم، همانطور که به طور پیش فرض است. برای یک سیستم هوش مصنوعی دشوارتر است.

به این دلیل که هنر ترجمه ادبی پیچیده است و به چیزی بیش از مهارت زبانی نیاز دارد. این شامل سطح بالایی از خلاقیت، درک عمیق از صدای نویسنده، سبک، و پیشینه تاریخی-اجتماعی، و همچنین انتقال معنا در میان فرهنگ های مختلف است.

با این وجود، نتیجه DeepL بسیار برتر از گوگل بود. در حالی که برخی از کاربردهای زبان استعاری را نادیده گرفت و چند اشتباه در قصد و توافق مرتکب شد، متن پایانی معنای نزدیک‌تری به متن اصلی ارائه کرد.

آزمایش را با استفاده از آن تکرار کردم یک مقاله از خودم برای بررسی اینکه آیا ابزارهای ترجمه معنایی را که من خودم مد نظر داشتم را منتقل می کنند یا خیر. من از انگلیسی به یونانی (زبان مادری من) ترجمه کردم.

در زیر ترجمه DeepL آمده است:

و این هم نتیجه ترجمه گوگل:

باز هم DeepL کار بهتری انجام داد. با وجود چند اشتباه جزئی، ترجمه در یونانی ظریف‌تر و طبیعی‌تر بود و در عین حال به معنای اصلی نیز پایبند بود. اما از آنجایی که احتمالاً همه اینها برای شما یونانی است، لازم نیست دنیای من را به خاطر آن بگیرید. خودت تست کن.

به گفته کوتیلوفسکی، انتقال معنای صحیح به زبان مقصد بدون «قصابی» مستلزم تعادل درست بین دقت و روان است. این به شدت به مورد استفاده بستگی دارد. به عنوان مثال، یک سند فنی نیاز به دقت بالاتر دارد، در حالی که یک متن بازاریابی برای تسلط بالاتر.

با وجود این چالش، او معتقد است که هوش مصنوعی قادر است حتی پیچیده ترین زبان ها را یاد بگیرد. او می‌افزاید: «اگر زبان بیگانه‌ای وجود داشت که باید آن را یاد می‌گرفتیم، امروزه با حجم مناسبی از مطالب ترجمه شده، احتمالاً می‌توانستیم مدل ترجمه آن را نیز بسازیم.»

لبه DeepL چیست؟

به نظر می رسد کوتیلوفسکی نگران رقابت نیست. او می‌گوید: «ما همیشه با شرکت‌های بزرگ رقیب بوده‌ایم» و اضافه می‌کند که Google Translate همچنان بزرگترین رقیب DeepL است.

او می گوید که مزیت استارت آپ به ترکیبی از سه عامل خلاصه می شود: سخت کوشی، یک تیم عالی و تمرکز.

او می گوید: «تمرکز همیشه یک چیز مهم است. “ترجمه کار اصلی گوگل نیست – یکی از ۱۰۰ کنسرت جانبی است. اگر LLMها و OpenAIهای جهان را به عنوان رقبای ما در نظر بگیرید، همینطور است؛ ترجمه تنها یکی از کارهایی است که آنها انجام می دهند و پردازنده گرافیکی آنها. در حال انجام یک تن از کارهای مختلف است. ما روی یک منطقه خاص تمرکز کرده ایم.”

از منظر فناوری، موفقیت DeepL در معماری شبکه‌های عصبی آن، ورودی‌های ویرایشگران انسانی و داده‌های آموزشی نهفته است.

این استارت‌آپ مدل‌های خود را بر روی هزاران داده، عمدتاً از اینترنت، آموزش می‌دهد و از خزنده‌های وب ویژه برای یافتن خودکار ترجمه‌ها و ارزیابی کیفیت آنها استفاده می‌کند. همچنین از روش هایی مانند یادگیری تقویتی برای ارائه بازخورد مثبت به هوش مصنوعی استفاده می کند تا به تولید کیفیت مطلوب ادامه دهد.

کوتیلوفسکی می افزاید، این همچنین در مورد یافتن تعادل مناسب بین توانایی مدل برای ترجمه و توانایی آن برای تشکیل جملات در زبان مقصد است. “بنابراین کار زیادی روی این می شود که ما چقدر مدل ها را روی داده های تک زبانه آموزش می دهیم و چقدر روی ترجمه ها آموزش می دهیم. جزئیات زیادی وجود دارد که تیم ریاضی از آنها مراقبت می کند.”

ترجمه ماشینی: چالش ها و فرصت های جدید

کوتیلوفسکی اذعان می‌کند که رونق اخیر در شیفتگی هوش مصنوعی – تا حد زیادی به دلیل مدل‌های زبان بزرگ (LLM) – منجر به چشم‌اندازی چالش‌برانگیزتر و سریع‌تر شده است.

«ترجمه ماشینی اکنون یک مسابقه است.

تیم DeepL اکنون باید با پیشرفت‌های متعدد به‌روز باشد: مدل‌های جدید در حال عرضه، کار منبع باز این اتفاق می افتد، تحقیقات دانشگاهی، و کار سایر شرکت ها.

او می گوید: «ترجمه ماشینی در حال حاضر نوعی مسابقه است. بنابراین چه استراتژی خوبی برای رقابت در این مسابقه وجود دارد؟

به گفته کوتیلوفسکی، یک جنبه این است که به طور مداوم نوآوری کنید، و اطمینان حاصل کنید که گام های درستی برای فعال کردن آن بردارید. سرمایه گذاری مناسب یکی دیگر از موارد است. همچنین به تامین سرمایه مورد نیاز و تیم مناسب می رسد.

اما در عین حال، علاقه و پیشرفت روزافزون به هوش مصنوعی فرصت‌های فناوری جدیدی را نیز به ارمغان می‌آورد. او می‌گوید: «چیزهایی وجود دارد که ما دو یا سه سال پیش در مورد آنها فکر می‌کردیم که فناوری هنوز برای فعال کردن آن‌ها وجود نداشت.

این شامل ترجمه‌های شخصی‌سازی‌شده متناسب با سبک شرکت و تجربه ترجمه تعاملی‌تر است. DeepL همچنین تحقیقاتی را برای ترجمه فاکتور آغاز کرده است، در حالی که LLM های خود را از ابتدا آموزش می دهد – تا حدی به لطف خوشه ابر رایانه جدید خود، DeepL Mercury.

این LLM ها فرصت هایی را برای بهبود بیشتر کیفیت ترجمه و فعال کردن گردش های کاری جدید و تعاملی برای کاربران فراهم می کند، با قابلیت ها و برنامه های کاربردی بیشتری که در سال ۲۰۲۴ رونمایی می شوند.

آینده یادگیری زبان

ترجمه ماشینی تاثیر فوق العاده ای در غلبه بر موانع ارتباطی داشته است. اما این همچنین این سوال را ایجاد می کند: آیا به نقطه ای خواهیم رسید که دیگر زبان های خارجی را یاد نگیریم زیرا هوش مصنوعی می تواند این کار را برای ما انجام دهد؟

“با پیشرفت هوش مصنوعی به طور کلی، من فکر می کنم ما به عنوان انسان باید این سوال را از خود بپرسیم: چه چیزی باید یاد بگیریم? و چه چیزی می خواهیم یاد بگیریمکوتیلوفسکی می گوید؟

او معتقد است که وقتی صحبت از زنده ماندن در یک کشور خارجی می شود، با بهتر شدن و بهتر شدن فناوری، به تدریج ضرورت یادگیری زبان کاهش می یابد. اما این بدان معنا نیست که ارزش یادگیری زبان کاهش می یابد.

برای توضیح، او از ریاضیات به عنوان مثال استفاده می کند. در حالی که در زندگی واقعی ما اکثر معادلات پیچیده ای را که در مدرسه به ما آموزش داده شده است به کار نمی بریم، فرآیند یادگیری همچنان حیاتی است زیرا به ما تفکر منطقی می آموزد.

کوتیلوفسکی می گوید در مورد زبان ها هم همینطور است. هنگامی که ما زبانی را یاد می گیریم، همچنین یاد می گیریم که چگونه افکار را شکل دهیم و ایده ها را بیان کنیم – و این برای رشد ما بسیار مهم است.

مزایای یادگیری زبان خارجی و دوزبانگی در واقع هم برای فرد و هم برای جامعه بسیار گسترده است.

تحقیقات نشان میدهد که یادگیری زبان دوم در واقع مغز را تغییر می دهد. به طور خاص، چگالی ماده خاکستری (تعداد نورون های مغز) و همچنین یکپارچگی ماده سفید (سیستم رشته های عصبی که مناطق مختلف مغز را به هم متصل می کند) را افزایش می دهد. این نه تنها عملکرد کلی مغز را تقویت می کند، بلکه حافظه، توجه، تمرکز و سایر توانایی های شناختی را نیز افزایش می دهد.

علاوه بر این، متعدد مطالعات یادگیری زبان را با عملکرد تحصیلی بهتر، قابلیت استخدام بالاتر، خلاقیت بهبود یافته و همچنین مهارت های ارتباطی و آگاهی بین فرهنگی مرتبط کرده اند.

کوتیلوفسکی خاطرنشان می کند: “بنابراین برای لذت خود و برای رشد مغز و شخصیت شما، یادگیری زبان ها همچنان مهم است.” “و حتی با بهترین مترجم تلفن خود، اگر با شریکی ازدواج می کنید که اهل کشور دیگری است، قرار نیست از طریق تلفن خود ارتباط برقرار کنید. یا حداقل، امیدوارم اینطور باشد.”