Мечта о вавилонской рыбке
В фантастике Дугласа Адамса «Автостопом по галактике» крошечная рыбка-вавилонянка, помещённая в ухо, мгновенно переводит любой язык. Человечество стремится к этой идее с 1940-х годов. Сегодня Google Translate обрабатывает более 100 миллиардов слов в сутки на 100+ языках. Путь от идеи до этой реальности занял 70 лет и несколько революций в подходах.
Первое поколение: правила (RBMT)
Первые системы машинного перевода (1950–1990-е) строились на правилах. RBMT (Rule-Based MT): морфологический анализ → синтаксический разбор → трансфер на промежуточное представление → генерация на целевом языке. Тысячи лингвистически мотивированных правил для каждой языковой пары. Преимущества: предсказуемое поведение, хорошо работает в узкой предметной области. Недостатки: требует огромного ручного труда лингвистов, плохо масштабируется, не справляется с идиомами и неоднозначностями.
Система SYSTRAN (основана 1968) — старейший игрок. Её переводы были знамениты буквальностью и неловкостью — в эпоху Интернета стали объектом насмешек («Мяч Уилл Джордан» вместо «баскетбол»).
Второе поколение: статистика (SMT)
С 1990-х доминировал SMT (Statistical MT). Идея: вместо правил — вероятности из больших параллельных корпусов (текстов оригинал+перевод). Лучший перевод — наиболее вероятный по данным. Ключевой вклад: Питер Браун и команда IBM (модели IBM 1–5, 1993). Google запустил Google Translate на SMT в 2006 году — сразу опередив все конкурирующие RBMT-системы.
SMT работает хуже при дальнем порядке слов (немецкий, японский vs. английский) и маломощных языках (мало параллельных данных).
Третье поколение: нейронные сети (NMT)
2016 год — революция. Google переключился на NMT (Neural MT) и за ночь улучшил качество перевода более чем предыдущие 10 лет. Ключевая архитектура — Transformer (2017, Google Brain): механизм внимания (attention) позволяет моделировать зависимости на всей длине предложения одновременно. DeepL (2017) — первая публичная NMT-система, превзошедшая Google по качеству в ряде оценок.
Особенности NMT: лучше справляется с идиомами, дальними зависимостями, контекстом. Минусы: «галлюцинирует» — вставляет слова, которых не было в оригинале, иногда полностью упускает фрагменты.
Большие языковые модели (LLM) и перевод
GPT-4, Claude, Gemini демонстрируют высокое качество перевода — без специального обучения на параллельных корпусах. Их преимущество: понимание контекста, культурных нюансов, способность объяснить переводческое решение. Слабость: менее предсказуемы, потребляют больше вычислительных ресурсов, плохо справляются с маломощными языками.
Professionальные переводчики пока незаменимы для: художественного перевода, юридических и медицинских текстов с высокой ответственностью за ошибку, маркетинговых текстов с культурной адаптацией, языков с ограниченными данными.