5. The earliest "translation engine

5. The earliest "translation engines" were all based on this direct, so- called "transformer", approach. Input sentences of the source language were transformed directly into output sentences of the target language, using a simple form of parsing. The parser did a rough/analysis of the source sentence, dividing it into subject, object, verb, etc. Source words were then replaced by target words selected from a dictionary, and their order rearranged so as to comply with the rules of the target language.

6. It sounds simple, but it wasn't. The problem with Weaver's approach was summarized succinctly by Yehoshua Bar-Hillel, a linguist and philosopher who wondered what kind of sense a machine would make of the sentence "The pen is in the box" (the writing instrument is in the container) and the sentence "The box is in the pen" (the container is in the [play] pen).

7. Humans resolve such ambiguities in one of two ways. Either they note the context of the preceding sentences or they infer the meaning in isolation by knowing certain rules about the real world - in this case, that boxes are bigger than pens (writing instruments) but smaller than pens (play-pens) and that bigger objects cannot fit inside smaller ones. The computers available to Weaver and his immediate successors could not possibly have managed that.

8. But modern computers, which have more processing power arid more memory, can. Their translation engines are able to adopt a less direct approach, using what is called "linguistic knowledge". It is this that has allowed Mr. Kamejima to produce e-j bank, and has also permitted NeocorTech of San Diego to come up with Tsunami and Typhoon - the first Japanese-language-translation software to run on the standard (English) version of Microsoft Windows.

9. Linguistic-knowledge translators have two sets of grammatical rule - one for the source language and one for the target. They also have a lot of information about the idiomatic differences between the languages, to stop them making silly mistakes.

10. The first set of grammatical rules is used by the parser to analyze an input sentence ("I read" The Economist "every week"). The sentence is resolved into a tree that describes the structural relationship between the sentence's components ("I" [subject], "read" (verb), "The Economist" (object) and "every week" [phrase modifying the verb]. Thus far, the process is like that of a Weaver-style transformer engine. But then things get more complex. Instead of working to a pre-arranged formula, a generator (i. е., a parser in reverse) is brought into play to create a sentence structure in the target language. It does so using a dictionary and a comparative grammar - a set of rules hat describes the difference between each sentence component in the source language and its counterpart in the target language. Thus a bridge to the second language is built on deep structural foundations.

11. Apart from being much more accurate, such linguistic- knowledge engines should, in theory, be reversible - you should be able to work backwards from the target language to the source language. In practice, there are a few catches which prevent this from happening as well as it might - but the architecture does at least make life easier for software designers trying to produce matching pairs of programs. Tsunami (English to Japanese) and Typhoon Japanese to English), for instance, share much of their underlying programming code.

12. Having been designed from the start for use on a personal computer rather than a powerful workstation or even a mainframe, Tsunami and Typhoon use memory extremely efficiently. As a result, they are blindingly fast on the latest PCs - translating either way at speeds of more than 300,000 words an hour. Do they produce perfect translations at the click of a mouse? Not by a long shot. But they do come up with surprisingly good first drafts for expert translators to get their teeth into.

One mistake that the early researchers made was to imagine that nothing less than flawless, fully automated machine translation would suffice. With more realistic expectations, machine translation is, at last, beginning to thrive.

Результаты (русский) 3:

5. - первой "перевод двигателей" все были на основе этой прямой, так называемый "трансформатор" подхода.вклад приговоров источник языка трансформировались непосредственно в выходные приговоров, вынесенных целевой язык, используя простой форме обработка.анализатор сделал трудный / анализ источник предложения разделить его на предмет, объект, глагол, и т.д. источник слова были затем заменены целевых слова, отобранных из словаря, и их порядок изменен таким образом, чтобы они соответствовали правилам целевого языка.6. это звучит легко, но это не проблема с уивер подхода была изложена лаконично на иешуа бар гилель, лингвист и философ, спрашивает, какой смысл машина сделает следующее предложение: "перо в поле" (написание документа в контейнерах) и предложение "ящик в ручку" (контейнер в [играть] перо).7. - люди урегулирования таких неясностей в один из двух путей.либо они отмечают контексте предыдущих приговоров или они определить смысл в изоляции, зная определенные правила о реальном мире - в этом случае, что ящики больше, чем ручки (writing instruments), но меньше, чем ручки (играть ручки) и крупных объектов, не влезут в маленьких.компьютеры в распоряжение уивер и его ближайшим преемникам, наверное, не удалось.8. но современные компьютеры, которые еще больше мощности обработки засушливых больше памяти, может.их перевод двигатели могли принимать более прямой подход, используя то, что называется "языковых знаний".это позволило г - kamejima производить e-j банка и позволяет также neocortech сан - диего приехал с цунами и тайфун - первый японский язык программное обеспечение для запуска на стандарт (на английском языке) версия Microsoft Windows.9. языковых знаний переводчиков, есть два набора грамматическое правило - один источник язык и один к цели.они также есть много информации о идиоматические различия между языками, остановить их делать глупые ошибки.10. - первый набор грамматических правил, используется интерпретатор для анализа вклада предложение ("я читала" The Economist "каждую неделю").приговор будет решен в дерево, которое описывает структурные взаимоотношения между компонентами предложения ("я" [вопроса], "читать" (глагол), "The Economist" (объекта) и "каждую неделю" [фразой изменения глагол].таким образом, процесс, как это ткач стиль трансформатор двигателя.но потом становится более сложной.вместо того, чтобы работать в заранее формулы, генератор (т. е., Parser в обратном) задействовать для создания структуры предложения на нужном языке.он делает это с помощью словаря и сравнительные грамматика - свод правил hat описывает разницу между каждой фразы компонент в исходном языке и его партнера на нужном языке.таким образом, мост на второй язык основан на глубоких структурных фондов.11. - помимо того, что гораздо более точным, подобных языковых знаний двигателей - теоретически должны быть необратимыми, - вы должны быть в состоянии работать в обратном направлении от целевого языка на исходном языке.на практике существует несколько уловов, которые, чтобы не допустить этого, а также, возможно, - но архитектура не по крайней мере облегчить жизнь разработчики программного обеспечения, пытаясь производят совпадающие пары программ.цунами (Russian to Japanese) и тайфун Japanese to Russian), например, во многом согласны лежащих в их основе программный код.12. - были разработаны с самого начала использовать на персональный компьютер, а не мощным рабочей станции или даже компьютер, цунами и тайфун использовать память чрезвычайно эффективно.в результате они молниеносных о последних пк - перевода в любом случае на скорости более 300 слов в час.они производят идеально переводы на нажатия мышки?не долго.но они приходят с удивительно хорошо первые проекты для экспертов, чтобы получить свои зубы в письменных переводчиков.одна ошибка, что раннее исследователи сделали было представить себе, что не меньше, чем безупречно, полностью автоматизированных машинный перевод будет достаточно.с более реалистичных ожиданий, машинный перевод, наконец, начинает оживать.