ಆದರೆ ಈಗ ಪರಿಸ್ಥಿತಿ ಬದಲಾಗಿದೆ. ಅಂತರಜಾಲದ ಮಾಯಾಜಾಲ ವಿಶ್ವದ ಮೂಲೆಮೂಲೆಗಳಲ್ಲಿರುವ ಮಾಹಿತಿಯನ್ನು ನಮ್ಮ ಅಂಗೈಯಲ್ಲೇ ತಂದಿಡುತ್ತಿದೆ. ವ್ಯಾಪಾರ ವಹಿವಾಟು ಬೆಳೆದಂತೆ ಬೇರೆಬೇರೆ ಭಾಷಿಕರೊಡನೆ ವ್ಯವಹರಿಸುವುದು ದಿನನಿತ್ಯದ ವಿದ್ಯಮಾನವಾಗಿದೆ. ಅಷ್ಟೇ ಅಲ್ಲ. ಸಮಯ - ಹಣ ಇದ್ದರೆ ಸಾಕು, ಯಾರು ಎಲ್ಲಿಗೆ ಬೇಕಾದರೂ ಸುಲಭವಾಗಿ ಹೋಗಿಬರುವುದು ಸಾಧ್ಯವಾಗಿದೆ.
ನಾಗರಹೊಳೆ ಪಕ್ಕದ ಊರಿನವರೊಬ್ಬರು ಕೆಲಸದ ಮೇಲೆ ಜರ್ಮನಿಗೆ ಹೋಗಿದ್ದಾರೆ ಎಂದುಕೊಳ್ಳಿ. ಅವರು ಊಟಕ್ಕೆ ಹೋದ ಹೋಟಲಿನವರು ಚೀನಾದವರು. ಇವರ ಇಂಗ್ಲಿಷ್ ಭಾಷೆ ಅವರಿಗೆ ಗೊತ್ತಿಲ್ಲ, ಅವರ ಚೈನೀಸ್ ಇವರಿಗೆ ಗೊತ್ತಿಲ್ಲ. ಇಷ್ಟರ ಮೇಲೆ ಮೆನು ಕಾರ್ಡ್ ಇರುವುದು ಜರ್ಮನ್ ಭಾಷೆಯಲ್ಲಿ. ಹೀಗಿರುವಾಗ ಇವರಿಗೆ ಏನು ಬೇಕು ಎಂದು ಹೋಟಲಿನವರಿಗೆ ತಿಳಿಯುವುದು ಹೇಗೆ?
ಭಾಷೆಯೇ ಬಾರದ ಇಂತಹ ಸನ್ನಿವೇಶಗಳಲ್ಲೂ ತಂತ್ರಜ್ಞಾನ ನಮ್ಮ ನೆರವಿಗೆ ಬರಬಲ್ಲದು. ಕೈಯಲ್ಲೊಂದು ಮೊಬೈಲ್ ಫೋನು, ಅದಕ್ಕೆ ಅಂತರಜಾಲ ಸಂಪರ್ಕ - ಇದಿಷ್ಟು ಇದ್ದರೆ ಸಾಕು!
ಮೊಬೈಲ್ ಕ್ಯಾಮೆರಾ ಮೂಲಕ ಮೆನು ಕಾರ್ಡಿನ ಚಿತ್ರವನ್ನು ಸೂಕ್ತ ಆಪ್‌ಗೆ (ಉದಾ: ಗೂಗಲ್ ಟ್ರಾನ್ಸ್‌ಲೇಟ್ ಅಥವಾ ಗೂಗಲ್ ಲೆನ್ಸ್) ಒದಗಿಸಿದರೆ ಆಯಿತು. ಚಿತ್ರದಲ್ಲಿರುವ ಜರ್ಮನ್ ಭಾಷೆಯ ಪದಗಳನ್ನು ಆಪ್ಟಿಕಲ್ ಕ್ಯಾರೆಕ್ಟರ್ ರೆಕಗ್ನಿಶನ್ (ಓಸಿಆರ್) ತಂತ್ರಜ್ಞಾನದ ಮೂಲಕ ಗುರುತಿಸುವ ತಂತ್ರಾಂಶ, ಆ ಪದಗಳನ್ನು ಕೆಲವೇ ಕ್ಷಣಗಳಲ್ಲಿ ಇಂಗ್ಲಿಷ್ ಭಾಷೆಗೆ ಅನುವಾದಿಸಿಕೊಡಬಲ್ಲದು.
ಹೀಗೆ ಅನುವಾದಿಸಲು ಬಳಕೆಯಾಗುವ ತಂತ್ರಜ್ಞಾನವೇ ಮಶೀನ್ ಟ್ರಾನ್ಸ್‌ಲೇಶನ್ (ಯಂತ್ರಾನುವಾದ). ಇಂಗ್ಲಿಷ್ ಮಾತ್ರವೇ ಅಲ್ಲ, ಯಂತ್ರಾನುವಾದದ ಮೂಲಕ ಯಾವುದೇ ಭಾಷೆಯ ಪಠ್ಯವನ್ನು ಯಾವುದೇ ಭಾಷೆಗೆ ಅನುವಾದಿಸಿಕೊಳ್ಳುವುದು ತಾಂತ್ರಿಕವಾಗಿ ಸಾಧ್ಯ.
ಯಂತ್ರಾನುವಾದ ಕೈಗೊಳ್ಳುವ ತಂತ್ರಾಂಶಕ್ಕೆ ಮೂಲ ಪಠ್ಯವನ್ನು ಹಲವು ವಿಧಗಳಲ್ಲಿ ಒದಗಿಸಿಕೊಡುವುದು ಸಾಧ್ಯ. ಮೇಲಿನ ಉದಾಹರಣೆಯಂತೆ ಕ್ಯಾಮೆರಾ ಮೂಲಕ ಚಿತ್ರ ಒದಗಿಸುವುದು ಒಂದು ವಿಧವಾದರೆ ಆಕರ ಪಠ್ಯವನ್ನು ನೇರವಾಗಿ ಟೈಪಿಸುವುದು ಇನ್ನೊಂದು ವಿಧಾನ. ಧ್ವನಿಯನ್ನು ಪಠ್ಯಕ್ಕೆ ಬದಲಿಸುವ (ಸ್ಪೀಚ್ ಟು ಟೆಕ್ಸ್ಟ್) ತಂತ್ರಜ್ಞಾನದ ಜೊತೆಗೆ ಯಂತ್ರಾನುವಾದ ಬಳಸಿದರೆ ಒಂದು ಭಾಷೆಯಲ್ಲಿ ಆಡಿದ ಮಾತುಗಳನ್ನು ಬೇರೊಂದು ಭಾಷೆಗೆ ಬದಲಿಸಿಕೊಳ್ಳುವುದೂ ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ಯಂತ್ರಾನುವಾದದ ವಿಧಾನಗಳೂ ತಂತ್ರಾಂಶದಿಂದ ತಂತ್ರಾಂಶಕ್ಕೆ ಬೇರೆಯಾಗಿರುವುದು ಸಾಧ್ಯ. ಆಕರ ಪಠ್ಯದಲ್ಲಿರುವ ಪದಗಳನ್ನು ಬಿಡಿಬಿಡಿಯಾಗಿ ಅನುವಾದಿಸುವುದು ಈ ಪೈಕಿ ಅತ್ಯಂತ ಸರಳವಾದ ವಿಧಾನ. ಪದಗಳ ಪ್ರತ್ಯೇಕ ಅರ್ಥಕ್ಕೂ, ಆ ವಾಕ್ಯದ ಒಟ್ಟು ಅರ್ಥಕ್ಕೂ ವ್ಯತ್ಯಾಸ ಇರುವುದರಿಂದ ಈ ವಿಧಾನದಲ್ಲಿ ಮಾಡಿದ ಅನುವಾದದ ಗುಣಮಟ್ಟ ಬಹಳ ಕಳಪೆಯಾಗಿರುತ್ತದೆ. ಅಂತರ ಪರಿಸ್ಥಿತಿಯನ್ನು ಸುಧಾರಿಸಲು ಯಂತ್ರಾನುವಾದ ತಂತ್ರಾಂಶಗಳಲ್ಲಿ ವ್ಯಾಕರಣದ ನಿಯಮಗಳನ್ನೂ ಅಳವಡಿಸಿಕೊಳ್ಳಲಾಗುತ್ತದೆ. ಇಂಗ್ಲಿಷಿನ 'I want noodles' ಎಂಬ ವಾಕ್ಯವನ್ನು 'ನಾನು ಬೇಕು ನೂಡಲ್ಸ್' ಎನ್ನುವ ಬದಲು 'ನನಗೆ ನೂಡಲ್ಸ್ ಬೇಕು' ಎಂದು ಅನುವಾದಿಸಬೇಕು ಎನ್ನುವುದನ್ನು ತಂತ್ರಾಂಶಕ್ಕೆ ಹೇಳಿಕೊಡುವುದು ಈ ವಿಧಾನದ ಉದ್ದೇಶ.
ಯಂತ್ರಾನುವಾದ ಕೈಗೊಳ್ಳುವ ತಂತ್ರಾಂಶ ಯಾವೆಲ್ಲ ಭಾಷೆಗಳಿಗೆ ಇಂತಹ ನಿಯಮಗಳನ್ನು ಅಳವಡಿಸಿಕೊಂಡಿರುತ್ತದೋ ಆ ಭಾಷೆಗಳ ನಡುವೆ ಪಠ್ಯದ ಅನುವಾದ ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಅಂದರೆ, ಜರ್ಮನ್ ಭಾಷೆಯಿಂದ ಇಂಗ್ಲಿಷಿಗೆ, ಇಂಗ್ಲಿಷಿನಿಂದ ಕನ್ನಡಕ್ಕೆ ಹೇಗೆ ಅನುವಾದಿಸಬೇಕು ಎನ್ನುವುದು ಅನುವಾದ ತಂತ್ರಾಂಶಕ್ಕೆ ಗೊತ್ತಿದ್ದರೆ ಅದು ಜರ್ಮನ್ ಭಾಷೆಯ ಪಠ್ಯವನ್ನು ಕನ್ನಡಕ್ಕೂ ತರಬಲ್ಲದು.
ಆದರೆ ಗಣಿತದಲ್ಲೋ ವಿಜ್ಞಾನದಲ್ಲೋ ಮಾಡಿದಂತೆ ಭಾಷೆಯ ನಿಯಮಗಳನ್ನೆಲ್ಲ ಇಂತಿಷ್ಟೇ ಸೂತ್ರಗಳಲ್ಲಿ ಬಂಧಿಸಿಡುವುದು ತೀರಾ ಕ್ಲಿಷ್ಟವಾದ ಕೆಲಸ. ಯಂತ್ರಾನುವಾದದಲ್ಲಿ ಹಾಸ್ಯಾಸ್ಪದ ತಪ್ಪುಗಳು ಕಾಣಿಸಿಕೊಳ್ಳುವುದಕ್ಕೆ ಪ್ರಮುಖ ಕಾರಣವೂ ಇದೇ. ಇಂತಹ ತಪ್ಪುಗಳನ್ನು ಸಾಧ್ಯವಾದಷ್ಟೂ ಕಡಿಮೆಮಾಡುವುದು ಹೇಗೆ? ಮೂಲ ಭಾಷೆಯಲ್ಲಿರುವ ಪಠ್ಯ ಹಾಗೂ ಅದರ ಅನುವಾದವನ್ನು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ಊಡಿಸುವ ಮೂಲಕ ಯಂತ್ರಾನುವಾದ ತಂತ್ರಾಂಶಕ್ಕೆ ತರಬೇತಿ ನೀಡುವ ವಿಧಾನ ಇಲ್ಲಿ ಬಳಕೆಯಾಗುತ್ತದೆ. ಹೆಚ್ಚುಹೆಚ್ಚು ಉದಾಹರಣೆಗಳ ಆಧಾರದ ಮೇಲೆ ಯಂತ್ರಾನುವಾದ ತಂತ್ರಾಂಶ ತನ್ನ ತಪ್ಪುಗಳನ್ನು ತಿದ್ದಿಕೊಳ್ಳಲು ಈ ವಿಧಾನ ಸಹಕಾರಿ. ಅಷ್ಟೇ ಅಲ್ಲ, ಯಂತ್ರಾನುವಾದ ಬಳಸುವವರು ನೀಡುವ ಹಿಮ್ಮಾಹಿತಿಯೂ (ಫೀಡ್‌ಬ್ಯಾಕ್) ತಂತ್ರಾಂಶಕ್ಕೆ ಹಲವು ಹೊಸ ಪಾಠಗಳನ್ನು ಹೇಳಿಕೊಡಬಲ್ಲದು.
ಈ ವಿಧಾನಗಳ ಜೊತೆಯಲ್ಲಿ ಸದ್ಯ ಅಭಿವೃದ್ಧಿಯಾಗುತ್ತಿರುವ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟಲಿಜೆನ್ಸ್‌ನಂತಹ (ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ, ಎಐ) ತಂತ್ರಜ್ಞಾನಗಳೂ ಯಂತ್ರಾನುವಾದದ ಗುಣಮಟ್ಟವನ್ನು ಹೆಚ್ಚಿಸುವಲ್ಲಿ ನೆರವಾಗುತ್ತಿವೆ. ವಿವಿಧ ಭಾಷೆಗಳ ಪಠ್ಯವನ್ನು, ಅದರ ಅನುವಾದಿತ ರೂಪಗಳನ್ನು ನಿರಂತರವಾಗಿ ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ತಂತ್ರಾಂಶಗಳು ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಅನುವಾದಿಸುವುದನ್ನು ಕಲಿಯಲಿವೆ ಎನ್ನುವುದು ಸದ್ಯದ ನಿರೀಕ್ಷೆ. ಮಾನವ ಅನುವಾದಕರಷ್ಟು ಸಹಜವಾಗಿ ಅನುವಾದ ಮಾಡದಿದ್ದರೆ ಹೋಗಲಿ, ಇವುಗಳ ಫಲಿತಾಂಶದಲ್ಲಿ ಕಾಣುವ ತಪ್ಪುಗಳು ಕಡಿಮೆಯಾಗಲಿವೆ ಎನ್ನುವ ನಿರೀಕ್ಷೆಯನ್ನು ನಾವೂ ಇಟ್ಟುಕೊಳ್ಳಬಹುದು!
ಮಾರ್ಚ್ ೨೦, ೨೦೧೯ರ ವಿಜಯವಾಣಿಯಲ್ಲಿ ಪ್ರಕಟವಾದ ಲೇಖನ
ಕಾಮೆಂಟ್‌ಗಳಿಲ್ಲ:
ಕಾಮೆಂಟ್‌ ಪೋಸ್ಟ್‌ ಮಾಡಿ