అర్థం చేసే అనువాదం

Google Translate రోజుకు 100 బిలియన్‌కు ఎక్కువ పదాలను ప్రక్రియ చేసింది, ఇది మానవ చరిత్రలో అత్యంత ఉపయోగించిన భాష సాధనాల్లో ఒకటి. కానీ దాని భారీ స్కేల్ ఉన్నప్పటికీ, ఉపయోగకర్తలు ఈ పరిమితిని గుర్తించారు: సాధనం పదాలను అనువదిస్తుంది, కానీ అర్థం అనువదించడంలో విఫలమవుతుంది.成句 అక్షరాలకు బయటికి వస్తుంది, సాంస్కృతిక సూచనలు ఆకస్మికంగా ల్యాండ్ చేస్తాయి. కొత్త AI-ఆధారిత నవీకరణలు సందర్భ గ్రహణ యొక్క పొరలను జోడిస్తాయి.

సందర్భ-సంబంధిత అనువాదం మోడ్‌లో Translate పదం-పదానికి మ్యాప్ చేయకుండా ఒక పాసేజ్ యొక్క పూర్తి అర్థాన్ని గ్రహించటానికి ప్రయత్నిస్తుంది. ఇది idioms గుర్తించడం, ఔపచారికత స్థాయిని సరిపోల్చడం, మరియు అస్పష్టమైన ప్రకటనలను ఫ్లాగ్ చేయడం ఉంటుంది.

సాంకేతికత ఎలా పనిచేస్తుంది

సాంప్రదాయిక machine translation సిస్టమ్‌లు sequence-to-sequence నమూనాలుగా పనిచేస్తాయి, statistical నమూనాలను నేర్చుకుంటాయి. కొత్త సందర్భ AI పొర భిన్నంగా పనిచేస్తుంది - source టెక్స్ట్‌ను large language model ద్వారా నడుపుతుంది, ఇది semantic representation నిర్మిస్తుంది.

Google సాంస్కృతిక అభియోజన కోసం translation memory కాల్‌ చేస్తుంది. Source టెక్స్ట్ సాంస్కృతికంగా నిర్దిష్టమైన reference కలిగి ఉన్నప్పుడు, సిస్టమ్ దానిని నేరుగా explanatory note తో అనువదించవచ్చు లేదా equivalent reference కు అనుకూలీకరించవచ్చు.

ఆచరణాత్మక అనువర్తనాలు

సుధారణలు నిర్దిష్ట use cases లో ప్రభావవంతంగా ఉండవచ్చు. Business communication, legal అనువాదం, medical translation, మరియు language learning కోసం ఇది ఉపయోగకరమైనది.

పోటీ సందర్భం

Google యొక్క contextual AI నవీకరణలు translation technology landscape లో పోటీ తీవ్రమైనది. DeepL, Microsoft Azure AI Translator, Amazon Translate, Claude, ChatGPT, మరియు Gemini అన్నీ large language model సాంకేతికతను ఉపయోగిస్తున్నాయి.

Originally published on blog.google