Convegno Unilingue 2017
1 like280 views
Presentazione dell'intervento reso al Convegno Unilingue 2017 tenutosi il 25 e 26 maggio 2017 presso Villa Cagnola a Gazzada Schianno (VA).
Convegno Unilingue 2017
- 1. Neural Machine Translation Il futuro 竪 gi presente Convegno Unilingue Villa Cagnola Gazzada Schianno (VA) 26 maggio 2017
- 2. Luigi Muzii
- 8. 1940 1950 1960 1970 1980 1990 20202000 2010 Qualit RbMT SMT HMT NMT Evoluzione della traduzione automatica t
- 10. Strato di uscitaStrati nascostiStrato di ingresso
- 12. RbMT
- 13. PB-SMT
- 14. NMT
- 17. Sorgente IDC, a market-research firm, predicts that the digital universe (the data created and copied every year) will reach 180 zettabytes (180 followed by 21 zeros) in 2025 (see chart). Pumping it all through a broadband internet connection would take over 450m years. To speed the transfer into its data centres, Amazon, an e-commerce giant with a fast-growing cloud- computing arm, uses trucks pulling shipping containers each packed with storage devices holding 100 petabytes (a mere 15 zeros). PB-SMT (Google Translate) IDC, un'azienda di ricerca di mercato, prevede che l'universo digitale (i dati creati e copiati ogni anno) raggiunger 180 zettebiti (180 seguiti da 21 zeri) nel 2025 (vedi grafico). Pompando tutto attraverso una connessione a Internet a banda larga richiederebbe 450 milioni di anni. Per velocizzare il trasferimento nei propri data center, Amazon, un gigante di e-commerce con un braccio cloud computing in rapida crescita, utilizza camion che tirapidano contenitori di trasporto ciascuno confezionati con dispositivi di storage che dispongono di 100 petabyte (meri 15 zeri). NMT (Systran Pure neural MT) IDC, azienda di scienza di mercato, prevede che conosce l'universo digitale (i dati creati e copiati in farina) raggiunger 180 zettebiti (180 seguiti da 21 zeri) nel 2025 (vedi grafico). Pompando tutto attraverso una connessione a Internet a banda larga 450 msec. per velocizzare il trasferimento il propri centre centre, Amazon, nu un di e-commerce con con cloud cloud computing computing computing che che di che con di che di con di storage di 100 petabyte (stravaganti 15 zeri).
- 21. Approccio Pro Contro RbMT Modello linguistico Adatto per lingue con risorse limitate Agevole analisi degli errori Ridotto consumo di risorse computazionali Necessari regole linguistiche e dizionari Coppia linguistica vincolante Problemi di disambiguazione Sviluppo e manutenzione impegnativi PB-SMT Non richiede conoscenze linguistiche Agnostico Sviluppo e manutenzione accessibili Necessari testi paralleli Problemi con coppie linguistiche con diversa morfologia Analisi degli errori impegnativa NMT Non richiede conoscenze linguistiche Agnostico Sviluppo incrementale Limitata manutenzione Modesta dimensione del modello Autoapprendimento dinamico Necessari testi paralleli Necessarie risorse computazionali specifiche (GPGPU) Analisi degli errori impraticabile Impossibile usare corpus monolingue Modesta personalizzazione
- 27. Attivit a basso valore aggiunto: i professionisti svolgono quelle pi湛 impegnative a elevato valore aggiunto Scomposizione del processo in attivit elementari per individuare quelle da automatizzare Automazione dellintero processo con espulsione delle risorse umane Integrazione delle competenze umane con strumenti ad alta tecnologia per facilitare lo svolgimento delle attivit Alleggerire (Relieve) Scomporre (Split-up) Sostituire (Replace) Estendere (Augment) Chatbot PEMT UGC CAT avanzati
- 28. Adattamento dei contenuti Registrazione e archiviazione dati Profilazione contenuti Post-editing Selezione risorse Distribuzione contenuti Project management Allocazione risorse Determinazione dei prezzi Estrazione terminologica Valutazione qualit Pianificazione Alleggerite Estese Sostituite
- 29. s-quid.it/30min