1
00:00:06,677 --> 00:00:11,306
איך זה שכל כך הרבה מינים אינטרגלקטיים
בסרטים ובטלויזיה

2
00:00:11,306 --> 00:00:14,483
מדברים במקרה אנגלית מושלמת?

3
00:00:14,483 --> 00:00:17,886
התשובה הקצרה היא שאף אחד
לא רוצה לצפות בצוות ספינת חלל

4
00:00:17,886 --> 00:00:21,774
מבלה שנים בהרכבת מילון חייזרים.

5
00:00:21,774 --> 00:00:23,392
אבל כדי לשמור על עקביות,

6
00:00:23,392 --> 00:00:26,789
היוצרים של סטאר טרק ועולמות בדיוניים אחרים

7
00:00:26,789 --> 00:00:30,514
הציגו את הרעיון של מתרגם אוניברסלי,

8
00:00:30,514 --> 00:00:35,012
מכשיר נייד שיכול לתרגם מיידית כל שפה.

9
00:00:35,012 --> 00:00:38,539
אז האם מתרגם אוניברסלי
אפשרי בחיים האמיתיים?

10
00:00:38,539 --> 00:00:42,137
יש לנו כבר הרבה תוכנות שטוענות בדיוק לזה,

11
00:00:42,137 --> 00:00:45,954
לקחת מילה, משפט, או ספר שלם בשפה אחת

12
00:00:45,954 --> 00:00:49,004
ולתרגם אותו לכמעט כל אחת אחרת,

13
00:00:49,004 --> 00:00:52,337
בין אם זה אנגלית מודרנית או סנסקריט עתיקה.

14
00:00:52,337 --> 00:00:55,913
ואם תרגום היה פשוט עניין
של לחפש מילים במילון,

15
00:00:55,913 --> 00:00:59,825
התוכנות האלו היה יכולות
בקלות לנצח אנשים.

16
00:00:59,825 --> 00:01:03,299
המציאות, עם זאת, היא מעט יותר מורכבת.

17
00:01:03,299 --> 00:01:07,349
תרגום מבוסס חוקים משתמש במאגר מידע לשוני,

18
00:01:07,349 --> 00:01:10,302
שכולל את כל המילים שתמצאו במילון

19
00:01:10,302 --> 00:01:13,283
וכל המבנים הדקדוקיים שהן יכולות ללבוש,

20
00:01:13,283 --> 00:01:18,925
וסט חוקים כדי להכיר את האלמנטים
הלשוניים הבסיסיים בשפת הקלט.

21
00:01:18,925 --> 00:01:22,396
למשפט שנראה פשוט כמו,
"הילדים אוכלים את המאפינס,"

22
00:01:22,396 --> 00:01:27,050
התוכנה ראשית תנסח
את התחביר, או מבנה דקדוקי,

23
00:01:27,050 --> 00:01:29,587
על ידי זיהוי הילדים כנושא,

24
00:01:29,587 --> 00:01:32,317
ושאר המשפט כנשוא

25
00:01:32,317 --> 00:01:34,368
שמכיל את הפועל "לאכול,"

26
00:01:34,368 --> 00:01:37,422
ועצם ישיר "המאפינס."

27
00:01:37,422 --> 00:01:40,249
אז היא צריכה לזהות מורפולוגיה אנגלית,

28
00:01:40,249 --> 00:01:44,681
או איך השפה יכולה להתחלק ליחידות
הכי קטנות בעלות המשמעות,

29
00:01:44,681 --> 00:01:46,124
כמו המילה מאפין

30
00:01:46,124 --> 00:01:49,755
והתוספת "ס" שמשמשת להראות רבים.

31
00:01:49,755 --> 00:01:52,449
לבסוף, היא צריכה להבין את הסמנטיקה,

32
00:01:52,449 --> 00:01:56,178
מה למעשה המשמעות
של החלקים השונים של המשפט.

33
00:01:56,178 --> 00:01:58,074
כדי לתרגם את המשפט הזה נכון,

34
00:01:58,074 --> 00:02:01,982
התוכנה צריכה להתייחס לסטים שונים
של אוצר מילים וחוקים

35
00:02:01,982 --> 00:02:05,166
לכל אלמנט של שפת המטרה.

36
00:02:05,166 --> 00:02:07,020
אבל שם זה נעשה מסובך.

37
00:02:07,020 --> 00:02:11,820
התחביר של כמה שפות מאפשר
למילים להיות מאורגנות בכל סדר,

38
00:02:11,820 --> 00:02:16,954
בעוד באחרות, זה יכול
לגרום למאפין לאכול את הילד.

39
00:02:16,954 --> 00:02:19,647
מורפולוגיה יכולה גם להוות בעיה.

40
00:02:19,647 --> 00:02:23,243
סלובנית מבדילה בין שני ילדים
ושלושה ילדים או יותר

41
00:02:23,243 --> 00:02:27,097
בשימוש בתוספת כפולה
שלא קיימת בהרבה שפות אחרות,

42
00:02:27,097 --> 00:02:30,532
בעוד היעדר תוויות יידוע
ברוסית ישאיר אתכם תוהים

43
00:02:30,532 --> 00:02:33,575
אם הילדים אוכלים מאפין מסויים,

44
00:02:33,575 --> 00:02:36,719
או פשוט אוכלים מאפינס באופן כללי.

45
00:02:36,719 --> 00:02:39,708
לבסוף, אפילו כשהסמנטיקה נכונה טכנית,

46
00:02:39,708 --> 00:02:42,757
התוכנית יכולה לפספס נקודות עדינות יותר,

47
00:02:42,757 --> 00:02:45,809
כמו אם הילדים "מנג'יאנו" את המאפינס,

48
00:02:45,809 --> 00:02:47,794
או "דיבורני" אותם.

49
00:02:47,794 --> 00:02:51,558
שיטה נוספת היא תרגום מכונה סטטיסטי,

50
00:02:51,558 --> 00:02:55,762
שמנתח מאגר מידע של ספרים, מאמרים, ומסמכים

51
00:02:55,762 --> 00:02:59,488
שכבר תורגמו על ידי אנשים.

52
00:02:59,488 --> 00:03:02,959
על ידי מציאת התאמות
בין מקורות וטקסט מתורגם

53
00:03:02,959 --> 00:03:05,393
שלא הגיוני שיתרחשו במקרה,

54
00:03:05,393 --> 00:03:09,345
התוכנית יכולה לזהות
מושגים ותבניות מותאמים,

55
00:03:09,345 --> 00:03:12,429
ולהשתמש בהם לתרגומים עתידיים.

56
00:03:12,429 --> 00:03:14,969
עם זאת, האיכות של סוג זה של תרגום

57
00:03:14,969 --> 00:03:17,690
תלוי בגודל מאגר המידע הראשוני

58
00:03:17,690 --> 00:03:21,357
והזמינות של דוגמאות לשפות מסויימות

59
00:03:21,357 --> 00:03:23,383
או סגנונות שונים של כתיבה.

60
00:03:23,383 --> 00:03:27,140
הקושי שיש למחשבים
עם יוצאי הדופן, חוסר הסדר

61
00:03:27,140 --> 00:03:30,994
והגוונים של משמעויות
שנתפסים אינסטינקטיבית עבור אנשים

62
00:03:30,994 --> 00:03:35,045
הובילו כמה חוקרים להאמין
שההבנה שלנו של שפה

63
00:03:35,045 --> 00:03:39,251
היא תוצא יחודי של מבנה המוח הביולוגי.

64
00:03:39,251 --> 00:03:43,101
למעשה, אחד המתרגמים האוניברסליים
המומצאים הכי מפורסמים,

65
00:03:43,101 --> 00:03:46,439
דג בבל מ"מדריך הטרמפיסט לגלקסיה",

66
00:03:46,439 --> 00:03:49,726
הוא לא מכונה בכלל אלא יצור קטן

67
00:03:49,726 --> 00:03:54,210
שמתרגם את גלי המוח וסימנים עצביים
של יצורים תבוניים

68
00:03:54,210 --> 00:03:57,005
דרך צורה של טלפטיה.

69
00:03:57,005 --> 00:03:59,726
בינתיים, למידת שפה בדרך המסורתית

70
00:03:59,726 --> 00:04:05,106
עדיין תיתן לנו תוצאה טובה יותר
מכל תוכנת תרגום שזמינה כעת.

71
00:04:05,106 --> 00:04:06,749
אבל זו לא מטלה פשוטה,

72
00:04:06,749 --> 00:04:09,014
והמספר העצום של שפות בעולם,

73
00:04:09,014 --> 00:04:12,989
כמו גם האינטראקציה הגדלה
בין האנשים שמדברים אותן,

74
00:04:12,989 --> 00:04:18,004
רק תמשיך לעורר התקדמות
גדולה יותר בתרגום אוטומטי.

75
00:04:18,004 --> 00:04:21,409
אולי בזמן שניתקל בצורות חיים אינטרגלקטיות,

76
00:04:21,409 --> 00:04:24,660
נהיה מסוגלים לתקשר איתם דרך מכשיר זעיר,

77
00:04:24,660 --> 00:04:29,026
או שאולי נצטרך להתחיל
להרכיב את המילון ההוא אחרי הכל.