남자 V 기계: 수있는 컴퓨터 쿡, 쓰기 우리보다 더 나은 페인트?

Man v Machine: Can Computers Cook, Write and Paint Better Than Us?

지금 게임을 이길 수있는 인공 지능, 당신의 얼굴을 인식, 당신의 주차권에 대해 이의를 제기. 하지만 물건을 할 수도 인간은 까다로운 발견?


Guardian.co.uk에 의해 구동라는 제목의이 문서 “남자 V 기계: 컴퓨터는 요리 할 수, 쓰기 우리보다 더 나은 페인트?” 레오 베네딕 투스에 의해 작성되었습니다, 가디언 토요일 4 회 유월을 위해 2016 08.00 UTC

하나의 비디오, 나를 위해, 변경된 모든. 그것은 이전 아타리 게임에서 영상입니다 브레이크 아웃, 당신은 패들 왼쪽과 오른쪽 화면의 하단 슬라이드 하나, 그들에 공을 수신 거부하여 벽돌을 파괴하려고. 당신은 게임의 플레이어에 대해 읽고있다: 개발 한 알고리듬 DeepMind, 그 AlphaGo 프로그램 영국의 인공 지능이 회사는 지금까지 플레이어를 이동 가장 큰 중 하나 이길, 이세돌, 올해 초.

아마도 당신은 컴퓨터가 컴퓨터 게임에 좋은 것으로 예상? 그들은 무엇을 알게되면, 그들은 확실히 어떤 인간보다 지속적으로 더 빠르고 그것을 할. DeepMind의 브레이크 아웃 플레이어는 아무것도 몰랐다, 그러나. 그것은 어떻게 게임 작품에 대한 지침으로 프로그래밍되지 않았습니다; 그것은 심지어 컨트롤을 사용하는 방법을 이야기하지 않은. 그것은 한 모든 가능한 많은 점수를 얻는 것 스크린과 명령에 대한 이미지를했다.

시계 비디오. 처음에, 패들 망각에 볼을 드롭 할 수 있습니다, 더 좋은 아는 없습니다. 결국, 단지에 대한 일 처리, 그것은 다시 공을 노크, 벽돌을 파괴하고 포인트를 얻을 수, 그래서이 문제를 인식하고 더 자주 수행. 2 시간 연습 후, 또는 약 300 계략, 그것은 심각하게 좋은되고있다, 당신이나 내가 할 수있는 것보다 더 나은. 그때, 후 약 600 계략, 상황이 짜증 얻을. 알고리즘은 동일한 지점에서 시작 조준, 이고, 뒤의 공간에 벽돌을 파고하기 위해. 거기에 한 번, 모든 브레이크 아웃 선수는 알고로, 공은 잠시 동안 반송됩니다, 무료 포인트를 수집. 그것은 컴퓨터 자체에 내놓았다 좋은 전략이다.

"우리의 연구는보고이, 실제로 그들을 충격,"DeepMind의 CEO, Demis Hassabis, 파리의 기술 컨퍼런스에서 청중에게 말했다. 당신은 할 수 있습니다 그의 데모를보고, 너무, 기계가내는 전략을 파악 할 때와 웃음과 박수 소리. 컴퓨터가 지적되고있다, 우리 같은 비트.

"인공 지능"그냥 오래된 모든 컴퓨팅의 버즈 문구의 가장 흥에 관한 것입니다. 아이디어는 처음으로 진지하게 토의되었다 앨런 튜링컴퓨팅 기계 및 정보, the 1950 논문에서 그는로 알려졌다 것을 제안 튜링 테스트: 기계는 인간 이었다는 것을 대화를 통해 당신을 설득 할 수 있다면, 그것이 진정으로 생각 증명하기 위해 어떤 인간이 할 수만큼을하고 있었다. 그러나 용어 AI는 일반적으로 때까지 사용하지 않은 1955, 언제 미국의 수학자 존 맥카시 전문가를위한 회의를 제안. 이는 다음 해에 일어났다, 그 이후 현장은 열광과 절망의 약 두 십 년간 사이클에 실행 된. (패션에서의 주문을 설명하기 위해 - "AI 겨울"- 연구원도 새로운 용어가. 1970 년대와 1990 년대는 특히 가혹했다.)

오늘 새로운 마니아가있다, 다른 사람과 다른 보이는: 그것은 당신의 주머니에 맞는. 전화는 세계 체스 챔피언을 이길 수, 자녀의 라디오에서 노래와 사진을 인식, 다른 언어로 음성 번역. 여기 그려진 나오 로봇 Yotam 오토 렝기 두 다리로 걸을 수, 말하다, 공, 심지어 춤을 찾을 수. (이 로봇의, 그래도, 하지 AI: 그 메뉴를 설계 할 수 없습니다.)

AI의 발전에 대한 청력, 당신은 흥분하는 당신에게 전문가가 필요하지 않습니다, 나 무서워. 당신은 느낌을 얻을 시작: 정보는 여기. 분명히 구글은 느낌을 가지고, 너무, 그것은 소문 $의 650m에 대한 DeepMind을 구입하기 때문에. 에 2013, 페이스 북은 자신의 프로젝트를 시작, 사이트에 대한 얼굴과 자연 언어 인식을 개발하는 계획. 개발자는 이미 지능 chatbot이에 작업을 시작했다, 페이스 북 사용자는 메신저 서비스를 사용하여 소환 할 수있는.

지금까지, 컴퓨터는 모든에서 "지능형"없었다, 또는 만 좁게 그래서. 그들은 우리를 현혹하기 쉬운 작업에서 좋은 봤는데, 이러한 수학 등, 그러나 우리가 당연시하는 사람들에 나쁜, 심각하게 어려운 것으로 판명되는. 걷는 행위는 무엇인가 현대 로봇이 투쟁 아직도 아기처럼 배우고있다; 기본에 pottering 작업은 먼 꿈을 남아. "한 예로 당신이나 내가 누군가 다른 사람의 부엌에서 차 한 잔을 만들 수있는 용이성입니다,"말한다 교수 앨런 윈필드, 영국 서부의 대학에서의 로봇. "이 작업을 수행 할 수있는 행성에 로봇이 없습니다."

인 인간이 그렇게 어려운 이유를 이해하려면, 당신이 사진에서 사람을 인식하는 컴퓨터를 얻을 수있는 방법에 대해 생각. AI 없음, 당신은 당신이 먼저 스스로 할 방법을 알고있다, 컴퓨터를 프로그래밍하기 위해. 당신은 수집 가능한 모든 패턴에 대해 생각해야, 색상과 얼굴의 모양, 그들이 어떻게 빛과 다른 각도에서 변경 - 당신이 무슨 의미가 무엇을 알고 있어야하는 것은 렌즈에 그냥 진흙입니다. AI와 함께, 당신은 설명 할 필요가 없습니다: 당신은 컴퓨터에 실제 데이터의 산을 제공하고 배워 봅시다. 어떻게 학습 소프트웨어를 설계하는 것은 난해한 문제로 남아, 몇 수요가 컴퓨터 과학자의 지방, 하지만 그들은 뇌의 구조를 느슨하게 기반의 데이터 처리의 구조를 고안하여 우승자에있어 분명. (이는 "깊은 학습"라고합니다.) 실제 데이터의 산에 관해서, 잘, 그게 무슨 구글의, 페이스 북, 아마존, 동네 짱과 모든 나머지는 주위에 거짓말 한 일이.

이 단계에서, 우리는 아직 최선을 끌 것 AI로 사용하는 몰라. 조쉬 Newlan, 상하이에서 근무하는 캘리포니아 코더, 끝없는 컨퍼런스 콜을 듣고 지루있어, 그래서 그는 그에게 듣고 몇 가지 소프트웨어를 내장. 지금, 마다 Newlan의 이름이 언급, 자신의 컴퓨터는 즉시 그에게 후반 분의 성적 증명서를 보냅니다, 대기 15 초, 다음 말을 그의 기록은 재생, "죄송합니다, 내 마이크 음소거 몰랐어요. "작년, 조쉬 브라우, 영국의 십대, 내장 주차 티켓에 대해 호소 무료 인공 변호사; 그는 외국의 법률 시스템을 통해 난민을 안내하기 위해 서로를 건설 할 계획. 가능성은 음 ...입니다, 어쩌면 알고리즘은 가능성을 셀 수.

그래서 기계의 마음은 언젠가 우리 자신을 능가한다? 내가 이야기 연구진은 신중, 그들의 기계가 할 수없는 것을 강조하는 고통을. 하지만 테스트에 AI를 넣어하기로 결정: 그것은 식사뿐만 아니라 오토 렝기을 계획 할 수 있습니다? 내 초상화를 그릴 수? 기술은 아직 인공적으로 지능 - 또는 지능형로 시작, 진짜?

조리 시험

잘, 나는 끔찍한하지 말 것. 인간은 나를 더 제공했다. 진실의 이름은 IBM의 요리사 왓슨은이 요리를 제공하는 것이 있지만 ("치킨 간 짭짤한 소스") 그것은 가치가 약으로 식욕이다.

왓슨 요리사에 공정하게, 및 보호자 주말 자신의 요리사 - 칼럼니스트 Yotam 오토 렝기에, 나는 그들에게 꽤 작업을 설정했다. 나는 서로 가까이 아무 곳에도 속하지없는 듯 네 재료에 따라 요리를 요청: 닭 간, 그리스 식 요거트, 사비와 데킬라. 그들은 자신들이 좋아하는 어떤 다른 추가 할 수 있습니다, 하지만 그 4는 완성 된 접시에 있어야했다, 이는 내가 요리하고 먹는 것. 요리사 왓슨은 주저하지 않았다, 즉시 나에게 두 가지 파스타 소스를 제공. 오토 렝기 더 신중했다. 나는 도전을 도착했을 때 "나는 생각, '이 작동하지 않을,' "그가 나에게 말한다.

I는 동일한 생각. 아니면 적어도 내가 그들의 재료에도 불구하고 OK로 관리되는이 요리를 먹는 끝날 것이라고 생각, 오히려 때문에 그들보다. 사실 - 당신은 나에게 크리프 생각합니다, 하지만 그래서 뭐 - 오토 렝기의 조리법은 계시했다: 간 및 양파와 데킬라 감소, 사과와 함께 제공, 무, 비트 뿌리와 치커리 양배추, 고추 냉이와 요구르트 드레싱. 요리는 종이에 거의 의미가있다, 하지만 모든 요소가 속한 접시 하나 가득 느낌을 먹어. (그리고 냄새 맡는 약병은 요구르트와 고추 냉이 대신 겨자 두꺼워: 심각, 시도 해봐.) 오토 렝기는 조리법이 게시 가능한 단지 수염 짧은 알려줍니다.

문제는이다, 그 요리는 완벽하게 그와 그의 팀 삼일했다. 그들은 맛과 풍미를 논의 할 수 있었다, 텍스처, 그림 물감, 온도, 방법에서 해당 왓슨은 할 수 없습니다 - 미래에 피드백 메커니즘을 추가하는 방법에 대해 "토론"이 있었지만, 왓슨의 리드 엔지니어 요리사, 플로리안 Pinel은, 나에게 말한다. "레시피는 복잡한 일,"오토 렝기 말한다. "날에도 컴퓨터가 접근하는 방법을 이해하는 것은 어렵다."

Yotam 오토 렝기와 요리사 왓슨의 요리
Yotam 오토 렝기와 요리사 왓슨의 요리 사진: 가디언에 대한 제이 브룩스

왓슨은 처음 IBM에 의해 만들어진 텔레비전 gameshow의 제 퍼디를 승리! 에 2011. 어떤면에서 그것은 오해의 소지가 도전이었다, 컴퓨터에 대한 퀴즈의 힘든 부분은 질문을 이해하기 때문에, 답을 모르고; 인간, 그것은 주변의 다른 방법. 그러나 왓슨 원, 그 기술은 다른 곳에 적용하기 시작했다, 요리사로 포함, 새로운 조리법을 생성하는 기반 10,000 에서 가져온 실제 예 하겠습니다 잡지.

먼저 소프트웨어는 이러한 조리법을 "섭취"했다, 왓슨 팀을 넣어. 계산의 많은 성분이 무엇인지 이해에 들어갔다, 이들은 제조 얼마나, 그들은을 위해 요리 한 시간, 위해 새로운 요리를 사용하는 방법을 설명 할 수. (이 과정은 여전히 ​​틀려서 갈 수 있습니다. 지금도 요리사 왓슨은 "연체 동물 '이라는 성분을 권장, 이는 그것이 유용하게 설명하는 "여섯 번째 장편이다 싸우는하여 앨범".)

더 큰 문제는 기계에게 맛의 감각을 제공하기 위해 노력했다. 컴퓨터가 새로운 조합을 만들 수 있도록 "그것은 쉬운 충분하다,"Pinel은 말한다, "하지만 어떻게 하나를 평가할 수?이는 수천있다 - - "왓슨 특정 향미 화합물의 조합으로서 각각의 성분을 고려 교시 한 후, 공통 화합물 있었다 성분을 결합. (이 원칙, 음식 페어링, 물론 인간 사이에 설정됩니다.) 최종적으로, 소프트웨어는 인간의 요리사 이해가 단계별 지침을 생성. 강조는 실제 식사 계획보다는 놀라움에. "요리사 왓슨 영감 정말이,"Pinel은 설명. 각 조리법은 "자신의 창의력과 판단을 사용"할 수있는 알림과 함께 제공.

그리고 필요. 첫 번째 단계는 "토스트 평면 잎 파슬리"이다, 이는 단지 좋은 생각이 아니다. 내가 만드는 중이라서, 효과적으로, 느린 요리 양념 돼지 고기와 쇠고기 라구, 내 모든 사 원료를 포함하여, 아직 왓슨은 이상하게도 오이을 포함하고 "딸기와 계절"을 말해 유지, 나는 원칙을 수행하기를 거부하는. 마침내, 나는 농장에 오히려 가까운 맛과 풍부한 소스가, 하지만 먹지 못할하지. 나는 고추 냉이 또는 테킬라를 맛볼 수 없습니다, 나는 약 기뻐하는.

나오 로봇과 Yotam 오토 렝기
나오 로봇과 Yotam 오토 렝기는 히버 초등학교의 호의를 대여, 런던. 사진: 제이 브룩스. 스타일링: 리 Flude

왓슨은 영리하고 작업이 힘든, 하지만이 음식 바보에 대한 약간의 재미보다 더 많은 것을 말할 준비가, 오토 렝기 나를 멈출 때까지. "나는 고기의 약간으로 간을 천천히 요리의 아이디어가 좋은 생각,"라고 그는 말한다. "그것은 맛을 강화. 다 함께 올 것이다. 나는이 조리법으로 새롭게 시작해야한다면, 분명히 요구르트는 적합하지 않습니다 -하지만 난 거기에 오렌지 피부를 떠날 것, 향신료의 몇 가지. 나는 아주 나쁜 조리법 생각하지 않습니다. 그것은 작동 할 수 있습니다. "

평결 왓슨은 재료의 불확실성을 숨 깁니다, 하지만 오토 렝기 그들 노래한다.

쓰기 시험

조금 넣어 단어의 달인 IBM과 구글의 무시 무시한 기계 옆에, 그리고 그것은 포켓 계산기로 계산 고급 보인다. 그러나 왓슨은 견습을 통해 펌블 동안, 단어의 달인 직장에서 이미. 당신은 AP 통신에서 주식 시장 보고서를 읽는다면, 또는 야후의 스포츠 저널리즘, 당신은 그들이 사람에 의해 쓰여진 생각합니다 좋은 기회가있다.

단어의 달인은 인공 작가. 자동 통계라는 노스 캐롤라이나에있는 회사에 의해 개발, 이 데이터 집합에서 가장 흥미로운 덩어리를 뽑고과 기사를 구조하기 위해이를 사용 (또는 이메일, 또는 제품 목록). 정말 큰 뉴스를 통해 올 때, 그것은 더 감정적 인 언어를 사용. 그것은 그것의 일을 더 읽을 수 있도록 어법과 구문을 변화. 비록 서투른 로봇 요리사는 사용을 할 수 있습니다, 하지만 인간의 독자 작성하는 것은 부드럽게해야합니다. 음성 인식 장치 등에 매여 아마존의 에코, 단어의 달인 심지어 말한 인간의 질문에 응답 할 수 있습니다 - 하나의 투자의 성능에 대해, 말 - 사려 말 대답, 첫째 흥미로운 것을 발표, 흥미로운 전혀 무엇인지 떠나. 당신은 트릭을 알고하지 않은 경우, 당신이 생각하는 것 경우 9000 도착했다.

비결은 이것이다: 단어의 달인 사람들이 인식하지 않는 기록의 일부가 용이하지. Locky 스튜어트 자동 통계에서 나에게 튜토리얼을 제공합니다. 당신은 단어의 달인으로 문장과 같은 쓰기, "새 ABC 수치는 뉴욕 조사자의 순환이 증가했다고 보여 3% 월에. "그럼 당신은 놀. The 3% 데이터에서왔다, 그래서 당신은 "장미"라는 단어를 선택하고 규칙을 작성할, 는 "분기"로 알려진, 하는 비율이보다 더 많은 경우 "최대 촬영"라는 문구에 "상승"이라는 단어가 변경됩니다 5%. Then you branch “rose” to become “fell” if the percentage is negative. If the percentage is -5% or lower, “rose” becomes “plummeted”.

Then you feed it synonyms. So “plummeted” can also be “fell sharply by”. “The Inquirer’s circulation” can be “circulation at the Inquirer”. “Shot up” can be “soared” and so on. Then you add more sentences, perhaps about online traffic, or about which days’ print copies sold best, or about comparisons year-on-year. Then you get clever. You tell Wordsmith to put the sentences with the most newsworthy information first, defined perhaps as those that feature the greatest percentage changes. Maybe you add a branch to say that a result is “the best/worst performance among the quality titles”. Hell, you can even teach it some old Fleet Street tricks, so that if circulation plummets the piece begins “Editor Charles Kane is facing fierce criticism as”, but if circulation has “shot up” this becomes “Charles Kane has silenced critics with news that”. Insert “more” or “again” or “continues” if you get the same thing two months in a row.

“The artificial intelligence is actually the human intelligence that is building the network of logic,” Stewart says, “the same network you would use when writing a story. It could have been developed 10 또는 15 년 전, in code, but to make it work at this scale has only been possible lately.” Clearly it takes longer to prepare an article on Wordsmith than to write one conventionally, but once you’ve done so, the computer can publish a fresh newspaper circulation story every month, on every newspaper, within seconds of receiving the information. It can publish millions of stories in minutes – or publish only some of them, if the data doesn’t reach a given threshold of newsworthiness. Thus it becomes an automated editor, 너무, with adjustable tastes in thoroughness, frequency and hysteria.

For Wordsmith’s task, I suggest football: it’s a field that produces a lot of data and has a readership that wants personalised articles. Guardian football writer Jacob Steinberg volunteers to take on the computer, and I provide a table of facts from the recent Premier League: last season’s league position and this season’s position at Christmas and at the end, goals scored and conceded, top scorer’s name and total, value of summer transfers and a quote from the manager.

Working solely from this data, computer and human must each write a review of the season for a given club. Steinberg chooses Leicester City on the basis that its numbers should contain a story that anyone would see. Wordsmith doesn’t need to choose. It will do all 20.

And in fact both computer and human quickly produce quite similar work:

Leicester City footballer Jamie Vardy

Both Steinberg and Wordsmith deliver dramatic first sentences. Perhaps keen to sound authentic, Automated Insights use some clever tricks to put feeling into the latter’s article, astutely guessing that Leicester were “hoping to finish in the top 10 after a 14th place finish last season”. I look through Wordsmith’s other articles and Southampton, having finished seventh last season, have “eyes on a European spot”, while Manchester City “began the season dreaming of a league title after finishing second”.

Conversely, Steinberg digs more meaningfully into the numbers, showing that Jamie Vardy not only scored 24 goals, but that this was a higher percentage of his team’s goals than was managed by all but two other players. Knowing how Wordsmith works, 물론, one could easily set it up to do the same. In fact looking through it, Steinberg’s entire article could have been created by a skilled Wordsmith programmer – with the exception of one line. “It’s a magical season,” he quotes the Leicester manager as saying, before adding, “justifiably so, given that a summer expenditure of £26.7m on transfers made them the eighth lowest spenders”. That “justifiably so” shows a writer who actually understands what he is writing.

평결 Steinberg is a much better writer, unless you want 20 data-heavy articles in 10 분.

The painting test

A laptop wants me to smile. “It’s in a good mood," Simon Colton 말한다. He knows because he’s the scientist who programmed it. We are in the Science Museum in London, where the Painting Fool, as it is called, is giving a public demonstration. It’s important that I don’t show my teeth, Colton says, because something about the light makes them look green to the Painting Fool.

From my toothless smile the laptop creates a “conception” of what it would like to paint, based on its mood. The mood comes from a “sentiment analysis” of recent Guardian articles, as it happens (on average reading the Guardian is a downer, 분명히, apart from the stuff about gardening). Yesterday the Fool was in such a bad mood that it sent someone away unpainted; today it is feeling “positive”.

Next the Fool attempts to paint with a simulated brush and a simulated hand (actually, an image of Colton’s hand) on the screen behind me. It learned to reflect its mood from the work of Dan Ventura, another computer scientist, at Brigham Young University in Utah, who trained a neural network to recognise the emotional attributes of images by sitting thousands of people in front of tens of thousands of paintings and asking them to tag each one with whatever adjectives came to mind. The Fool now knows that bright colours reflect a good mood, and “pencils with tight hatching” create a picture that is “cold”. When it is done, it prints out a page with a typed self-critique. “Overall, this is quite a bright portrait,” it says. “That’s OK, but my style has lowered the level of bright here. So I’m a bit annoyed about that.”

Here along with us, intrigued but too busy at her easel to watch, 이다 Sarah Jane Moon, an artist who exhibits with the Royal Society of Portrait Painters. She doesn’t want to see my teeth, 어느 한 쪽. “We paint from life,"그녀는 말한다, “and you can’t hold a smile for sitting upon sitting. That’s why all the traditional portraits show quite relaxed features.”

The Painting Fool is a special machine, and even slightly famous, but I can’t deny that Moon is almost all of why I’m excited to be here. The feeling of being painted by a real person, having them look at you and think about you, is exciting and flattering. Sentiment analysis and training data, 반면에, don’t add up to anything whose view of me I care about, and the finished portraits do not change my mind. Moon’s is a lovely, real thing, which feels straight away like one person seen by another. The Fool’s three efforts have qualities I like, but mostly they look like photographs that have gone through some kind of software filter. Colton insists the Fool is here “to learn to be better” but I look and think: so what?

Painting of Leo Benedictus by Sarah Jane Moon
Leo Benedictus as seen by Sarah Jane Moon…
Painting of Leo Benedictus by the Painting Fool computer
…and as imagined by the Painting Fool laptop. 사진: Murray Ballard

Then I think some more. For one thing, it turns out that art is more mechanical than I’d realised. “I try to look at Leo as an abstract set of shapes, forms, 그림 물감, tones,” Moon tells Colton, “to get away from the fact that that’s a nose. Because when you start to do that, you get caught up in what you think looks like a nose.”

“What the software does is break it down into colour regions,” Colton says.

"예, 정확하게,” Moon agrees. “I think that’s what the best painters do. It’s transcribing.” Afterwards she tells me she felt a kind of “kinship” with the software as they worked side by side.

더 중요 한 것은, I realise that what matters isn’t how the machine paints; it’s how I see. Moon I understand, 나는 생각한다. She’s a person and I know how that feels, so I care about her picture. But what does it feel like to be the Painting Fool? Is that what its portraits are trying to tell me?

평결 Moon’s painting is far richer; the Fool is still learning and has centuries of practice to go.

The translation test

Google Translate was the first piece of proper science fiction to come true, 과 it’s already a decade old. In many ways it typifies where AI has got to. Useful, 확실한; impressive, without question; but still clunky as hell, despite big improvements.

If you haven’t used it, it works like this: enter text or web links in any of 103 supported languages and you get a rough translation seconds later in any of the others. The app on your phone will transcribe what you say and then speak it back, translated (32 languages supported); it can replace the text of a foreign language sign or menu wherever you point the camera. No explanation is needed of how cool that is (and it’s free).

Globally, half a billion people use Google Translate each month, mostly those who don’t speak English (which is 80% of people) but who want to understand the internet (which is 50% 영어). “Most of our growth, and actually most of our traffic, comes from developing or emerging markets such as Brazil, 인도네시아 공화국, 인도, 태국,” says Barak Turovsky, head of product management and user experience at Google Translate. It’s surprisingly popular for dating, 너무, 그는 추가. “Things like ‘I love you’ and ‘You have beautiful eyes’, that’s very prevalent.”

The software has always used a form of statistical machine learning: scouring the internet for already translated text – UN declarations, EU documents – and mapping the likelihood of certain words and phrases corresponding to one another. The more data it gathers, the better it gets, but the improvement levelled off a couple of years ago. 곧, Turovsky says, they will deploy new deep learning algorithms, which will produce much more fluent translations.

그럼에도 불구 하 고, there are limits, and some seem fundamental when you talk to a human translator and realise how subtle their work is. Ros SchwartzAnne de Freyman volunteer for this task. Both are professional French/English translators, and I need two because, in order to judge how good the translation is without being fluent in both languages, we need to translate twice – once out of English into French, once back again. Google Translate keeps no memory of the original and can do the same thing.

I choose a short passage of distinctive but not especially wild or ambiguous prose from the beginning of Herzog by Saul Bellow. Translators normally require context, so I tell Schwartz and De Freyman that it comes from a famous mid-century American novel.

Within a few days, Schwartz and De Freyman return a very smooth facsimile of the original text. Here and there some nuances have not survived, but the passage remains a pleasure to read, and the main meanings come across exactly.

Google Translate takes only a few seconds, and the result is both impressive and inadequate, weirdly good in places, in others weirdly bad – turning “he” into “it” and concocting the idea that Herzog is in love. Miraculously, it keeps “cracked” as a description of the hero. French has no word that combines the sense of “broken” and “mad” that cracked coveys in English, so De Freyman makes it “cinglé”, which comes back from Schwartz as “crazy”.

“Google Translate would look at statistical probability and say, what does ‘cracked’ mean?” Turovsky explains. “And statistically, it will try to decide whether it means ‘cracked’ or ‘crazy’ or whatever. 그, for a machine, is a non-trivial task.” Nor is it simple for a human, even though we find it easy. You’d have to ask whether Bellow could have meant that Herzog was “cracked” as in physically fractured. Then you’d have to assume not, because human bodies don’t generally do that. So you’d wonder what he did mean and assume instead, if you were not already familiar with the usage, that he must mean “crazy”, because you understand the rest of what you’ve read. But to do all this, wouldn’t Google Translate have to be pretty much conscious, I ask? Turovsky laughs. “I don’t think I’m qualified to answer that question.”

평결 Some bullseyes and howlers from Google Translate, while Schwartz and De Freyman are fluent and exact.

guardian.co.uk © 보호자 뉴스 & 미디어 제한 2010