Neurale machinevertaling
Lodewijks (2019) schrijft dat er drie hoofdgroepen van machine vertaling bestaan, elk met hun eigen taalkundige voor- en nadelen. De kans op verschillende vertalingen tussen machines is daarom groot. "Rule-based machine translation" (RBMT) is de eenvoudigste groep, gebaseerd op taalkundige regels en een grote database van grammaticale regels. "Statistical machine translation" (SMT) werkt anders; het gebruikt twee corpora, één voor de bron- en één voor de doeltaal, waarbij elke zin in één taal aan een equivalent in de andere taal is gekoppeld om de vertaalmachine te 'leren' hoe de talen zich tot elkaar verhouden. Neurale machinevertaling (NMT) is de meest recente en maakt gebruik van neurale netwerken en deep learning, geïnspireerd door de werking van het menselijk brein.
DeepL
DeepL is een online machine vertaalservice ontwikkeld door DeepL GmbH. Het maakt gebruik van kunstmatige intelligentie en deep learningtechnieken om tekst van de ene taal naar de andere te vertalen (Zalikha, 2024). Uit onderzoek in 2021, waarbij DeepL externe professionele vertalers inhuurde om vertalingen van verschillende systemen blind te beoordelen, blijkt dat het vertaalsysteem DeepL drie keer beter presteert dan de concurrenten Google Translate, Amazon Translate en Microsoft Translator (DeepL, z.d.).
Google Translate
TTC (z.d.) geeft Google Translate als een voorbeeld van NMT. Aanvankelijk was Google Translate sterk afhankelijk van online statistieken. Wanneer een woord of zin werd ingevoerd, werd de hele internetdatabase gescand op beschikbare, door mensen vertaalde documenten in de specifieke talencombinatie. Vervolgens werden de meest gebruikte uitdrukkingen geïdentificeerd. Deze methode werkte goed voor korte zinnen of zinsdelen, maar had moeite met langere teksten en complexe grammatica. De reden hiervoor was het onvermogen om context en zinsstructuur effectief te verwerken.