ECTS Informacijski paket za akademsku godinu 2023. / 2024.

Strojno prevođenje

 

Naziv
Strojno prevođenje
Organizacijska jedinica
Odsjek za informacijske i komunikacijske znanosti
ECTS
6
Šifra
52647
Semestri
zimski
Nastavnici
Satnica
Predavanja
30
Seminar
30

Cilj

Cilj kolegija je stjecane kompetencija vezanih uz izradu i primjenu sustava za automatsko strojno prevođenje u cilju prijenosa informacija, u okviru suvremenih disruptivnih tehnologija. eorijski dio odnosi se na arhitekturu i evaluaciju sustava za strojno prevođenje, metode evaluacije, na ulogu paralelnih korpusa i na višejezični informacijski sustav u EU. Analizirat će se primjena automatskog strojnog prevođenja i drugih jezičnih tehnologija (sustavi za prepoznavanje govora, agenti za razgovor) u konkretnim situacijama. Praktičan rad obuhvaća prikupljanje i pripremu podataka za izgradnju sustava za strojno prevođenje, ljudsku i automatsku evaluaciju i analizu primjene jezičnih tehnologija kroz integraciju različitih disruptivnih jezičnih tehnologija u konkretnim situacijama poslovanja, obrazovanja i svakodnevne upotrebe.
Sadržaj
  1. Uvodno predavanje. Tehnologija i društvo.
  2. Disruptivne tehnologije: karakteristike, razvoj, analiza. Jezične tehnologije u društvu.
  3. Generativna umjetna inteligencija: karakteristike, analiza i primjena. Odnos: umjetna inteligencija, strojno učenje, duboko učenje. GenUI u umjetnosti.
  4. Veliki jezični modeli (Large Language Models - LLMs). Temeljni modeli (Foundation Models) za generiranje sadržaja. Botovi (ChatGPT).
  5. Jezično modeliranje temeljeno na podacima. Objašnjiva umjetna inteligencija. Pristranost.
  6. Povijesni razvoj – od prve primjene do suvremenih rješenja sustava za strojno prevođenje.
  7. Arhitektura sustava za strojno prevođenje. Strojno prevođenje temeljeno na pravilima (RBMT). Statističko strojno prevođenje (SMT). Neuronske mreže. Neuronsko strojno prevođenje (NMT).
  8. Višejezični informacijski sustav u EU. Analiza i primjena alata i resursa: sustava za strojno prevođenje, prepoznavanje govora, terminoloških baza, itd. Analiza resursa za hrvatski.
  9. Paralelni korpusi: identifikacija, karakteristike. Vrste podataka i analiza resursa potrebnih za izgradnju automatskog sustava za strojno prevođenje. Stupnjevi automatizacije.
  10. Izgradnja sustava za strojno prevođenje: prikupljanje resursa, pretprocesiranje. Mogućnosti integracije strojnog prevođenja u digitalno okruženje.
  11. Agenti za razgovor - analiza i primjena.
  12. Automatsko strojno prevođenje u multimediji. Sustavi za prepoznavanje govora i evaluacija.
  13. Faze evaluacije sustava za strojno prevođenje. Metrike za evaluaciju. Ljudska evaluacija sustava: kriteriji, skale. Višediomenzionalna metrika (MQM).
  14. Metrike za automatsku evaluaciju sustava za strojno prevođenje: BLEU, NIST, WER, PER, preciznost, odziv, F-mjera.
  15. Evaluacija vlastitog sustava. Kritička analiza, evaluacija, mogućnosti primjene i ograničenja. Indeksi za procjenu digitalnoj razvoja i razvoja umjetne inteligencije.

Ishodi učenja
  1. Osposobiti studente za usvajanje znanja iz područja strojnog prevođenja, disruptivnih i jezičnih tehnologija, arhitekture sustava za strojno prevođenje, vrste podataka i metodologije evaluacije
  2. Osposobiti studente stjecanju znanja i vještina vezanih uz primjenu, izgradnju i ulogu paralelnih korpusa u strojnom prevođenju
  3. Osposobiti studente za osmišljavanje primjene i provođenje evaluacije sustava za strojno prevođenje i srodnih jezičnih tehnologija
  4. Osposobiti studente za osmišljavanje, izgradnju i kritičku evaluaciju vlastitog modela sustava za strojno prevođenje sukladno potrebama korisnika, provesti evaluaciju i interpretaciju rezultata
Metode podučavanja
Metode poučavanja: klasično i primjenom sustava za e-učenje
- Predavanja – teorijski dio
- Vježbe – kroz samostalne zadatke
- Seminar – kroz samostalni ili timski rad
Metode ocjenjivanja
Konačna ocjena čini ukupnost znanja i ispunjenih obaveza tijekom nastavnog razdoblja, a stječe se prikupljanjem bodova kroz izvršene praktične zadatake (samostali rad), projekti zadatak kroz timski rad (istraživanje, prezentacija, izlaganje) i pismeni ispit.

Obavezna literatura
  1. Bijimol T.K., Abraham J. T. A Study of Machine Translation Methods. LAP LAMBERT Academic Publishing, 2018.
  2. Wang, P., Swyer, D. B., Machine Learning in Translation. Routledge, 2023.
  3. European Commission, Directorate-General for Translation, Translation tools and workflow, Publications Office, 2017.
  4. Study Report on Disruptive Technologies. (2022) World customs organization. https://www.wto.org/english/res_e/booksp_e/wco-wto_e.pdf
  5. Seljan, S., Dunđer, I. (2014). Combined Automatic Speech Recognition and Machine Translation in Business Correspondence Domain for English-Croatian. Journal of Computer, Information, Systems and Control Engineering 8 (11), 1069.
  6. Seljan, S.; Gašpar, A. Primjena prevoditeljskih alata u EU i potreba za hrvatskim tehnologijama. Zagreb : HDPL, 2009, 617-625.
  7. Kučiš, V.; Seljan, S.; Klasnić, K. Evaluation of Electronic Translation Tools Through Quality Parameters // INFuture2009 - Digital Resources and Knowledge Sharing . Zagreb : Odsjek za informacijske znanosti, 2009, 341-351
  8. Seljan, S.; Dunđer, I. Machine Translation and Automatic Evaluation of English/Russian-Croatian, 2015. 72-79
  9. Seljan, S.; Tucaković, M.; Dunđer, I. Human Evaluation of Online Machine Translation Services for English/Russian-Croatian. Springer. 353, 2015.
  10. Seljan, S.; Dunđer, I.; Pavlovski, M. (2020) Human quality evaluation of machine-translated poetry // 2020 43rd International Convention on Information, Communication and Electronic Technology (MIPRO): proceedings, 1040-1045 doi:10.23919/MIPRO48935.2020
  11. Dunđer, I. Seljan, S.; Pavlovski, M. (2020). Automatic machine translation of poetry and a low-resource language pair // 2020 43rd International Convention on Information, Communication and Electronic Technology (MIPRO): proceedings, 1034-1039 doi:10.23919/MIPRO48935
  12. Dunder, I., Seljan, S., Pavlovski, M. (2021) What Makes Machine-Translated Poetry Look Bad? A Human Error Classification Analysis. Central European Conference on Information and Intelligent Systems (CECIIS), 183-191
  13. Gupta, A., Hathwar, D., Vijayakumar, A. (2020). Introduction to AI Chatbots. International Journal of Engineering Research & Technology 9 (7) (IJERT) https://www.ijert.org/introduction-to-ai-chatbots
  14. Dovedan, Z.; Seljan, S.; Vučković, K. Strojno prevođenje kao pomoć u procesu komunikacije. Str. 283-291. Informatologia 35 (4), 2002, 283-291
Dopunska literatura
  1. Seljan, S. (ed.) (2021) Special Issue On Disruptive Technologies Changing Business and Communication. International Journal of E-Services and Mobile Applications (IJESMA) 13 (4). IGI-Global ISSN: 1941-627X eISSN 1941-6288
  2. TAUS Translation Technology Landscape, 2020.
  3. Jaworski, R., Seljan, S., Dunđer, I. (2023). Four Million Segments and Counting: Building an English-Croatian Parallel Corpus through Crowdsourcing Using a Novel Gamification-Based Platform. Information 14 (4), 226
  4. Görög, A. Quantifying and benchmarking quality: the TAUS Dynamic Quality Framework, 2014.
  5. Seljan, S.; Brkić, M.; Kučiš, V. Evaluation of Free Online Machine Translations for Croatian-English and English-Croatian Language Pairs, 2011.
  6. Brkić, M.; Seljan, S.; Matetić, M. Machine Translation Evaluation for Croatian-English and English-Croatian Language Pairs // NLPCS Workshop: Human-Machine Interaction in Translation / Sharp, Bernardette ; Zock, Michael ; Carl, Michael ; Jakobsen, Arnt Lykke (ur.). Copenhagen : Copenhagen Business School, 2011. 93-104
  7. Seljan, S.. Sublanguage in Machine Translation. Proceedings of 23rd International Convention MIRO 2000: Computers in Intelligent Systems CIS + CTS . Str.17-20. Rijeka: Liniavera, 2000.
  8. Seljan, S. Hrvatski jezik i računalno prevođenje: Hrvatski online. InfoTrend.hr - onLINE, 2014.

Obavezan predmet na studijima
  1. Informacijske znanosti, sveučilišni prijediplomski jednopredmetni studij, 5. semestar
Izborni predmet na studijima
  1. Arheologija, sveučilišni prijediplomski jednopredmetni studij, 1., 3., 5. semestar
  2. Arheologija, sveučilišni prijediplomski dvopredmetni studij, 1., 3., 5. semestar
Fakultetska ponuda
  • Prijediplomski studij: Zimski semestar