Файл: Искусственный интеллект в технологиях машинного перевода.docx

Апресян Ю.Д. Идеи и методы современной структурной лингвистики (краткий очерк). – Москва : Просвещение, 1966. – 304 с. URL: https://www.booksite.ru/fulltext/apresyn/text.pdf (дата обращения 04.04.2021).
Белоногов Г.Г., Хорошилов Ал-др А., Хорошилов Ал-сей А. Единицы языка и речи в системах автоматической обработки текстовой информации // Научно-техническая информация. Сер. 2. – 2005. – № 11. – С. 21–29.
Белоногов Г.Г., Калинин Ю.П., Хорошилов А.А. Компьютерная лингвистика и перспективные информационные технологии. Теория и практика построения систем автоматической обработки текстовой информации. – Москва : Русский мир, 2004. – 246 с.
Блеск и нищета машинного перевода // TOPTR. – 2020. – 11.02. – URL: https://www.toptr.ru/library/translation-as- service/blesk-i-nishheta-mashinnogo-perevoda.html (дата обращения 02.03.2021).
Ветров А.А. Семиотика и ее основные проблемы. – Москва : Издательство политической литературы, 1968. – 264 с.
Ганегедара Т. Обработка естественного языка с TensorFlow. – Москва : ДМК Пресс, 2019. – 382 с.
Денисова Д.С. Современные системы машинного перевода: статический машинный перевод // Синергия наук. – 2018. – № 19. – С. 1425–1434.
Звегинцев В.А. Предложение и его отношение к языку и речи. – Москва : Изд-во МГУ им. М.В. Ломоносова, 1976. – 308 с.
Каким быть машинному переводу в ХХI веке / Белоногов Г.Г., Хорошилов Ал-др А., Хорошилов Ал-сей А., Коза- чук М.В., Рыжова Е.Ю., Гуськова Л.Ю. // Перевод: традиции и современные технологии. – Москва : ВЦП, 2002. – С. 56–69.
Кулагина О.С. Исследования по машинному переводу. – Москва : Наука, 1979. – 320 с.
Лурия А.Р. Язык и сознание. – Санкт-Петербург : Питер, 2019. – 336 с.
Максименко С.Д. Общая психология. – Москва : Рефл-бук : Ваклер, 2000. – 528 с.
Марчук Ю.Н. Проблемы машинного перевода. – Москва : Наука, 1983. – 233 с.
Машинный перевод // Яндекс. – 2021. – URL: https://yandex.ru/company/technologies/translation (дата обращения

12.03.2021).

Мельчук И.А. Опыт теории лингвистических моделей «Смысл <=> текст». – 2-е изд. – Москва : Школа «Языки русской культуры», 1999. – 346 с. – URL: https://www.studmed.ru/melchuk-ia-opyt-teorii-lingvisticheskih-modeley- smysl-tekst_f059f362eba.html (дата обращения 11.06.2021).
Панов Д.Ю., Ляпунов А.А., Мухин И.С. Автоматизация перевода с одного языка на другой // Труды сессии по на- учным проблемам автоматизации производства. – Москва : Изд-во АН СССР, 1956. – С. 181–214.
Пиотровский Р.Г. Новые горизонты машинного перевода // Научно-техническая информация. Сер. 2. – 2002. – № 1. –

С. 17–29.

Соссюр Ф. де. Труды по языкознанию. – Москва : Прогресс, 1977. – 696 с.
Средства машинной грамматики русского языка (по Г.Г. Белоногову) / Аблов И.В., Козичев В.Н., Ширманов А.В., Хорошилов Ал-др А., Хорошилов Ал-сей А. // Научно-техническая информация. Сер. 2. – 2018. – № 6. – С. 32–46.
Технологии создания новых направлений перевода для системы МетаФраз (на примере казахско-русского перево- да) / Захаров В.Н., Никитин Ю.В., Хорошилов Ал-др А., Хорошилов Ал-ей А. // Научно-техническая информация. Сер. 2. – 2017. – № 9. – С. 29–39.
Хобсон Л., Ханнес Х., Коул Х. Обработка естественного языка в действии. – Санкт-Петербург : Питер, 2020. – 576 с.
Хорошилов А.А. Архитектура систем фразеологического машинного перевода // Научно-техническая информация. Сер. 2. – 2006. – № 5. – С. 15–19.
Хорошилов Ал- др А., Кан А. В., Хорошилов А. А. Фразеологический машинный перевод. – Москва : Директ- Медиа, 2019. – 467 с.
Шрейдер Ю.А. Семиотические основы информатики. – Москва : ИПКИР, 1974. – 81 с.
Gers F.A., Schmidhuber J., Cummins F. Learning to forget: Continual prediction with LSTM // Neural Computation. – 2000. – Vol. 12, №. 10. – P. 2451–2471.
Google’s multilingual neural machine translation system: Enabling zero-shot translation / Johnson M., Schuster M., Le Q.V., et al. // Computational Linguistics. – 2017. – Vol. 5. – P. 339–352. – URL: https://www.aclweb.org/anthology/ Q17-1024.pdf (дата обращения 01.04.2021).
Gradient flow in recurrent nets: The difficulty of learning long-term dependencies / Hochreiter S., Bengio Y., Frasconi P., Schmidhuber J. // A field guide to dynamical recurrent networks / Eds. J.F. Kolen, S. Kremer. – Los Alamitos, CA, USA : IEEE Press, 2001. – P. 1–15. – URL: http://www.bioinf.jku.at/publications/older/ch7.pdf (дата обращения 04.04.2021).
Hochreiter S., Schmidhuber J. Long short-term memory // Neural Computation. – 1997. – Vol. 9, N 8. – P. 1–32. – URL: https://www.bioinf.jku.at/publications/older/2604.pdf (дата обращения 01.03.2021).
Machine Translation: the ALPAC report // Pangeanic. – 2013. – 04.07. – URL: https://pangeanic.com/knowledge/machine- translation-the-alpac-report/ (дата обращения 01.03.2021).
Nagao M. A framework of a mechanical translation between Japanese and English by analogy principle, in Artificial and Human Intelligence / ed. A. Elithorn and R. Banerji. – North Holland, 1984. – P. 173–180. – URL: https://www. bibsonomy.org/bibtex/1aa3312962635f792f88c336a66e2e97e/idsia (дата обращения 11.06.2021).
Schuster M., Nakajima K. Japanese and Korean voice search // IEEE Conference (International) on Acoustics. – Las Vegas, NV, USA : IEEE, 2016. – Vol. 11. – P. 5149–5152. – URL: https://static.googleusercontent.com/media/research.google. com/ru//pubs/archive/37842.pdf (дата обращения 02.03.2021).
Schuster M., Paliwal K. Bidirectional recurrent neural networks // IEEE on Signal Processing. – 1997. – Vol. 45, N 11. – P. 2673–2681.
Sutskever I., Vinyals O., Le Q.V. Sequence to sequence learning with neural networks // 27th Conference (International) on Neural Information Processing Systems Proceedings. – Cambridge, MA, USA : MIT Press, 2014. – Vol. 2. – P. 1–9. – URL: https://papers.nips.cc/paper/5346-sequence-to-sequence-learning-with-neural-networks.pdf (дата обращения 02.04.2021).

ARTIFICIAL INTELLIGENCE IN MACHINE TRANSLATION TECHNOLOGIES

Colin Konstantin

DrS (Tech. Sci.), Professor, Chief Researcher of the Federal Research Center “Computer Science and Control”, Russian Academy of Sciences, Moscow, Russia

Khoroshilov Alexander

DrS (Tech. Sci.), Professor of the Moscow Aviation Institute (National Research University), Lead- ing Researcher of the Federal Research Center “Computer Science and Control” of the Russian Academy of Sciences, Senior Researcher of the 27 Central Research Institute of the Ministry of Defense of the Rus- sian Federation, Moscow, Russia

Nikitin Yuri

Researcher of the Federal Research Center “Computer Science and Control” of the Russian Acad- emy of Sciences, Development Team Leader of the Scientific and Industrial Company “High Technolo- gies and Strategic Systems”, Moscow, Russia

Pshenichny Sergey

PhD (Econ. Sci.), Program Director of the Scientific and Industrial Company “High Technologies and Strategic Systems”, Moscow, Russia

Khoroshilov Alexey

Ph.D (Engineering Sci.), Senior Researcher of the 27 Central Research Institute of the Ministry of Defense of the Russian Federation, Moscow, Russia
Abstract. The capabilities of machine translation are closely related to the improvement of model-ing the processes of understanding and generating texts in natural language, which traditionally belongsto the class of artificial intelligence problems. The article attempts to analyze the main approaches to thecreation of machine translation technologies. It is concluded that these approaches have not yet providefor the formation and use of dynamic models of the world, but are moving mainly in the direction of agrammaticallyconsistenttranslationofwordsequences.

Keywords:machinetranslation;naturallanguage;artificialIntelligence;machinetranslationtechnologies.
For citation: Artificial intelligence in machine translation technologies / Kolin K.K., Khoroshilov Al-dr A., Nikitin Yu.V., Pshenichny S.I., Khoroshilov Al-ei A. // Social Novelties and Social Sciences. – Moscow : INION RAN, 2021. – N 2. – Pp. 64–80.
URL: https://sns-journal.ru/ru/archive/ DOI: 10.31249/snsn/2021.02.05