Avtomatlashtirilgan tarjima - Английский язык - Курсовые работы

Информация о документе

Цена	10000UZS
Размер	38.5KB
Покупки	0
Дата загрузки	07 Январь 2025
Расширение	docx
Раздел	Курсовые работы
Предмет	Английский язык

Продавец

ALLAMBERGANOVA HULKAR

Дата регистрации 01 Ноябрь 2024

23 Продаж

Avtomatlashtirilgan tarjima

Купить

MUNDARIJA
KIRISH..................................................................................................................3
I.BOB.Avtomatlashgan tarjimaning nazariy asoslari……..............................5
1.1. Avtomatlashgan tarjimaning tarixi.. .................................................................5
1.2. Avtomatlashgan tarjima tizimlarining turlari . .................................................9
II.BOB. Avtomatlashgan tarjimaning amaliy qo`llanishi va imkoniyatlari..14
2.1. Avtomatlashgan tarjimaning ta`lim va biznes sohalaridagi o`rni ..................14
2.2. Avtomatlashgan tarjima tizimlarining cheklovlari va muammolari ...............20
XULOSA..............................................................................................................22
FOYDALANILGAN ADABIYOTLAR............................................................24

KIRISH
Zamonaviy dunyoda texnologiyalar rivojlanishi inson hayotining barcha
sohalariga, jumladan, tarjima faoliyatiga ham jiddiy ta’sir ko‘rsatmoqda. Axborot
globalizatsiyasi, xalqaro aloqalarning kengayishi va turli tillarda ma’lumot
almashinuvi zaruriyati natijasida avtomatlashgan tarjima tizimlari bugungi kunda
dolzarb sohaga aylandi. Ushbu tizimlar nafaqat vaqtni tejash, balki tillararo
muloqotni qulaylashtirishda muhim vosita bo‘lib xizmat qilmoqda. Sun’iy intellekt
va mashina o‘qitish texnologiyalari asosida ishlaydigan avtomat tarjima dasturlari
hozirgi kunda millionlab foydalanuvchilar tomonidan qo‘llanilmoqda.
Avtomatlashgan tarjima mavzusining dolzarbligi , birinchidan, xalqaro
hamkorlikning tobora kengayib borishi bilan bog‘liq. Bugungi kunda ko‘plab
tashkilotlar va kompaniyalar bir nechta tillarda faoliyat olib borishga majbur, bu
esa samarali tarjima vositalariga bo‘lgan ehtiyojni oshirmoqda. Ikkinchidan, turli
tillarni bilmagan holda jahon ilm-fani, ta’limi va madaniyati bilan tanishish
imkoniyatini yaratish orqali avtomatlashgan tarjima dunyo hamjamiyatida o‘ziga
xos ijtimoiy va madaniy vazifani bajaradi.
Mavzuning o‘rganilganlik darajasiga keladigan bo‘lsak , avtomatlashgan
tarjima sohasi uzoq tarixga ega bo‘lib, dastlabki ilmiy tadqiqotlar XX asrning
o‘rtalarida boshlangan. Qoidaga asoslangan tarjima tizimlaridan (Rule-Based
Machine Translation) boshlangan jarayon keyinchalik statistik modellarga
(Statistical Machine Translation, SMT) va hozirgi zamonaviy neyron tarmoqlar
asosidagi tarjima tizimlariga (Neural Machine Translation, NMT) o‘tib keldi.
Google Translate, Yandex Translate va DeepL kabi yetakchi avtomat tarjima
platformalari bu sohaning yutuqlaridan biridir. Shunga qaramay, bu sohada hali
ham dolzarb masalalar mavjud: masalan, o‘zbek tili kabi nisbatan kam o‘rganilgan
tillar uchun sifatli avtomat tarjima tizimlarini yaratish muammosi hal etilishi
lozim.
Mavzuning amaliy ahamiyati , birinchidan, tarjimonlarning ish jarayonini
osonlashtirish va tezlashtirishda namoyon bo‘ladi. Avtomatlashgan tarjima
tizimlari inson ishtirokini minimallashtirgan holda katta hajmdagi matnlarni qisqa
2

muddat ichida tarjima qilish imkonini beradi. Ikkinchidan, ushbu tizimlar ta’lim
sohasida til o‘rganish va o‘rgatishda samarali vosita sifatida foydalanilmoqda.
Uchinchidan, xalqaro savdo, diplomatiya va madaniy aloqalarni rivojlantirishda
avtomat tarjimaning o‘rni beqiyos.
Shu sababli, ushbu kurs ishida avtomatlashgan tarjima tizimlarining
rivojlanish tarixi, texnologik tamoyillari va amaliy ahamiyatini chuqur tahlil qilish
orqali ushbu sohaning hozirgi holati va istiqbollari o‘rganiladi. Bu jarayonda
o‘zbek tilining o‘ziga xos xususiyatlari ham alohida e’tiborga olinadi.
3

I.BOB.Avtomatlashgan tarjimaning nazariy nazariy asoslari.
1.1. Atomatlashgan tarjimaning tarixi.
Mashina tarjimasi, ya'ni matnni bir tildan boshqasiga avtomatik o'zgartirish,
boy tarixga ega. Ushbu soha Ikkinchi Jahon urushi paytida, Warren Weaver kabi
tadqiqotchilar kriptografiya va lingvistik muammolarni o'rganishga kirishganida
boshlangan. 1954 yilda Georgetown-IBM tajribasi rus tilidan ingliz tiliga tarjima
qilishni amalga oshirib, muhim bir yutuqqa erishgan. Dastlabki tizimlar, lingvistik
qoidalar bilan cheklangan qoidalarga asoslangan bo'lib, 20-asrning oxirlarida
statistik modellarga aylangan. 21-asrda neyron mashina tarjimasi (NMT) ustunlik
kasb etdi va chuqur o'rganish texnologiyalaridan foydalanildi. 2016 yilda Google
kompaniyasining NLP (tabiiy tilni qayta ishlash)ni taqdim etishi, kontekstga oid
aniqroq va to'g'ri tarjimalarni taqdim etishda inqilobiy yutuq bo'ldi, bu esa tillararo
muloqot manzarasini shakllantirdi.
1949-1965 yillar orasida mashina tarjimasi tarixining rivojlanish jarayoni
Sovuq urush davridagi samarali til tarjimasi talablariga javoban yuzaga keldi.
Warren Weaverning 1949 yildagi ta'sirchan memorandumasi dastlabki
tadqiqotlarga ilhom berdi va 1954 yilda Georgetown-IBM tajribasi rus tilidan
ingliz tiliga tarjima qilishni amalga oshirdi. Dastlabki sa'y-harakatlar qoidalarga
asoslangan tizimlarga qaratilgan bo'lib, IBM kompaniyasining AQSh Havo
kuchlari bilan hamkorligi bunga misol bo'ladi. Bu davrda shuningdek, 1952 yilda
birinchi mashina tarjimasi konferensiyasi tashkil etildi, bu esa doimiy hamkorlik
va tadqiqotlar uchun zamin yaratdi. Dastlabki muvaffaqiyatlarga qaramay,
taraqqiyot hisoblash lingvistik murakkabliklar va inson tilining o'ziga xosliklarini
kam baholash natijasida cheklangan edi.
Mashina tarjimasi (MT) tadqiqotlarining dastlabki davri, 1940-yillar
oxiridan 1960-yillarning o'rtalarigacha, til tarjimasini avtomatlashtirish bo'yicha
dastlabki sa'y-harakatlar bilan xarakterlanadi. Warren Weaverning ta'sirchan
memorandumidan so'ng, Massachusetts Texnologiya Instituti (MIT)dagi
tadqiqotchilar Warren Weaver va uning jamoasi kompyuter yordamida tarjima
qilish imkoniyatlarini o'rganishga kirishdi. 1954 yildagi Georgetown-IBM tajribasi
5

rus tilidan ingliz tiliga tarjima qilishni amalga oshirib, potensialni namoyish etdi.
Tadqiqotchilar qoidalarga asoslangan yondashuvlarga, ayniqsa Georgetown-IBM
tizimi ishlab chiqilishiga kirishganida, optimizm oshdi. Biroq, tilning
murakkabliklari va tarjima vazifalarining oddiyligini ortiqcha baholash
muammolari yuzaga keldi, bu esa skepisizm davriga va boshqa lingvistik
tadqiqotlarga yo'naltirilishga olib keldi.
1950-yillarda optimizm yuqori edi; hisoblash texnologiyalari va formal
lingvistika, ayniqsa sintaksis sohasidagi rivojlanishlar sifatni sezilarli darajada
yaxshilashni va'da qilayotgandek tuyulardi. Bir necha yil ichida to'liq avtomatik
tarjima tizimlarining yaratilishi haqidagi bashoratlar ko'p edi. Ammo vaqt o'tishi
bilan tilshunoslikdagi muammolarning murakkabligi tobora ayon bo'lib,
ko'pchilikda umidsizlik paydo bo'ldi.
MT (mashina tarjimasi) taraqqiyotini ko'rib chiqishda Bar-Xillel (1960) MT
tadqiqotining maqsadi inson tarjimonlarining natijalaridan farq qilmaydigan yuqori
sifatli to‘liq avtomatik tarjima tizimlarini (FAHQT) yaratish bo‘lishi kerak degan
fikrni tanqid qildi. U buni nafaqat o‘sha davrdagi lingvistik bilimlar va kompyuter
tizimlari holatidan kelib chiqib amalga oshirib bo‘lmasligini, balki printsip
jihatidan ham imkonsiz ekanligini ta’kidladi.
Bar-Xillel buni pen so‘zi bilan tushuntirdi. Ushbu so‘z kamida ikkita
ma’noga ega bo‘lishi mumkin (hayvonlar yoki bolalar uchun to‘siq, va yozuv
asbobi). “The box was in the pen” jumlasida faqat birinchi ma’no mantiqan to‘g‘ri
keladi; ikkinchi ma’no esa yozuv qalamlarining va qutilarning odatiy o‘lchamlari
haqidagi bilimimiz bilan istisno qilinadi. Bar-Xillel hech bir kompyuter dasturi
bunday "real dunyo" bilimlarini katta ensiklopedik ma’lumot bazasidan
foydalanmasdan hal qila olmaydi, deb hisobladi. Uning dalillari o‘sha paytda katta
ahamiyatga ega bo‘ldi.
Ko‘plab tadqiqotchilar allaqachon shunga o‘xshash “semantik to‘siqlar”
bilan duch kelayotgan edilar va ular uchun oddiy yechim yo‘q edi. Bar-Xillel MT
uchun kamroq da’vatli maqsadlarni qo‘yishni tavsiya qildi, ya’ni inson va mashina
6

o‘zaro hamkorligidan iqtisodiy jihatdan samarali foydalanadigan tizimlarni
yaratish kerak edi. 1
1966-1995 yillarda mashina tarjimasi (MT) sezilarli yutuqlar va
o'zgarishlarga guvoh bo'ldi. Dastlabki davrda 1966 yilda ALPAC hisobotining
chiqishi, to'liq avtomatlashtirilgan so'z tarjimasining imkoniyatlari haqida
shubhalar paydo bo'lib, moliyalashtirishni vaqtincha kamaytirdi. Biroq, tadqiqotlar
davom etdi va 1970-yillarda SYSTRAN kabi qoidalarga asoslangan tizimlarga
aylanishdi. 1980-yillarda bilimga asoslangan yondashuvlar paydo bo'ldi, bu esa
lingvistik bilim va kontekstni ta'kidlab o'tdi. IBM kompaniyasining Candide tizimi
va Eurotra loyihalari bu sa'y-harakatlarga misol bo'ldi. 1990-yillarda statistik
yondashuvlarning rivojlanishi, xususan, IBM Candide tizimining taqdim etilishi,
keyingi inqilobiy yutuqlarga zamin yaratdi va 21-asrda neyron mashina tarjimasi
revolyutsiyasining poydevorini qo'ydi.
2013-yildan hozirgi kungacha bo‘lgan davr Neyron Mashina Tarjimasi
(NMT) davri deb ataladi. NMT til tarjimasini sun iy intellekt yordamida yaxshilashʼ
orqali inqilob qildi va tarjimalarning aniqligi hamda ravonligini sezilarli darajada
oshirdi. Ushbu yondashuv, ayniqsa chuqur o‘rganish modellaridan foydalangan
holda, an anaviy qoida va statistikaga asoslangan usullardan keskin farq qildi.
ʼ
Google’ning Transformer modeli kabi NMT tizimlari kontekst, sintaksis va
semantikani yaxshiroq tushunib, turli tillarda yanada tabiiy va kontekstga mos
tarjimalarni yaratishda ajoyib natijalarga erishdi. NMT ning keng qo‘llanilishi til
to‘siqlarini bartaraf etishda, global muloqotni rivojlantirishda va madaniyatlararo
tushunishni yaxshilashda muhim rol o‘ynadi.
2016-yildan boshlab Google Translate tabiiy til tarjimasi bo‘yicha qudratli
va keng qo‘llaniladigan vositaga aylandi. Neyron mashina tarjimasi (NMT)
yordamida Google Translate tarjima sifatini sezilarli darajada yaxshilab, murakkab
va kontekstga mos natijalar bera boshladi. 2017-yilda Transformer modelining
joriy etilishi muhim burilish bo‘lib, Google Translate ga murakkab til tuzilmalari
va idiomatik ifodalarni yanada aniqroq tarjima qilish imkonini berdi.
1
MACHINE TRANSLATION: A BRIEF HISTORY W.John Hutchins
7

Neyron Mashina Tarjimasidagi (NMT) yutuqlar tarjimalar aniqligini oshirdi,
kontekstni tushunish, sintaktik aniqlik va idiomatik ifodalarni yaxshiroq tarjima
qilish imkoniyatlarini yaratdi. Bu rivojlanish til to‘siqlarini yengishda va global
muloqotni rivojlantirishda asosiy omil bo‘lib xizmat qildi.
Bugungi bir-biriga bog‘liq dunyoda mashina tarjimasi uzluksiz muloqotni
osonlashtirish, til to‘siqlarini real vaqt rejimida bartaraf etish va madaniyatlararo
hamkorlikni rivojlantirishda muhim rol o‘ynamoqda. Biznes, diplomatiya va ilm-
fan kabi sohalarda mashina tarjimasi vositalari ma lumotlarga kirishni yaxshilab,ʼ
turli tillardagi muloqotni samarali qilishga imkon yaratmoqda. 2
Ayni paytda, so‘nggi yillarda aniq fan sohalari va foydalanuvchilar uchun
maxsus tizimlarni rivojlantirish ham tez sur'atlar bilan kengayib bormoqda.
Bunday tizimlar ko‘pincha nazorat qilinadigan tillar yoki aniq kichik tillar asosida
ishlab chiqilgan. Ba'zi tizimlar dasturiy ta'minot kompaniyalari tomonidan mijozlar
uchun yaratilgan.
Masalan, Volmac Lingware Services mato ishlab chiqaruvchi kompaniya,
sug‘urta kompaniyasi va samolyot texnik xizmat ko‘rsatish qo‘llanmalarini tarjima
qilish uchun MT tizimlarini ishlab chiqdi; Cap Gemini Innovation esa Frantsiya
armiyasi uchun harbiy telegraf xabarlarini tarjima qilish uchun TRADEX tizimini
yaratdi. Yaponiyada CSK moliya va iqtisod sohasida tarjima qilish uchun o‘zining
ARGO tizimini ishlab chiqdi va uni tashqi mijozlarga ham taklif qilmoqda;
Daniyada esa Winger tizimining tijoriy rivojlanishi ham shunga o‘xshash tarixga
ega. Foydalanuvchilar uchun maxsus ishlab chiqilgan tizimlar MT (mashina
tarjimasi) hisoblash usullari tadqiqotchilar doirasi bilan cheklanmay, kengroq
auditoriya orasida tanila boshlaganidan dalolat beradi. Bu tizimlar nazariy nuqtai
nazardan kamdan-kam hollarda innovatsion bo‘lsa-da, ko‘pincha hisoblash
jihatidan rivojlangan hisoblanadi.
1.2. Atomatlashgan tarjima tizimlarining turlari.
Matnni bir tildan boshqasiga tarjima qilish uchun kompyuterlardan
foydalanish kompyuter fanining uzoq vaqtdan beri orzu qilib kelgan maqsadi edi.
2
https://circletranslations.com/blog/history-of-machine-translation
8

Biroq, so‘nggi o‘n yillikda mashina tarjimasi (MT) ko‘proq foydalanuvchilar
orasida keng qo‘llaniladigan samarali vositaga aylandi. Tabiiy tilni qayta ishlash,
sun’iy intellekt (AI) va hisoblash quvvatidagi yutuqlar ushbu texnologiyaning
tobora foydali bo‘lishiga hissa qo‘shmoqda. Mashina tarjimasi rivoji davomida
turli kuchli va zaif tomonlariga ega bo‘lgan bir nechta MT tizimlari paydo bo‘ldi.
Eng keng tarqalgan 3 turiga qoida asosida ishlaydigan, statistik va neyron mashina
tarjimasi kiradi. Eng qadimgi shakli bo‘lgan qoida asosidagi mashina tarjimasi
(RBMT) katta hajmdagi oldindan belgilangan lingvistik qoidalarga asoslangan
bo‘lib, dasturga matnning ma’nosini tillar o‘rtasida o‘tkazishda yordam bergan.
Ushbu tizim umumiy olganda past sifatli tarjimalarni taqdim etgan, yangi tillarni
qo‘shish qo‘lda amalga oshirilgan va tarjima natijalarini sezilarli darajada inson
tomonidan tahrirlashni talab qilgan. Bugungi kunda RBMT kamdan-kam
qo‘llaniladi.
Qoida asosidagi mashina tarjimasi (RBMT) dastlabki tijorat MT tizimlari
bo‘lib, kontekstga qarab so‘zlarning turli o‘rinlarda joylashishi va ma’nolarni
o‘zgartirishga imkon beruvchi lingvistik qoidalarga asoslangan. RBMT
texnologiyasi tarjima jarayonini uchta bosqichda amalga oshiradi: tahlil, transfer
va generatsiya. Qoidalar til bo‘yicha mutaxassislar va dasturchilar tomonidan
ishlab chiqilgan bo‘lib, ular ikki til o‘rtasidagi qoidalarni o‘rganish va xaritalash
uchun katta mehnat sarflagan. RBMT qo‘lda tuzilgan tarjima lug‘atiga tayanadi, bu
lug‘atlarni foydalanuvchilar tomonidan tahrirlash va yaxshilash mumkin.
RBMT foydalanuvchilarga lug‘at va foydalanuvchi lug‘atini sozlash orqali
ayrim nazoratni taqdim etadi va natijasi nisbatan oldindan aytib bo‘ladigan bo‘ladi.
Ammo bu sozlash jarayoni vaqt talab etuvchi va qiyin bo‘lishi mumkin, ba’zan esa
terminlar noaniqligi tufayli pastroq sifatli tarjimalarga olib keladi. Qoidalar asosida
tarjima qilingani uchun natija ko‘pincha “mashina uslubida” yozilgan bo‘lib,
tushunarli bo‘lsa-da, ravon emas. Bu holat ko‘pincha “umumiy ma’no sifati”
sifatida ta’riflanadi: tarjimaning mazmuni yetarlicha aniq, ammo maqsadli
auditoriya va yozuv uslubiga moslashtirish uchun sezilarli tahrirlash kerak. RBMT
9

ishlab chiquvchilari yaqinda RBMTning ayrim cheklovlarini bartaraf etish uchun
o‘z asosiy texnologiyasiga Statistik Mashina Tarjimasi (SMT) usullarini
qo‘shishga harakat qilishdi va o‘z mahsulotlarini “Gibrid MT modeli” sifatida
sotishni boshlashdi. Turli xil gibrid MT modellar mavjud bo‘lib, ularning foydalari
va cheklovlarini tushunish muhimdir . 3
Statistik mashina tarjimasi (SMT) bir inson tilidagi jumlalarni (masalan,
fransuzcha) boshqa bir inson tiliga (masalan, inglizcha) avtomatik tarzda
o‘tkazishni o‘z ichiga oladi. Birinchi til manba til, ikkinchi til esa maqsadli til deb
ataladi. Bu jarayon stoxastik jarayon sifatida tasavvur qilinishi mumkin. Tarjima
qanday modellashtirilishiga qarab SMTning bir necha variantlari mavjud. Ba’zi
yondashuvlar qatorlarni qatorlarga moslashtirishga asoslanadi, boshqalari
daraxtlarni qatorlarga yoki daraxtlarni daraxtlarga moslashtiradi. Ularning
barchasida umumiy g‘oya shuki, tarjima avtomatik bo‘lib, modellar parallel
korpuslardan (manba-maqsad juftliklaridan) va monolingvistik korpuslardan
(maqsadli jumlalar misollaridan) baholanadi. Statistik Mashina Tarjimasini birinchi
marta 1940-yillarda Uorren Viver taklif qilgan. Uorren tilning o‘zida biror mantiq
mavjudligini va uni boshqa mantiqiy matematik masalalar kabi ko‘rib chiqish
mumkinligini taklif qilgan edi. Ushbu g‘oya keyinchalik 1980-yillarning oxiri va
1990-yillarning boshlarida IBMning Tomas J. Uotson Tadqiqot Markazi
tadqiqotchilari tomonidan qayta taqdim etildi va bu so‘nggi yillarda mashina
tarjimasiga bo‘lgan qiziqishning qayta jonlanishiga katta hissa qo‘shdi. Statistik
Mashina Tarjimasi (SMT) Neyron Mashina Tarjimasining (NMT) rivojlanishidan
oldin eng keng o‘rganilgan tarjima usuli bo‘lgan. SMT va NMT ikkalasi ham til
tarjimasi uchun ma’lumotga asoslangan yondashuvlar sifatida tanilgan. Bu shuni
anglatadiki, ular katta hajmdagi ma’lumotlarga tayanadi va bu ma’lumotlar tarjima
aniqligini va unumdorligini oshirish uchun ishlatiladi. Bu ma’lumotlar odatda
korpus (jumlalar, so‘zlar yoki iboralarning to‘plami) shaklida ifodalanadi.
3
https://omniscien.com/faq/what-is-rules-based-machine-translation/
10

Qiziqarli fakt: Google Translate dastlab 2006-yilda SMT xizmatlari sifatida
ishga tushirilgan bo‘lib, turli tillar uchun lingvistik ma’lumotlarni olish uchun
Birlashgan Millatlar Tashkiloti va Yevropa Parlamentining matn va hujjatlaridan
foydalangan. SMT tillar o‘rtasida tarjima yaratish uchun ehtimollik modellaridan
foydalanadi. Ushbu g‘oya axborot nazariyasidan kelib chiqqan. Bu usul an’anaviy
“qo‘lda yozilgan qoidalar”dan farq qiladigan, ehtimollikka asoslangan
modellashtirishni taklif qiladi. Tarjima masalasi ehtimollik taqsimotiga asoslanadi.
Bunda manba jumla berilganda, maqsadli jumlada eng ehtimolli so‘z yoki ibora
tarjimalari topiladi.
Birinchi Statistik Mashina Tarjimasi (SMT) usuli 1990-yillarning boshlarida
kiritilgan bo‘lib, bu so‘z asosida ishlaydigan SMT edi. Ushbu yondashuv manba
tilidagi so‘zning (e) maqsad tilidagi so‘zga (f) tarjima qilinish ehtimolini
aniqlashga qaratilgan. Ya’ni, berilgan manba jumlasidagi har bir so‘z alohida tahlil
qilinadi va maqsadli jumlada eng ehtimolli tarjima topiladi. Bu, albatta, nazoratli
(supervised) o‘rganish usuli bo‘lib, bunda algoritmga manba va maqsad tillaridagi
tarjimalarning bir nechta misollari beriladi, so‘ngra u sinov so‘zning maqsad tilida
eng ehtimolli tarjimasini baholashga harakat qiladi. Ma’lumki, so‘zlar kontekstga
qarab turli xil tarjimaga ega bo‘lishi mumkin. Ushbu turli tarjimalar "Leksikon"
deb ataladigan ma’lumot bazasida saqlanadi. Oddiy qilib aytganda, leksikon
so‘zning turli kontekstlardagi ma’nolari haqidagi ma’lumotlarni o‘z ichiga oladi.
Masalan, ingliz tilidagi bank so‘zi kontekstga qarab turli xil ma’nolarga ega
bo‘lishi mumkin va boshqa tilda ham har xil tarjimalar berilishi ehtimoli mavjud.
Leksikon so‘zning manba jumladagi tarjimalarining maqsad jumladagi
ehtimolliklarini saqlaydi. Bu birga uchrashish chastotasiga asoslanadi, ya’ni manba
jumladagi bir so‘z qanchalik ko‘p maqsad jumladagi tarjimasi bilan birgalikda
uchraganini ko‘rsatadi. Natijada, ba’zi tarjimalar so‘zning ehtimolli tarjimasi
sifatida boshqalardan ko‘proq mos keladi. Ushbu tarjima ehtimolliklarini taxmin
qilish uchun eng katta ehtimollikni baholash (Maximum Likelihood Estimation)
usuli qo‘llaniladi. SMT tizimlarining ikkinchi muhim komponenti Moslik modeli
11

(Alignment Model) hisoblanadi. Bu model manba jumladagi har bir so‘zning
maqsad jumladagi so‘zga mosligini aniqlaydi. Biroq, ba’zi so‘zlar maqsad jumlada
mos keladigan tarjimaga ega bo‘lmasligi ham mumkin. Iboraga asoslangan SMT
esa keyinchalik ishlab chiqilgan bo‘lib, bunda tarjimani individual so‘zlarga emas,
balki "iboralarga" (ketma-ket keladigan ikki yoki uchta so‘zlar) asoslash g‘oyasi
mavjud. Bu yondashuv manba jumladan maqsad jumlaga ikki yoki uchta so‘zni
birga tarjima qilishni maqsad qiladi. Bu usul so‘zlarni alohida ko‘rib chiqishga
qaraganda samaraliroq ekaniga qo‘shilamiz, to‘g‘rimi? Ayniqsa, barcha tillar bir xil
so‘z tuzilishi yoki ma’nolaridan foydalanmasligini hisobga olsak, bu tarjima
vazifasini ancha aniqroq qiladi. Masalan, ingliz tilida jumla tuzilishi Noun-Verb-
Object (Ot-Fe’l-Objekt) bo‘lsa, ba’zi boshqa tillarda Verb-Noun-Object (Fe’l-Ot-
Objekt) bo‘lishi mumkin. Agar biz ushbu struktura farqlarini inobatga olgan holda
so‘zma-so‘z tarjimalarni amalga oshirishga harakat qilganimizni tasavvur qilsak,
tarjima ancha murakkab bo‘lardi. 4

Neyron Mashina Tarjimasi (NMT) - bu neyron tarmoqlardan foydalanib
so‘zlar ketma-ketligining ehtimolini bashorat qiluvchi zamonaviy mashina
tarjimasi usuli. NMT matn bo‘lagini, to‘liq jumlani yoki oxirgi yutuqlar tufayli
butun bir hujjatni tarjima qilishga qodir. NMT tilni tarjima qilish va lokalizatsiya
muammosini hal qilishda chuqur neyron tarmoqlar va sun’iy intellekt yordamida
neyron modellarni o‘qitishga asoslangan tamomila yangi yondashuvdir. Ushbu
yondashuv so‘nggi uch yil ichida SMT (Statistik Mashina Tarjimasi)dan NMTga
o‘tishni tezlashtirib, mashina tarjimasining ustun usuliga aylandi. NMT, SMTga
qaraganda yuqori sifatli tarjimalar beradi va bu tarjimalar ravonlik va ma’noning
to‘g‘riligida ustunlik qiladi.
NMT an’anaviy SMT modellariga qaraganda juda kam xotira talab qiladi.
Ushbu yondashuv SMT tizimlaridan farqli o‘laroq, barcha tarkibiy qismlarni
birgalikda o‘qitadi va tarjima sifatini maksimal darajaga oshirishga qaratilgan.
An’anaviy iboraga asoslangan tarjima tizimlari bir nechta kichik komponentlardan
4
https://mardiyyah.medium.com/statistical-machine-translation-a-data-driven-translation-approach-8a5dc15ba057
12

iborat bo‘lib, ular alohida sozlanadi. Biroq, neyron mashina tarjimasi bitta katta
neyron tarmoqni yaratishga va o‘qitishga harakat qiladi, bu tarmoq jumlani o‘qib,
to‘g‘ri tarjimani chiqaradi. Shunga qaramay, SMT tizimlarini butunlay yo‘q qilish
mumkin emas, chunki ba’zi holatlarda SMT tizimlari NMTdan yaxshiroq sifatli
tarjimalar bera oladi. Shu sababli, Omniscien kompaniyasi ikkala texnologiyaning
kuchli tomonlarini birlashtiruvchi Gibrid Mashina Tarjimasi yondashuvini qo‘llab,
yuqori sifatli tarjima natijalarini taqdim etadi. Chuqur Neyron Mashina Tarjimasi
(Deep NMT) - bu NMTning kengaytirilgan shakli bo‘lib, Mashinani O‘rganish
(Machine Learning) va Sun’iy Intellekt (AI) asosida ishlaydi. Chuqur o‘rganish
inson miyasining tuzilishi va funksiyalaridan ilhomlangan Mashinani
O‘rganishning bir sohasi hisoblanadi. Deep NMT oddiy (Shallow) NMTdan farq
qilib, bitta emas, balki bir nechta neyron tarmoq qatlamlarini qayta ishlaydi. Bu esa
tarjima sifatini sezilarli darajada oshirish imkonini beradi.
Deep NMTda odatda kirish (input), chiqish (output) va bir nechta yashirin
qatlamlar bo‘lib, ular ma’lumotni qayta ishlaydi va natijalarni taqdim etadi.
Boshqacha qilib aytganda, chuqur o‘rganish bu inson o‘rganish uslubini ma’lum
darajada taqlid qila oladigan neyron tarmoq algoritmlari guruhidir, masalan,
naqshlarni aniqlash, shaxslar yoki obyektlarni tanish. Neyron elektr signallar
o‘rniga, u real dunyodan olingan tasvirlar, videolar, matnlar va boshqa
ma’lumotlarni raqamli ma’lumotlarga aylantiradi. Dastlabki NMT tizimlari
Shallow NMTga asoslangan bo‘lib, kamroq qatlamlarga ega edi. Texnologiya
rivojlanishi bilan ko‘proq qatlamlarni qayta ishlash va tarjima aniqligini yanada
oshirish imkoniyati paydo bo‘ldi. 5
5
mniscien.com/faq/what-is-neural-machine-translation/
13

II.BOB. Atomatlashgan tarjimaning amaliy qo`llanishi va imkoniyatlari
2.1. Atomatlashgan tarjimaning ta`lim va biznes sohalaridagi o`rni.
Sun'iy intellekt – mashina intellekti bilan ishlab chiqilgan platforma sifatida
taqdim etiladi. Sun'iy intellekt, eng ilg'or texnologiya bo'lib, mashina asosida,
ammo insoniyatga o'xshash intellektual tizimdir. Bu to'liq avtomatlashtirilgan va
inson aralashuvisiz ishlaydi. Hozirda bu ko'plab sohalarda qo'llanilmoqda. Sun'iy
intellekt texnologiyasining yangilanishi bilan tasvirni tanish, nutqni tanish, tarjima,
tibbiy yordam, hatto robotlar kabi ko'plab sun'iy intellekt ilovalari paydo bo'ldi.
So'nggi yillarda ta'lim texnologiyalarining rivojlanishi va maktablarda
kompyuterlarning keng qo'llanilishi mashina o'rganish (MO) va ikkinchi til
o'rganish (SSL) sohalarida yangiliklarni kuchaytirdi. Bugungi kunda dasturlarda
keng qo'llaniladigan MO, o'rganish jarayonlarini kompyuter modelini yaratish va
qo'llashni o'rganadi, bu til o'rganishni osonlashtiradi va intellektual tizimlarning
rivojlanishini rag'batlantiradi, Tarjima sanoatiga ham ta'sir ko'rsatdi, bu ham
axborot almashish va boshqaruvni amalga oshiradi. Shu sababli, ushbu tadqiqot
mashina tarjimasining ingliz tilini o'rganish va tarjimadagi kelajakdagi rolini
o'rganishga qaratilgan, uni qiziqarli va interaktiv faoliyatga aylantirish. MO
ilovalari, xususan MT, ning ta'lim sohasidagi ta'siri sezilarli bo'lib, shu munosabat
bilan MT sohasida turli tadqiqotlar o'tkazildi. Tadqiqotchi til o'qituvchilariga
talabalar tomonidan veb-asosidagi mashina tarjimasi (WBMT) vositalaridan
foydalanish, baholash va munosabatlar haqida ma'lumot taqdim etishni maqsad
qilgan. Xususan, talabalar WBMT-dan til o'rganish maqsadida qancha
foydalanishini va uni qadrlashini baholashdi. Ushbu tadqiqot mashina tarjimasi
(MT) ga bag'ishlangan eksperimental darslarni taqdim etdi, MT baholash protokoli
qo'llanilib, Silesiya universiteti 45 talabasining ishtiroki bilan o'tkazildi. O'qitish
ssenariysi MT yechimlarining nazariy muhokamasi bilan boshlanib, keyin talabalar
MT natijalarini baholashdi va MT vositalari haqida nazariy va amaliy bilimlar
hosil qilishdi.. Ushbu tadqiqot yuqori texnologiyaga do'st universitet muhitida til
o'qituvchilari mashina tarjimasini qanday qabul qilishini va bu talabalar shaxsiy
14

o'rganish muhitiga qanday ta'sir qilishini o'rganadi. Yangi vositalarning faollik
tizimidagi turli elementlar o'rtasidagi munosabatlarni qanday o'zgartirishi haqida
faoliyat nazariyasi nuqtai nazaridan tahlil qilindi. Ushbu tadqiqotda tahrirlangan
post-MT mahsulotining sifati inson tarjimasi bilan qanday solishtirilganini
o'rganildi. Tadqiqot natijalari, mashina tarjimasi, post-tahrirlangan natija yuqori
aniqlik va ravonlikka ega ekanini ko'rsatdi, shuningdek, tarjimalar uslubda
yaxshiroq deb topildi. So'rovnoma o'tkazilganda, baholovchilarning ko'pchiligi
mashina tarjimasi o'rniga inson tarjimasi natijalarini afzal ko'rdi. Boshqa
tomondan, boshqarilgan til (CL) qoidalari qo'llanilganda, aniq va ravonlikda
yuqori baholandi, bu esa MT natijalarini yaxshilashda CL qo'llanilishini isbotladi.
Ushbu tadqiqot uning rivojlanishiga olib kelgan asoslarni, uning kelib
chiqishi va rivojlanishining dastlabki bosqichlarini taqdim etadi. So'nggi o'n yil
ichida veb-asosidagi MT sohasiga bir nechta raqobatchilar kirib kelgan, va ushbu
tadqiqot adabiyotda eng muhim hissa qo'shganlar haqida sharh taqdim etdi, ikki
asosiy masalaga alohida e'tibor qaratdi: birinchidan, ushbu onlayn MT
vositalarining foydalanuvchilarning tarjima ehtiyojlarini qondirishdagi roli,
ikkinchidan esa, ularning MT bilan bog'liq sanoat va biznesga ta'siri. ML
ramkasining umumiy tuzilishi to'rtta asosiy qadamdan iborat: onlayn (paket
filtrlash), ma'lumotlarni qayta ishlash, o'qitish/test bosqichi va kross-valideytatsiya.
Birinchi qadam "paket filtrlash" bo'lib, bu onlayn qayta ishlash bilan bog'liq va
PTF yordamida real vaqt trafikini filtrlashni o'z ichiga oladi. Ushbu qadam xom
trafikning potentsial hujumlarining paketlari uchun yaxshi samaradorlikni taqdim
etadi. Ikkinchi qadam "Ma'lumotlarni qayta ishlash" bo'lib, bu birinchi bosqichni
o'tgan paketlarning SVM o'qitish kirishlari uchun trafik oqimi asosida paketlararo
aloqalar bilan oldindan qayta ishlanishini bildiradi. Uchinchi qadam "O'qitish/Test
bosqichi" bo'lib, unda kuchaytirilgan SVM mashina o'rganish yondashuvi mavjud.
SVM modeli ikkita turdagi mashina o'rganish metodlarini birlashtiradi: yumshoq
chegarali SVM (nazoratli metod) va bir klassli SVM (nazoratsiz metod). Shu
tarzda, kuchaytirilgan SVM yondashuvi yumshoq chegarali SVMning yuqori
samaradorligini va bir klassli SVMning yangilikni aniqlash qobiliyatini meros qilib
15

oladi. So'nggi qadam "kross-validatsiya/real test Bro va Snort bilan" bo'lib, bu
yondashuvni tekshirishni talab qiladi, bu ikki xil m-fold kross-validatsiya testi
yordamida va taklif etilgan ramkani haqiqiy dunyo NIDlari, masalan, Bro va Snort
bilan solishtirib ko'rishni talab qiladi 6
.
O'quvchilar va o'qituvchilarning texnologiyalarga bo'lgan qarashlari dastlabki
va o'rta maktab darajasida ilmiy adabiyotda kam e'tiborga olinmoqda. Umuman
olganda, yosh bolalar tomonidan texnologiyalarni ishlatishning maqsadga
muvofiqligi haqida ba'zi tadqiqotlar shuni ko'rsatadiki, hatto yosh yoshda ham
texnologiyalar turli ko'nikmalarni rivojlantirishda foydali bo'lishi mumkin; ammo,
o'qituvchilar texnologiyalarni qanday qo'llashni bilmasligi kuzatilgan. Ruminiyada
300 ta maktabgacha ta'lim muassasasi o'qituvchilarining erta yoshdagi ta'lim
maqsadida texnologiyalarni ishlatishga bo'lgan munosabatini o'rganish bo'yicha
Rad va boshqalar (2023) o'qituvchilar yosh bolalar bilan didaktik maqsadlar uchun
raqamli vositalarni ishlatishda kam ishonchli bo'lishganligini aniqladilar, garchi
ular shaxsiy maqsadlari uchun texnologiyalar haqida ijobiy fikrda bo'lishgan. Yosh
o'quvchilar va o'qituvchilar haqidagi Stapleton va Kin (2019) tomonidan
o'tkazilgan tadqiqotda, ayniqsa Google Translate ning tarjima sifatini o'rganish,
tarjimaning sifatini birinchi darajadagi o'quvchilar (n = 6) o'zlarining ona tili
bo'lgan xitoy tilida matnlar yozib, so'ngra Google Translate yordamida tarjima
qilish uchun yetarli bo'lib-bermasligini aniqlashga qaratilgan. Mualliflar
shuningdek, o'qituvchilarning (n = 12) mashina tarjimasi yordamida topshiriqlarni
bajarishgan o'quvchilar haqida xabar berilgandan keyin ularning reaktsiyalarini
o'rganishgan. O'qituvchilar mashina tarjimasini ishlatishni to'xtatish tobora
qiyinlashayotganini va ular asosan vositani ishlatishga qarshi emasliklarini, ammo
o'qish maqsadlari uchun texnologiyalardan foydalanish darajasi bo'yicha
ehtiyotkorlik bilan munosabatda bo'lishlarini bildirganlar.
Shvetsiyada o'rta maktabning yuqori sinf o'quvchilarining uzun muddatli
tadqiqotida, Fredholm (2019) ispan tilini chet tili sifatida o'rganuvchi
o'quvchilarning leksikani rivojlantirishini o'rganib chiqqan. Tadqiqot natijalari
6
https://www.researchgate.net/publication/342027951_The_Role_of_Machine_Translation_in_Language_Learning
16

mashina tarjimasi ishlatilgan guruhda, yozuv topshirig'ini bajarishda qog'oz lug'ati
ishlatgan nazorat guruhiga nisbatan, o'quvchilarning qisqa muddatli leksikani
kengaytirish ta'sirini ko'rsatgan. Shu bilan birga, o'quvchilarning ko'proq turli xil
leksikani uzoq muddatda saqlab qolmaganligi aniqlangan (Fredholm 2019).
Boshqa tomondan, Fredholmning (2021) doktorlik dissertatsiyasida chop etilgan
tadqiqoti chet tilini o'rganish maqsadlarida o'quvchilarning texnologik
ko'nikmalarini mustahkamlashga qaratilgan xulosa bilan yakunlanadi.
Litvada 12-17 yoshli bolalari bo'lgan o'n oilaning avtomatlashgan tarjimasi
haqidagi qarashlari va xabardorliklarini o'rganishga bag'ishlangan sifatli tadqiqotda
Liubinienė va boshqalar (2022) bolalarning fikricha, o'qituvchilar odatda sinfda
avtmalashgan tarjimasiga qarshi ekanliklarini va bu bolalarning texnologiyaning
mas'uliyatli, xavfsiz va axloqiy foydalanilishi haqida qanday va nima qilib
ishlatilishi mumkinligi haqida xabardorliklarini to'sib qo'yishini aniqladilar. Ushbu
va boshqa yuqorida tilga olingan tadqiqotlar natijalari shuni ko'rsatadiki, o'rta
ta'lim o'qituvchilari va o'quvchilarining qarashlari aralashib ketgan va sinfda
texnologiyani qanday ishlatish bo'yicha aniq yo'riqnoma mavjud emas, lekin buni
hamma xohlaydi. 7
7
https://www.degruyter.com/journal/key/opli/html
17

2.2. Atomatlashgan tarjima tizimlarining cheklovlari va muammolari.
Mashina tarjimasi matnni bir tildan boshqasiga o‘tkazishni sezilarli darajada
osonlashtirdi va tezlashtirdi, ammo u hali ham muammolardan xoli emas. Neyron
tarmoqlari va sun’iy intellekt sohasidagi yutuqlar tufayli avtomatik tarjima ancha
ishonchliroq bo‘lib qoldi (masalan, Google Translate tarixini ko‘ring), lekin unga
to‘liq ishonish hali ham mumkin emas. Bu, ayniqsa, tibbiyot, huquq va moliya kabi
sezgir sohalar uchun ayniqsa dolzarb. Ammo, aytishlaricha, muammoni oldindan
bilish yarim g‘alaba demakdir. Agar mashina tarjimasidan foydalanishda yuzaga
kelishi mumkin bo‘lgan kamchiliklarni bilsangiz, ularga yaxshiroq
tayyorlanishingiz mumkin. Shuning uchun, ushbu maqolada biz aynan shu haqida
gaplashamiz. Mashina tarjimasi bilan bog‘liq odatiy muammolar va ulardan
qochishning amaliy usullari, jumladan, veb-saytingizni tarjima qilishda nimalarga
e’tibor berish kerakligi haqida bilib olasiz. Tillarni murakkabligi va xilma-xilligi
sababli, mashina tarjimasi ularning nozik jihatlarini tushunishda qiynaladi. Ko‘p
hollarda, bularni anglash uchun madaniy bilimlar kerak, chunki til odamlar va
ularning madaniyatlariga asoslanadi. Quyida bu boradagi muammolarning ayrim
turlari keltirilgan:
Tasviriy til mashina tarjimasi uchun eng katta muammolardan biridir. Bu
ko‘pincha madaniy ma’lumotlarga asoslangan bo‘lib, boshqa tilda bevosita
ekvivalentga ega emas. Masalan, “to hit the books” iborasi so‘zma-so‘z tarjima
qilinsa, “kitoblarni urish” degan ma’noni bildiradi, ammo aslida bu “intensiv
o‘qish” degan metaforik ma’noga ega. Slang – mashina uchun ham, odamlar uchun
ham qiyin. Bu tilning dinamik va tez-tez o‘zgarib turadigan qismidir. Masalan, “to
spill the tea” iborasi so‘zma-so‘z “choy to‘kish” degan ma’noni bildiradi, ammo
aslida bu “g‘iybat qilish” degan ma’noni anglatadi. Rasmiylik darajasi. Mashina
tarjimasi, shuningdek, insonlar kabi, rasmiylik darajasini to‘g‘ri aniqlashda
qiynaladi. Bu, ayniqsa, yapon, koreys, nemis va ispan tillarida muhim, chunki bu
tillarda so‘zlashuvdagi hurmat darajasi fe’llar shakllariga yoki ishlatiladigan
so‘zlarga ta’sir qiladi.Mashina tarjimasining ushbu nozik jihatlarni tushunishda
18

duch keladigan qiyinchiliklari, xato tarjimalar yoki noqulay vaziyatlarga olib
kelishi mumkin.
Bu murakkab terminlar bir xil yozilgan yoki talaffuz qilingan, lekin turli
ma'nolarga ega bo'lgan so'zlar va bir nechta bog'liq, ammo har xil ishlatiladigan
ma'nolarga ega bo'lgan so'zlarni tasvirlash uchun ishlatiladi. Masalan, ingliz
tilidagi “ring” so'zi doira shaklidagi narsani, barmoqda taqiladigan narsa yoki
telefonlarning oldingi ovozini (buni ota-onangizdan so'rang) anglatishi mumkin va
bu uni omonim qiladi. Boshqa tomondan, “light” so'zi engil, jiddiy bo'lmagan yoki
och rangdagi narsani bildirishi mumkin. Bunday holatlar, ayniqsa, o’tmishda
muammo bo’lgan, chunki mashina tarjima tizimlari so'z va iboralarni statistik
ehtimolliklarga asoslangan holda tanlab olishgan. Bugungi kunda kontekstni
hisobga olishda ular ancha yaxshilangan bo’lsa-da, bunday muammolarga hali ham
tez-tez duch kelish mumkin. Madaniy o‘ziga xosliklar. Til va madaniyat bir-biri
bilan chambarchas bog'liq bo'lib, madaniy kontekstni tushunish mahalliy aholi
uchun mos tarjimalar yaratishda juda muhimdir. Bu mashina tarjimasida ko'pincha
muammo bo'lgan yana bir sohadir. Bu erda odatiy misol – madaniy kontekst bilan
chambarchas bog'liq bo'lgan va tarjima qilish qiyin bo'lgan so'zlardir. Masalan,
yapon tilida “salaryman” ( サラリーマン ) atamasi korporativ ishchi turini
tasvirlash uchun ishlatiladi. Bu so'zni ingliz yoki boshqa tillarga tarjima qilishda
“employee” kabi umumiy atama paydo bo'lishi mumkin, bu esa yapon mehnat
madaniyatiga xos konnotatsiyalarni yo'qotadi. Boshqa bir misol – bir xil tilning
hududiy o'ziga xos so'zlari. Masalan, Amerikan inglizchasida “faucet” va Britan
inglizchasida “tap” atamalari, yoki avstraliyaliklar “flip-flops”ni “thongs” deb
atashlari, bu so'z esa dunyoning ko'p joylarida ichki kiyimni anglatadi.
Cheklangan Trening Ma'lumotlari. Mashina tarjima tizimlari keng qamrovli
til ma'lumotlariga asoslanadi va ularning sifati mavjud ma'lumotlar bilan bevosita
bog'liq. Bu turli jihatlar bo'yicha tarjima natijalariga sezilarli ta'sir ko'rsatadi.
Umumiy Til Ma'lumotlari.Agar ma'lum bir til uchun trening ma'lumotlari
yetishmasa, masalan, Quechua kabi mahalliy tillar uchun, bu tarjima sifatini
19

pasaytiradi. Bunday holatda mashina tarjima tizimlari aniq natijaga erishish uchun
yetarli ma'lumotga ega bo'lmaydi. Masalan, Google Translate ayrim tillarni
boshqalardan yaxshiroq tarjima qilishi sababi shundan. Yana bir muammo -
mintaqaviy shevalar. Tizimlar odatda tilning standart shakllarini o'rganadi.
Masalan, mashina tarjima ma'lumotlari Zamonaviy Standart Arab tiliga e'tibor
qaratishi mumkin, lekin u misrlik yoki levant shevalaridan sezilarli farq qilishi
mumkin va bu tushunmovchiliklarga olib keladi. Maxsus Sohalar Uchun
Ma'lumotlar. Bu muammo faqat umumiy tillar uchun emas, balki muayyan
mavzular uchun ham tegishlidir. Tibbiyot, huquq yoki muhandislik kabi sohalar
o'ziga xos atamalar va kontekstlarga ega. Shuning uchun, ushbu sohalarda sifatli
tarjimalar yaratish mavzuni chuqur tushunishni talab qiladi. Agar trening
ma'lumotlari tegishli materiallarni o'z ichiga olmasa, mashina tarjima sifati sezilarli
darajada pasayadi. Tilga Xos Noto'g'ri Talqinlar. Trening ma'lumotlari qaysi
mintaqa yoki madaniy kontekstdan olinganiga qarab, mashina tarjima tizimlarida
noto'g'ri talqin qilish ehtimoli mavjud. Bu ularning aniqligi va keng qamrovligiga
ta'sir qiladi. Bu muammo sun'iy intellektning boshqa sohalarida, masalan, X
kompaniyasining Grok AI tizimida ham ko'rinadi. Tilning Rivojlanishiga
Moslashish. Tillarning doimiy ravishda rivojlanishi, yangi atama va iboralar paydo
bo'lishi, ayniqsa onlayn maydonda, mashina tarjima tizimlari uchun qiyinchilik
tug'diradi. Masalan, "drip", "rizz" yoki "NPC" kabi atamalarni bilasizmi? Agar
bilsangiz, yoshlarning so'zlashuv tilida yangiliksiz. Aks holda, umid qilishingiz
kerakki, mashina tarjima tizimlari o'z ma'lumotlarida Urban Dictionary kabi
manbalarning so'nggi versiyalarini o'z ichiga olgan. Kayfiyat va Ohang.Mashina
tarjimalari matndagi kayfiyat yoki ohangni aniqlashda qiyinchilikka duch keladi.
Bu esa, ayniqsa, hazil, istehzo yoki kinoya kabi holatlarda muhim bo'lib qoladi.
Masalan, "Bu ajoyib g'oya edi" degan ibora ohangga qarab turli ma'nolarni
anglatishi mumkin, lekin mashina tarjima tizimlari bunday subtekstlarni
tushunishda qiynaladi va iboralarni to'g'ridan-to'g'ri tarjima qilishi mumkin.
Uslub.Yozma tilda mavzu, janr, auditoriya va maqsadga qarab uslub sezilarli farq
qiladi. Masalan, rasmiy va norasmiy, texnik va badiiy yoki ishontiruvchi va
20

axborotli uslubni farqlash mashina tarjima tizimlari uchun qiyin vazifadir.
Xususan, marketing matnlarida uslubni saqlash juda muhim bo'lib, bunday
matnlarni to'g'ridan-to'g'ri tarjima qilish odatda imkonsizdir. 8
8
https://translatepress.com/problems-in-machine-translation/
21

XULOSA
Avtomatlashgan tarjima texnologiyalari bugungi kunda tillararo muloqotni
osonlashtirish va tezlashtirishda muhim vositaga aylandi. Ushbu soha
rivojlanishining boy tarixi va zamonaviy tendensiyalari uni nafaqat texnologik,
balki madaniy va ijtimoiy jihatdan ham ahamiyatli soha sifatida ko‘rsatmoqda.
Tarixga nazar tashlaganda, mashina tarjimasi Ikkinchi Jahon urushi davrida paydo
bo‘lgan bo‘lib, dastlab qoidalarga asoslangan tizimlar bilan boshlandi. Ushbu
qadam sun’iy intellekt va hisoblash texnologiyalarining rivojlanishi uchun muhim
asos bo‘ldi. Biroq, dastlabki qoidalarga asoslangan tizimlar lingvistik
murakkabliklar va inson tili o‘ziga xosliklarini to‘g‘ri anglab yetmaslik tufayli
cheklangan edi. Keyinchalik, statistik yondashuvlarning paydo bo‘lishi mashina
tarjimasi rivojlanishiga yangi impuls berdi. Statistik mashina tarjimasi (SMT)
usullari katta ma’lumot to‘plamlarini o‘rganib, ancha samarali tarjimalar yaratish
imkonini berdi. Bu yondashuv 1990-yillarda IBM Candide tizimi kabi loyihalar
orqali muvaffaqiyatli amalga oshirildi. Ammo eng katta yutuqlar 21-asrda neyron
mashina tarjimasi (NMT)ning rivojlanishi bilan bog‘liq. Ushbu texnologiya chuqur
o‘rganish (deep learning) va neyron tarmoq algoritmlari asosida ishlaydi, bu esa
tarjima sifatini sezilarli darajada oshirdi. Google Translate kabi platformalarda
NLP (tabiiy tilni qayta ishlash)ning joriy etilishi tarjima jarayonida kontekstni va
ma’no yaxlitligini saqlashga imkon yaratdi. Mashina tarjimasining zamonaviy
rivojlanishi xalqaro muloqot va hamkorlik uchun keng imkoniyatlar yaratmoqda.
Dunyo mamlakatlari o‘rtasidagi savdo, ta’lim, ilmiy tadqiqotlar va madaniy
aloqalarni rivojlantirishda ushbu texnologiya yetakchi rol o‘ynamoqda. Shu bilan
birga, mashina tarjimasi til o‘rganish va o‘qitish jarayonida ham samarali vosita
sifatida o‘z o‘rniga ega bo‘ldi. Ayniqsa, kam rivojlangan tillar uchun avtomat
tarjima tizimlarini yaratish masalasi dolzarb bo‘lib qolmoqda. O‘zbek tili misolida
olib qaraganda, tilning murakkab grammatik tizimi va o‘ziga xos lug‘at boyligi
ushbu sohada qo‘shimcha tadqiqotlar va innovatsiyalarni talab qiladi. Shu bilan
birga, mashina tarjimasi muammolari ham mavjud. Tizimlar hali ham ba’zan
grammatik xatolar va kontekstga oid noaniqliklarni keltirib chiqaradi. Bundan
22

tashqari, inson miyasining tilni chuqur anglash qobiliyatini to‘liq takrorlay olish
hozircha sun’iy intellekt texnologiyalari uchun murakkab vazifa bo‘lib qolmoqda.
Shunday bo‘lsa-da, texnologik taraqqiyot davom etmoqda va mashina tarjimasi
sifati yildan-yilga yaxshilanmoqda. Xulosa qilib aytganda, avtomatlashgan tarjima
texnologiyalari XXI asrning eng muhim innovatsiyalaridan biridir. Uning
rivojlanishi global jamiyatning tillararo muloqotga bo‘lgan ehtiyojlarini
qondirishda ulkan rol o‘ynamoqda. Kelgusida sun’iy intellekt va lingvistik
tadqiqotlarning integratsiyasi ushbu sohada yanada katta yutuqlarga olib kelishi
kutilmoqda. O‘zbek tili kabi tillar uchun avtomatlashgan tarjima tizimlarini
rivojlantirish esa milliy madaniyat va tilni global maydonga olib chiqishda muhim
qadamlardan biri bo‘ladi. Ushbu kurs ishi orqali avtomat tarjimaning hozirgi
holati, muammolari va istiqbolli yo‘nalishlari haqida chuqur tahlil olib borildi, va
kelajakda ushbu sohaga oid tadqiqotlar yangi texnologik imkoniyatlarni ochishga
xizmat qiladi.
23

FOYDALANILGAN ADABIYOTLAR
1.Machine translation: a brief history W.John Hutchins
2. M.Sh.Omonova. Tarjima nazariyasi va amaliyoti_Toshkent-2023
3. G‘afurov I, Mo‘minov O, Qambarov N. Tarjima nazariyasi. –T.: Tafakkur –
Bo‘ston, 2012
INTERNET SAYTLARI .
1.https://circletranslations.com/blog/history-of-machine-translation
2. https://omniscien.com/faq/what-is-rules-based-machine-translation/
3.https://mardiyyah.medium.com/statistical-machine-translation-a-data-driven-
translation-approach-8a5dc15ba057
4. mniscien.com/faq/what-is-neural-machine-translation/
5.https://www.researchgate.net/publication/
342027951_The_Role_of_Machine_Translation_in_Language_Learning
6. https://www.degruyter.com/journal/key/opli/html
7. https://translatepress.com/problems-in-machine-translation/
24

Купить