Jeśli zgodzimy się, że przyszłością mediów jest internet i umożliwione przez niego kontakty wszystkich ludzi bezpośrednio ze sobą, obecnie przebiegające już w coraz większej mierze, to można uznać, że jedną z barier technologicznych stojących przed „nowymi mediami” pozostaje nadal kwestia językowa. O ile obrazki i filmy stanowią coraz większą część przekazu względem tekstu, a ponadto coraz powszechniejszym „lingua franca” internetu jest znany przez coraz więcej osób angielski, to nadal wiele komunikatów tworzonych jest oczywiście w językach rodzimych. Rozmowy w języku polskim, niemieckim, hiszpańskim, portugalskim, mandaryńskim, arabskim, hindi, i tak dalej – pozostają dla większości świata niedostępne, bo nawet jeśli łatwo można wejść w dany link i zobaczyć daną treść, odbiorca po prostu nie zna języka. Jest to ograniczenie dla wszystkich ciekawych świata, a ponadto bardzo kosztowne ograniczenie dla tych, którzy robią to nie tylko dla przyjemności, ale zawodowo. Firmy używają dziś mediów społecznościowych, by badać nastroje społeczne, gusta, reakcje na różnorodne wydarzenia, by odpowiadać na to co, co budzi niezadowolenie klientów – wszystko to staje się o wiele trudniejsze, gdy komunikaty pojawiają się w bardzo odmiennych językach.

W epoce „tradycyjnych mediów” przekazów było mniej, więc ich tłumaczenie można było zawsze zlecić profesjonalnemu tłumaczowi i nadać w odpowiedniej wersji medium. Jednak gdy nadawców jest miliard, a istotnym aspektem komunikacji jest jej natychmiastowość – nie ma chyba innego wyjścia, niż przeprowadzenie tłumaczeń tak, jak samej komunikacji w internecie, czyli automatycznie za pomocą oprogramowania. Nic dziwnego, że coraz więcej najpopularniejszych platform skupia się właśnie na rozwijaniu tłumaczenia automatycznego. Obecnie np. na Facebooku czy Twitterze użytkownik zawsze może od razu kliknąć „tłumacz” i uzyskać mniej lub bardziej zadowalający automatyczny przekład. Google czy Microsoft również inwestują sporo w takie techniki w swoich produktach. Jakie technologie rozwijane są, by poprawić jakość efektów?

Dzisiaj za tłumaczenia automatyczne w produktach największych firm odpowiadają już w głównej mierze sieci neuronowe – splotowe (CNN) oraz rekurencyjne (RNN). Jak nazwa wskazuje, mechanizm ten próbuje być odpowiedzią programistów na działanie faktycznego mózgu. Sieci neuronowe używane w tłumaczeniach odpowiadają za bardziej „kontekstowe” tłumaczenia w porównaniu do dotychczasowych metod auto-translacji, która opierała się na porównywaniu wielu podobnych zdań w różnych językach i „odgadywaniu” właściwego tłumaczenia w danym przypadku. W przypadku sieci neuronowej, każde słowo w zdaniu jest analizowane w kontekście wszystkich innych. Jak możecie sami zauważyć na Facebooku – nie jest to raczej jeszcze odpowiednie narzędzie, by tłumaczyć dłuższe teksty. Ale jeśli chodzi o krótkie wypowiedzi niewymagające wiele kontekstu, zwłaszcza te napisane „poprawnym” językiem – efekty są coraz lepsze.