هل تعتبر الترجمة الآلية تهديدًا أم فرصة؟

هل تعتبر الترجمة الآلية تهديدًا أم فرصة؟

الترجمة الآلية (MT) هي واحدة من أكثر الموضوعات التي نوقشت في عالم المترجمين في الوقت الحالي (على قدم المساواة مع الرسوم المنهارة). تدور معظم الحجج حول فائدته أو التهديد الذي يمثله للمترجمين البشريين المحترفين. لقد تطرقنا إليها لفترة وجيزة في منشور سابق ، لكننا نرغب في التعمق أكثر قليلاًهنا وتقديم بعض الأفكار حول الاستفادة القصوى من الترجمة الآلية ضمن سير عمل الترجمة الحالي.

ما هو MT؟

تخبرنا ويكيبيديا أن الترجمة الآلية هي مجال فرعي من اللغويات الحسابية التي تبحث في استخدام البرنامج لترجمة النص أو الكلام من لغة إلى أخرى (تحذير ، صفحة ويكيبيديا هذه قديمة تمامًا ، كما يتضح من الإشارة الصغيرة للشبكة العصبية النهج القائم). في عالم الترجمة ، هذا يعني الترجمة الآلية لجزء من النص بواسطة برنامج يحلل المصدر ، دون تدخل بشري. هذا يختلف (ومكمل) عن الأنظمة القائمة على ذاكرات الترجمة .

هذا المنشور ليس مقالًا تقنيًا عن الأعمال الداخلية لـ MT ، ولن نشرح كيف تتم الترجمة بالفعل. تم اقتراح العديد من الأساليب على مر السنين ، مع زيادة النجاح. ومع ذلك ، حدث التغيير النموذجي - كما هو الحال في العديد من المجالات الأخرى - عندما بدأ الناس في استخدام " التعلم العميق " ، أي باستخدام مجموعات من الشبكات العصبية الاصطناعية المدربة على كمية هائلة من البيانات (لمزيد من المعلومات التقنية ، يمكنك قراءة الترجمة الآلية العصبية من Google ( NMT) في arXiv). فجأة ، يمكن للمرء فعليًا نسخ ولصق بريد إلكتروني أو صفحة ويب في أداة الترجمة وفهم ما يدور حوله. بالتأكيد ، النتيجة ليست مثالية. لنكن صريحين ، غالبًا ما يكون سيئًا للغاية ومضحكًا في بعض الأحيان. لكنه مفهوم ، ويبدو بشكل أو بآخر مثل ما يمكن أن ينتجه إنسان بمستوى متوسط ​​في لغة أجنبية عند ترجمة نص حول موضوع لا يعرف شيئًا عنه. والهجاء والقواعد أفضل من العديد من رسائل البريد الإلكتروني والرسائل النصية ومنشورات Facebook التي نتعرض لها جميعًا يوميًا. أحدث التحسينات الهائلة جاءت مع نظام DeepL ، حيث قام بتدريب الشبكة باستخدام قاعدة بيانات Linguee للترجمات الحالية .

كيف يعمل عالم الترجمة الاحترافية؟

لفهم الاضطراب الذي تسببه الترجمة الاحترافية ، من المفيد تلخيص كيفية تنظيم جزء كبير من الترجمة الاحترافية. هناك استثناءات لما نصفه أدناه ، مجالات الترجمة حيث يتفاعل الأشخاص بشكل مختلف ، مثل الشركات التي بها مكاتب ترجمة مضمنة ، والمؤلفون الذين يتعاملون مباشرة مع مترجميهم ، وما إلى ذلك. لسنا معنيين بهذه الأمور ، على الرغم من أن الترجمة الآلية لها تأثير كبير هناك مثل حسنا. أولا وقبل كل شيء ، هناك ثلاث وظائف مختلفة في إنتاج وثيقة مترجمة: 1) الترجمة في حد ذاتها. 2) التحرير (الذي يحتاج إلى مستند المصدر) ، حيث يتحقق المرء من دقة الترجمة ، ويتم اتباع جميع المتطلبات (على سبيل المثال ، عدم وجود ترجمة لأسماء الأشخاص والمنتجات) ، و 3) التدقيق اللغوي (الذي لا يلزم المستند المصدر له ) ، حيث يتحقق المرء من التدقيق الإملائي والنحوي ،

عادةً ، عندما يحتاج شخص ما ، العميل النهائي ، إلى ترجمة ، فسيقوم إما بالاتصال بشركة ترجمة أو سينشر إعلانًا عن وظيفة على أحد مواقع الويب العديدة الممكنة ، سواء كانت غير متخصصة - مثل Upwork أو Freelancer.com - أو متخصص في الترجمة - مثل TranslatorsBase أو TranslatorCafé . يمكن أن تكون الشركات شركات ترجمة حقيقية ، أو تقوم بترجمة داخلية ، أو وكالات ، أو تعهيد العمل. على الرغم من ذلك ، في معظم الحالات ، سيتم إشراك بعض التعهيد نظرًا لأن عددًا قليلاً جدًا من الشركات لديها عدد كافٍ من الموظفين لتغطية جميع الأزواج اللغوية والخبرة في جميع المجالات. سيتم هذا الاستعانة بمصادر خارجية من خلال شبكة الشركة الخاصة بالعاملين المستقلين ، عبر منصات احترافية مثل ProZأو باستخدام المواقع المذكورة أعلاه. الآن ، في بعض الأحيان ، لا تتوقف عملية الاستعانة بمصادر خارجية عند هذا الحد ، وتتكشف سلسلة من التعاقدات من الباطن ، مع رسوم متناقصة في كل خطوة من السلم. لسوء الحظ ، مع انخفاض الرسوم ، تنخفض جودة الترجمة أيضًا. هذا هو السبب في قيام المتعاقدين الخارجيين بوضع خطوة المراجعة. يمكن أن يكون هذا مجرد تمرين تصحيح الأخطاء الإملائية وعلامات الترقيم ومشكلة القواعد العرضية. أو يمكن أن تتحول إلى مهمة تحرير ثقيلة ، وتصحيح أخطاء الترجمة. في حالة تسلسل الاستعانة بمصادر خارجية ، يمكن أن يصبح هذا فعليًا إعادة ترجمة.

كيف تؤثر الترجمة الآلية على خط أنابيب الترجمة

قبل ظهور NMT ، أنتجت الترجمة الآلية نصًا سيئًا للغاية ، حيث استغرق إصلاحه مترجمًا محترفًا وقتًا أطول من إعادة الترجمة من الصفر. كان النص المترجم آليًا واضحًا أيضًا على الفور ، حتى عند مقارنته بترجمات بشرية سيئة. كل هذا تغير الآن. زادت جودة الترجمات المنتجة بشكل كبير (على الأقل في حالات معينة. نناقش هذا في القسم التالي) ويمكن ترجمة كميات كبيرة من النصوص بسرعة كبيرة جدًا. في حين أن الإصدارات المجانية عبر الإنترنت تقصر عمومًا كل ترجمة فردية على بضعة آلاف من الأحرف ، يمكن للمرء توسيع ذلك عبر واجهات برمجة التطبيقات (مع أو بدون رسوم ، انظر على سبيل المثال حزمة Rديبلر).

أدى هذا إلى نتيجتين ، واحدة أخلاقية والأخرى غير أخلاقية ، لكن كلاهما مؤسف. النتيجة الأولى هي أن بعض الوكالات تعتقد أنها تستطيع التوقف عن الاستعانة بمصادر خارجية لجزء الترجمة البشرية من الوظيفة ودفع مقابل المراجعة فقط. النتيجة الثانية هي أن بعض العاملين المستقلين يتظاهرون بترجمة أنفسهم بينما يستخدمون الترجمة الآلية ومراجعة سطحية. لنكون صادقين ، في الحالة الأخيرة ، نحن عمومًا في أسفل سلسلة التعاقد من الباطن ، وستكون الترجمة البشرية سيئة للغاية على أي حال. في كلتا الحالتين ، تكون النتيجة نصًا يتطلب التحرير بدلاً من التدقيق اللغوي. في الحالة الأولى ، تكون الوكالات صادقة وتعترف بالحقيقة صراحة ، حيث تقدم وظائف الترجمة الآلية بعد التحرير (MTPE). ولكن ، وهذا هو جوهر المشكلة ، في كلتا الحالتين ، يكون السعر المعروض على مستوى التدقيق اللغوي بدلاً من التحرير.

أحدثت الترجمة الآلية المحسنة أيضًا تغييرًا آخر في ممارسات عمل المترجم المحترف. يستخدم العديد من المترجمين أدوات الترجمة بمساعدة الكمبيوتر . عادةً ما تقسم هذه الأداة النص المصدر إلى مقاطع يتم ترجمتها بشكل منفصل. توفر هذه الأدوات الآن إمكانية الوصول إلى محركات الترجمة الآلية لتقديم اقتراحات لترجمات المقاطع ، كبديل لمذكرات الترجمة (حتى لو كان بإمكان المرء أن يجادل في أن DeepL مرتبط بطريقة ما بـ uber TM ، في شكل قاعدة بيانات Linguee).

لوديت

من المفهوم أن عالم الترجمة الاحترافية قد اهتز بسبب الصعود المفاجئ لـ NMT. في غضون عامين ، تحول ما كان يُنظر إليه على أنه مجال بحثي واعد إلى تغيير قواعد اللعبة. رد الفعل في مثل هذه المواقف هو نفسه دائمًا. يتبع على نطاق واسع مراحل الحزن الخمس. بسبب التاريخ الماضي للمجال ، مر معظم المترجمين بفترة الرفض. لا يزال الكثيرون عالقين هناك. باستخدام الحالات التي يكون فيها أداء الترجمة الآلية سيئًا - وإن لم يكن أسوأ من المترجم العادي الذي لا يقوم بواجبه المنزلي - كدليل ، فإن هؤلاء الأشخاص يرفضون أهميتها تمامًا. انتقل جزء من المجتمع إلى مرحلة التفاوض (في محاولة لتجنب أو التنافس مع MT) ، والبعض الآخر في مرحلة القبول. ومع ذلك ، فإن جزءًا صريحًا جدًا من المجتمع يمر حاليًا بمرحلة الغضب. بمعنى ما ، هم يشبهون Ludditesالذين رفضوا التصنيع خوفا من أن يؤدي ذلك إلى قمع وظائفهم. ومع ذلك ، نظرًا لأنهم لا يستطيعون كسر محركات الترجمة الآلية ، فإنهم يوجهون غضبهم نحو المترجمين الذين يستخدمونها. إنهم مخطئون تمامًا بنفس الطريقة التي أخطأ بها Luddites في القرن التاسع عشر. إنهم يخشون أن يؤدي تغيير النموذج إلى إلغاء الحاجة إلى العمال المهرة واستبدالهم بعمالة رخيصة غير مهرة. بينما سيحدث العكس تمامًا ، كما حدث قبل بضعة قرون عندما خلقت الأتمتة وظائف تتطلب مهارات عالية وأزالت الوظائف اليدوية منخفضة الأجر. الجزء من مجتمع الترجمة الذي سيكون الأكثر تأثرًا بمسرح الترجمة هو مجال الترجمة غير التقنية ومنخفضة الجودة ، في حين أن مهارات المترجمين البشريين المتخصصين ستكون معترف بها أكثر مما كانت عليه عندما ضاع في محيط من المترجمين المتوسطين. وهو ما يقودنا إلى نقاط القوة والضعف في الترجمة الآلية.

ما مدى جودة الترجمة الالية  MT ؟

لذا ، تحسنت الترجمة الآلية بشكل كبير ، ولكن ما مدى جودتها للأغراض العملية؟ بالتأكيد ، صادفنا جميعًا ترجمات مضحكة ، ويمكننا جميعًا أن نضحك جيدًا. ومع ذلك ، بالنسبة للنصوص البسيطة ، تكون النتيجة جيدة.DeepL'sتكاد ترجمات الجمل التالية مثالية إلى الفرنسية: “السماء رمادية. من المرجح أن تمطر "،" شاحنة ساعي البريد بات حمراء "،" كان Luddites منظمة سرية قائمة على القسم "،" جيريمي كوربين هو زعيمالعملحفل". في حالة الجملة الأولى ، يختار DeepL فعليًا ترجمة صحيحة ولكن دون المستوى الأمثل (Il est probablequ'il متعدد الألوان). ومع ذلك ، فإنه يختار الحق (Ilva احتمالية الجنبي) إذا أضفنا اقتباسًا مزدوجًا في النهاية ، مما يكشف عن إحدى المشكلات الخاصة بنهجها ، وهي الحساسية المفرطة تجاه محليالسياق في الترجمات الموجودة. ومع ذلك ، تختار Google Translate دائمًا الحل دون الأمثل.

يشير هذا إلى مجموعة من المواقف التي يمكن استخدام الترجمة الآلية فيها: الخطاب اليومي وقصص الأطفال والأوصاف الواقعية والأخبار. ماذايملكتلك المواقف المشتركة؟ اللغةبسيط،ويجب أن يفهمها الجميع. هذه هي "ترجمات الشخص العادي".

الآن ، على النقيض من ذلك ، تفشل الترجمة الآلية مع المستندات عالية التخصص والتقنية ، عندما تتطلب اللغة معرفة خاصة موجودة مسبقًا من القارئ ، لا يشاركها جميع السكان. لماذا هذا؟ لأن الترجمة الآلية لا تستطيع التعامل مع عدة مواقف ، بما في ذلك ما يلي:

عندما يكون للكلمة معانٍ عديدة ومختلفة بشكل كبير ، ولا يستخدم النص المصدر المعنى الأكثر شيوعًا. على سبيل المثال ، في العالم الكنسي ، الكلمة الفرنسية "كوول"تصميمات لباس يرتديه الرهبان. الآن ، ستؤمن MT دائمًا "كوول"هو فعل يعني إما تحرك سائل من أعلى إلى أسفل ، أو شيء آخر احصل علىمغمورة بالمياه ، ستكون الترجمات المقترحة هي التدفق ، التشغيل ، السكب ، الغرق ، الصب (إذا كان ما يجري هو معدن أو أسمنت) ، تيار ، متقطر ، أو حتى مؤسس. لن يكون أبداالطربوش.

ليست نفس الكلمة أو التعبير بلغات مختلفة. هنا نجد "ilpleut كوم فراغ كوي بيس"تمطر قطط وكلاب". نفس المعنى الأساسي ، تعبير مختلف تمامًا. بشكل عام ، تميل جميع التعبيرات المصوّرة إلى ترجمتها حرفيًا بواسطة الترجمة الآلية ، مما يؤدي إلى جمل بلا معنى تمامًا.

Meronymy / Holonymy ، أي عندما تمثل الكلمة المستخدمة في لغة ما جزءًا من الشيء الذي تمثله الكلمة المكافئة في لغة أخرى. أنا لا أتحدث عن synecdoche هنا ، هذا هو الشكل الأسلوبي الذي يستخدم الجزء للكل أو العكس.

Hyponymy و hypernymy ، أي عندما تمثل كلمة في لغة ما تعميمًا للشيء الذي تمثله الكلمة في اللغة الأخرى. على سبيل المثال ، "seagull" هي كلمة إنجليزية عامة تمثل مجموعة فرعية من عائلة Laridae . في الفرنسية ، لا يوجد مثل هذا المصطلح العادي. بدلاً من ذلك ، سيستخدم المرء إما "goéland" الذي يمثل جنس Larus وهو طائر كبير ، أو "مويت"تمثل عدة أجناس من فصيلة Larinae وهي طيور صغيرة. MT لديهلا الطريق لمعرفة أي واحد يقصد مؤلف النص المصدر (حتى لو أوضحت الجملة السابقة المشكلة).

علاقات معقدة. في اللغة الإنجليزية ، يتم فصل العظم الصدغي للجمجمة إلى أجزاء تأتي من أصول جنينية مختلفة (العظام الصدفية والصخرية والطبلية). في اللغة الفرنسية ، يتم فصل العظم الصدغي إلى مناطق البنية البالغة ، "écaille" و "Rocher" و "mastoid". من المستحيل ترجمة أحدهما إلى الآخر. على المرء أن يعيد بناء الوصف بأكمله.

الترجمة المعتمدة على السياق. تركز الترجمة الآلية عادةً على الكلمة ومحيطها المباشر. على سبيل المثال ، سوف يفهم المترجم البشري ذلك في الجمل التالية "La filleاحترام ليه جوات قوون لوي avait ضحية. Son ballon était bleu et son vélo rouge "، الكرة والدراجة هي ألعاب الفتاة. لكن MT لا تستطيع ذلكتحديدذلك. يترجم كل من GT و DeepL الأمر إلى: "نظرت الفتاة إلى الألعاب التي تم إعطاؤها لها. له كان البالون الأزرق و له حمراء الدراجة ". (وهو بالمناسبة مثال رائع على التمييز الجنسي غير المقصود ولكنه حقيقي).

أنا متأكد من أن هناك مجالات أخرى يكون فيها أداء الترجمة الآلية غير متساوٍ أو سيئ (على سبيل المثال عندما يتعلق الأمر بالأسماء المنزلية ، واللغة العامية ، وما إلى ذلك)

من بين القضايا الأخرى التي قدمتها الترجمة الآلية مشكلتان تعكسان بعضهما البعض. نظرًا لأن محركات MT لا تحتوي على ذاكرة للنص بأكمله ، يمكن ترجمة نفس الكلمة بشكل مختلف في أجزاء مختلفة. في بعض الأحيان لا يهم ، كما هو الحال في "تيار" و "هزيلة" في المثال أعلاه. يحدث ذلك أحيانًا ، إذا حصلنا أحيانًا على "تدفق" وأحيانًا "طربوش"! على العكس من ذلك ، نظرًا لأن محركات الترجمة الآلية مبنية على مجموعة تدريب معينة ، فإنها تميل إلى إنتاج نصوص مملة من حيث المفردات و "الروبوتية" من حيث الأسلوب. لكي نكون منصفين ، هذه مشكلة أقل بكثير معديبلمن GT. أيضًا ، المشكلة أسوأ مع ذاكرات الترجمة ، لذلك قد تكون الترجمة الآلية بمثابة تحسن هنا.

طريقتان لاستخدام الترجمة الاحترافية

في قلب الجدل والاختلاف حول الترجمة الآلية في بيئة الترجمة الاحترافية يكمن الافتقار إلى الوضوح في الطريقة التي تستخدم بها و / أو ينبغي استخدامها. في الوقت الحالي ، هناك طريقتان مختلفتان تمامًا لاستخدام الترجمة الآلية في الترجمة:

1) استخدام الترجمة الآلية لإجراء الترجمة بالكامل ، واطلب من الأطراف الثالثة مراجعة النتائج.

2) استخدام الترجمة الآلية كجزء من مجموعة الأدوات لإجراء الترجمات ، على سبيل المثال ، لتوفير نقاط البداية أو البدائل للقطاعات ، بالتوازي مع ذاكرات الترجمة.

تعتقد العديد من الوكالات أو الناشرين أن الترجمة الآلية جاهزة لـ 1) ، في حين أنها ليست كذلك. لنكن واضحين حقًا هنا: الترجمة الآلية ليست مفتاحًا تلقائيًا - وبتكلفة زهيدة - لترجمة مجموعة من النصوص ، سواء المقالات أو الكتب ، إلخ.

علاوة على ذلك ، فإن مراجعة الترجمات التي يتم إجراؤها بهذه الطريقة صعبة للغاية. إنه ليس بأي حال من الأحوال تمرين تدقيق ، بل هو تمرين تحرير. كان علينا تحرير النصوص الكبيرة التي تتكون من أجزاء مترجمة بواسطة الترجمة الآلية وأجزاء مترجمة من قبل إنسان من الواضح أنه ليس من مواطني اللغة الهدف. كلا النوعين كان من الصعب تعديلهما. ومع ذلك ، كان هناك اختلاف جوهري واحد: بينما قدمت الأجزاء المترجمة بشريًا أسلوبًا مروعًا والعديد من الأخطاء النحوية ، قدمت أجزاء الترجمة الآلية ترجمات خاطئة. في معظم الحالات ، يكون هذا أسوأ بكثير. على سبيل المثال ، في مجال الطب الحيوي ، قد يؤدي سوء الفهم الضئيل إلى عواقب وخيمة.

على العكس من ذلك ، يعتقد العديد من المترجمين المحترفين أو يزعمون أن الترجمة الآلية ليست جاهزة لـ 2) ، ويقطعون أنفسهم من أداة مفيدة للغاية. اعتمدنا بإخلاص 2). نعتقد أن هناك حاجة إلى الكثير من التحسين ، وهو أمر ممكن (انظر أدناه). نعتقد أن المترجمين ، مثل أي محترفين ، بحاجة إلى التحكم في أدواتهم. عندما يعمل المزارع في مجاله ، فإنهم يستخدمون تقنيات مختلفة. لكن نادراً ما يرى المرء بعض الأطراف الثالثة ، غير مدركين تمامًا لما تم على الأرض وكيف تم ذلك ، يأتون ويقيمون العمل. هم فقط يشترون المنتج. نعتقد أنه يجب استخدام الترجمة الآلية من قبل المترجمين ، ليس بشكل أعمى ، ولكن بطريقة مسيطر عليها. بعد ذلك ، سنكون قادرين على التعلم منه ، ولكن أيضًا لمساعدته على النمو ليصبح أداة أكثر فائدة.

كيفية استخدام MT بكفاءة

استخدم الترجمة الآلية على أساس مقطع لكل جزء بدلاً من النص بأكمله (يتم السماح بتعريف ما يجعل المقطع للخيال أو تفضيلات القارئ / المترجم).

لا تقبل الترجمة المقترحة بشكل أعمى. تحقق من جميع الكلمات المهمة ، وكذلك الأزمنة والتوافق.

استفد بالكامل من البدائل المقدمة على سبيل المثال من قبل DeepL. يكون الاختيار المقترح إحصائيًا ، ولكن غالبًا ما يكون الخيار الصحيح أو الأكثر دقة ضمن البدائل 3-5 الأولى.

بمجرد ترجمة جزء كبير من النص ، أعد قراءته بالكامل لجعل النمط أكثر تجانسًا وتقليل التكرار. لكي نكون منصفين ، هذا ليس خاصًا بمسرح ماجنت ، ويجب دائمًا القيام به .

قم بإعادة ترجمة النص من الهدف إلى لغة المصدر ، من أجل اكتشاف الغموض المحتمل أو الترجمات الخاطئة.

لطلب ترجمة التوصل عبر الواتسب اضغط هنا