U svijetu u kojem se sadržaj stvara i dijeli brže nego što stignemo popiti prvu jutarnju kavu, pitanje kvalitete prijevoda postaje pravi izazov. Kako prevesti velike količine teksta u rekordnom roku, a da pritom ne zvučite kao da ste ispali iz lošeg SF filma iz 80-ih?
Brzina, učinkovitost i digitalni pomagači
Kako bismo doskočili tim izazovima, mi prevoditelji se u velikim i kompleksnim projektima često družimo sa strojnim prevođenjem (MT – Machine Translation). To je opcija koju danas, zbog uštede vremena i budžeta, sve češće zahtijevaju naši klijenti. Ova tehnologija obećava brzinu i učinkovitost – računalo „samo“ prevodi tekst iz izvornog u ciljni jezik. Tu dolazimo do onog vječnog pitanja: može li stroj zaista zamijeniti čovjeka? Ili prava snaga leži u suradnji čovjeka i računala? Upravo u tome krije se odgovor koji sve više utječe na budućnost prevoditeljske industrije.
Mala škola strojnog prevođenja: Od pravila do neuronskih mreža
Postoje 3 glavne vrste strojnog prevođenja, a svaka ima svoju priču
1) Strojno prevođenje temeljeno na pravilima ili Rule-Based Machine Translation (RBMT)
Ono se temelji se na oslanja na ogroman skup pravila preuzetih iz rječnika i gramatika. No, je li dovoljno da računalo poznaje samo skup gramatičkih pravila kako bi uspješno prevodilo? Pa… bitan je i tekst i kontekst!
Naime, ključna stvar za kvalitetan prijevod je razumijevanje konteksta, što ovoj vrsti strojnog prevođenja nedostaje. On će I’m feeling blue prevesti doslovno – osjećam se plavo.
Osim toga, treniranje ovakvih sustava vrlo je dugotrajan i zamoran posao jer u svakom jeziku postoji ogroman broj gramatičkih pravila (a skoro toliko i iznimaka ). O stilskim nijansama jezika da ni ne govorimo!
Previše pravila, premalo konteksta
Iako zahtijeva znatno početno ulaganje u izradu i održavanje sustava, ova vrsta strojnog prevođenja dugoročno štedi vrijeme jer omogućuje brze i konzistentne prijevode i smanjuje potrebu za opsežnim ručnim prevođenjem ponavljajućih sadržaja.
2) Jezični korpusi kao rješenje
Statističko strojno prevođenje (Statistical Machine Translation (SMT) temelji se na analizi velikih količina paralelnih tekstova – tekstova koji su identičnog sadržaja, ali na različitim jezicima. Na temelju korpusa algoritmi analiziraju podatke i pokušavaju naučiti koje riječi ili fraze u jednom jeziku najčešće odgovaraju određenim riječima ili frazama u drugom jeziku.
Prednost ovog sustava je što pravila ne treba ručno unositi te se cijeli model relativno lako trenira i prilagođava novom jeziku. Time se uvelike smanjuje vrijeme potrebno za prevođenje velikih korpusa, iako često zahtijevaju dodatni post-editing.
3) Neuronske mreže i umjetna inteligencija – naša svakodnevica
Danas je sve popularnije neuronsko strojno prevođenje (Neural Machine Translation (NMT)). Umjesto da prevodi riječ po riječ ili frazu po frazu, neuronski sustavi analiziraju cijelu rečenicu i generiraju prijevod kao cjelinu. Velika prednost neuronskog prevođenja je njegova sposobnost razumijevanja konteksta i generiranja prirodnijeg jezika.
Upravo zbog toga znatno smanjuje potrebu za opsežnim post-editingom, što izravno štedi vrijeme i optimizira cijeli proces prevođenja. Važno je naglasiti da ne ukida potrebu za post-editingom, ljudsko oko je i dalje neizostavno u procesu prevođenja.
Danas Google Prevoditelj upotrebljava upravo ovaj model strojnog prevođenja, a njime se služe i veliki jezični modeli – kao npr. ChatGPT.
Kako procijeniti kvalitetu strojnog prijevoda?
Ako sami niste prevoditelj ili pri ruci nemate stručnog prevoditelja, možda ćete posegnuti za alatima za automatsku evaluaciju strojnih prijevoda. Ali, oprezno jer ti alati također često griješe. Na primjer, ako je u prijevodu korišten drugačiji red riječi ili ako se pojavljuje neki tipfeler – cijeli prijevod ocjenjuju kao loš. Zato je najpouzdanija i najkvalitetnija upravo ljudska evaluacija strojnog prijevoda.
Alati štede vrijeme – istina ili laž?
Načelno istinito, ali uz zrno soli! U našoj struci često koristimo automatske metrike jer bi ručna provjera svakog zareza i točke u stotinama kartica trajala cijelu vječnost (slično kao i kod grafičkih dizajnera koji se služe skriptama za provjeru detalja). Iako su ključni za brušenje algoritama i istraživanja, mi im ne vjerujemo na prvu. Tu su da nas usmjere, ali zadnju riječ uvijek ima čovjek.
Strojni prijevod u praksi – kako i kada ga primjenjivati?
Na zahtjev klijenata sve se češće bavimo uređivanjem strojnog prijevoda, odnosno, odnosno MTPE-om (Machine Translation Post-Editing). Nakon što algoritam odradi „grubi posao“, na scenu stupaju naši prevoditelji. Oni tekst dodatno začine, udahnu mu život i paze da sve zvuči prirodno, dosljedno i stilski usklađeno. Naoružani osjećajem za stil i fine nijanse jezika, ispravljaju sve jezične probleme i brinu se da tekst zvuči kao da je oduvijek bio napisan upravo na ciljnom jeziku.
Dobra vijest? Ovakav način rada znatno ubrzava proces prevođenja, bez gubitka kvalitete.
Loša vijest? Strojni prijevodi nisu jednaki za sve jezične kombinacije. Modeli nisu jednako istrenirani, pa ćete ponekad dobiti više problema nego rješenja i morati prekrajati tekst ispočetka. ️♀️
Kvaliteta alata se znatno poboljšala, ali ljudski prevoditelji i dalje imaju ključnu ulogu. Strojno prevođenje donosi brzinu, ali tek u kombinaciji s ljudskom stručnošću postiže razinu koja zadovoljava stvarne potrebe!
