Система автоматизації перекладу — це не машинний переклад

Система автоматизації перекладу (CAT-програма, CAT-tool) – це робочий інструмент професійних перекладачів і бюро перекладів.

Машинний переклад - це автоматичний переклад з вихідної мови на цільову за допомогою комп'ютерних програм або двигунів машинного перекладу без участі людини.

Ще в 1933 році Радянський вчений Петро Троянський винайшов першу машину автоматичного перекладу, але поштовх до початку розвитку МП дав Джорджтаунський експеримент. У ході нього в 1954 році комп’ютер вперше переклав 60 речень з російської мови на англійську. З тих пір країни і компанії почали розробки в цьому напрямку, а зростання необхідності отримання швидкого і якісного перекладу в найкоротші терміни змушує людей не зупинятися, а продовжувати поліпшувати технологію машинного перекладу.

Системи машинного перекладу поділяють на 3 категорії.

  • Системи на основі граматичних правил (Rule-Based Machine Translation, RBMT).

Такі системи базуються на базі вбудованих словників і наборі лінгвістичних правил. Таким чином, щоб перекласти речення з англійської на російську мову, RBMT буде шукати кожне слово в двомовному англо-російському словнику, а потім спиратися на опис: частина мови, рід, число, закінчення слова. Цю систему використовує Aliexpress для перекладу описів товарів.

  • Статистичні системи (Statistical Machine Translation, SMT)

SMT використовують статистичний аналіз: в програму завантажуються сотні оригіналів текстів і переклади, які зробила людина. Система знаходить міжмовні відповідності, запам’ятовує приклади слововживань і синтаксичних конструкцій, після використовує ці дані під час вибору варіантів перекладу. Статистичні системи можуть навчатися самі або ж людиною, яка буде редагувати варіанти перекладів і вибирати кращі. Гугл використовує системи цієї категорії для перекладу вебсторінок, а 4 роки тому і в програмі гугл транслейт.

  • Нейронні мережі – найбільш перспективні на 2020 рік. За ними велике майбутнє.

Вони поєднують переваги як систем на основі граматичних правил, так і статистичних. Нейронні мережі допомогли зробити прорив у розвитку машинного перекладу за останні 5 років. Такий метод допускає на 17-50% менше помилок, ніж RBMT або SMT. З 2016 нейронні системи використовуються в Google Translate, з 2017 року — і в перекладачі Яндекс.

Перевага машинного перекладу — швидкий і простий процес. Для перекладу завантажуємо текст в програму, запускаємо і через кілька хвилин отримуємо результат. Однак, чи варта економія часу економії на якості перекладу — складне питання.

«Наповнювач для шиї з морською водою, матеріал для зав'язування пір'я» — машинний переклад статистичними системами машинного перекладу з Aliexpress. Правильний переклад: «мушки-приманки для риболовлі».

Вище наочний приклад того, що машинному перекладу ще потрібен час і розвиток для того, щоб бути рівнозначною заміною людині. Варто зауважити, що ситуація з машинним перекладом текстів з однаковою структурою, безліччю штампів і кліше (технічної та юридичної документації, креслень, інструкцій тощо) відрізняється. Вже зараз існують програми, здатні перекладати такі документи якісно. Звичайно, таким перекладам ще потрібна коректура живого перекладача, але сам факт існування програм такого рівня дає розуміння того, що в найближчі 10-15 років МП візьме на себе 50-80% роботи з перекладу документів і текстів.

В бюро перекладів «Фрідом» поки що заборонено використання машинного перекладу, але в 2021 році це може змінитися. Нейронні системи машинного перекладу швидко вчаться.

Yevhen Venherenko

Yevhen Venherenko

Додайте коментар