W czym jesteśmy lepsi od maszyn

Na czym polega przewaga człowieka nad silnikiem tłumaczenia maszynowego?

Człowiek rozumie.

Jak wyjaśnił prof. Marcin Miłkowski na Konferencji Tłumaczy 2019, żaden z dostępnych systemów MT tak naprawdę nie modeluje znaczenia, sensu, treści – wszystkie oparte są na jak najlepszym odwzorowaniu tekstu źródłowego w tekst docelowy, ale na zasadzie wyznaczenia najwłaściwszych słów i ustawienia ich w najbardziej poprawne zdanie; jeśli przeniesie się przy tym sens, to niejako przypadkowo. Owszem, NMT najnowszej generacji potrafi operować na synonimach, ale dlatego, że znajduje je w danych treningowych. Tylko my wiemy, że przypowieść o dysonansie i kobiecie lekkich obyczajów niesie w języku polskim taką samą treść, jak coś mi tu kurwa nie gra.

Mówiąc o zastosowaniach tłumaczeń maszynowych, wymienia się zwykle dwa:

  1. Postedycję, czyli użycie MT jako podpowiedzi dla tłumacza profesjonalnego.
  2. Zastosowanie MT bez weryfikacji ludzkiej, żeby odbiorca mógł mniej więcej zrozumieć o co chodzi.

Rzadko mówi się o zastosowaniu trzecim, a to właśnie ono pozwala najlepiej wykorzystać przewagę człowieka nad maszyną. Chodzi o tworzenie tekstu w taki sposób, że piszemy go w języku źródłowym (zwykle własnym) i wykorzystujemy MT do podpowiadania tłumaczenia, które następne poprawiamy:

Pisanie w lewym okienku DeepL

Od strony technicznej można to załatwić różnie:

  • przepuścić cały dokument przez MT i obrabiać go dalej u siebie,
  • skorzystać z synonimów podpowiadanych przez maszynę, jeśli ma taką funkcję (na załączonym obrazku zaczęłabym od zmiany “man” na “human”).

Przyznaję, że od czasu do czasu korzystam z takiej “leniwej” techniki pisania tekstów w języku obcym, i nie jestem w tym odosobniona. Znajomy informatyk bardzo sobie chwali połączenie DeepL i Gramarly jako kombajnu wspomagającego tworzenie artykułów naukowych po angielsku. Zaprzyjaźnieni naukowcy – geolog i teolog – w podobny sposób tłumaczą streszczenia swoich prac na angielski lub rosyjski. A ostateczną motywacją do spisania tych obserwacji stała się dla mnie firma tworząca aplikacje internetowe, w której proces lokalizacji przebiega jakoś tak:

  1. Zasoby interfejsu powstają w języku polskim, tworzą je Polacy.
  2. Następnie podtłumacza się je na kilka języków przez wtyczkę do Google Translate.
  3. Tłumaczenie poprawia osoba dobrze znająca dany język.
  4. Na koniec każda wersja językowa, włącznie z polską, jest – rzecz jasna – testowana przez native speakera.

Co łączy powyższe przypadki?

  • Autor dokładnie wie, co chce powiedzieć. W przeciwieństwie do tłumacza-postedytora, nie musi analizować strony źródłowej – ma ją w swoich neuronach, zanim napisze pierwsze słowo.
  • Autor zna język docelowy wystarczająco dobrze, żeby odrzucić tłumaczenia całkiem błędne.

Kiedy spełnione są te dwa warunki – zastosowanie MT wchodzi na nowy poziom. Wykorzystujemy maszynę przede wszystkim jako korpus obcego języka, z którego czerpiemy frazy, jakie być może nie przyszłyby nam do głowy. Czy trend “leniwego pisania” okaże się najbardziej przyszłościowym zastosowaniem MT? Zobaczymy. W każdym razie ryzyko błędu jest tu z pewnością niższe niż w przypadku klasycznej postedycji czy zgoła wrzucania surowej “maszynówki”.

Blackbird, blackbird, scythe