Машинный перевод наступает. Есть ли у переводчиков будущее?

Сегодня, когда искусственный интеллект с каждым днём совершенствуется, а разработчики каждые несколько месяцев представляют очередную программу машинного перевода, результаты которой «почти неотличимы от переводов, выполненных человеком», у специалистов в сфере перевода невольно возникает вопрос – исчезнет ли профессия переводчика? Или у нас всё же есть будущее?

Машинный перевод, несмотря на постоянное развитие, до сих пор несовершенен. Программисты пытаются устранить языковые барьеры уже более 60 лет, с тех пор, как изобрели первые прототипы машинного перевода.

Основные этапы развития машинного перевода

Об истории развития машинного перевода прекрасно пишет IT-блогер Вастрик. Его исследование читается на одном дыхании, как детектив. Для целей же нашей статьи будет достаточно упомянуть основные этапы развития машинного перевода:

1. Перевод на основе правил

По такому принципу работали первые системы МП. Их главный недостаток – машина переводит слишком дословно, не отклоняясь от заданных параметров и использует синонимы, из-за чего перевод оказывается неверным.

Помните подборки нелепых переводов в меню ресторанов? «Человек идти трясти» (mango shake в оригинале), «некрасивый соевый творог» (перевод в меню китайского ресторана) и т.д – результат работы МП на основе правил.

2. Статистический перевод

В настоящее время на серверы загружено огромное количество параллельных текстов (на разных языках), оформленных в параллельный корпус – оригинальный текст и его перевод на другой язык выровнены так, чтобы фрагменты оригинала совпадали с фрагментами перевода.

Система находит уже переведённое ранее часто встречающееся соответствие, и выдаёт эквивалент. Проблема здесь в том, что наиболее частый вариант перевода не всегда подходит по смыслу исходника.

Пример: машинный перевод фразы Big Smoke! It’s me, Carl, chill! Chill! 

Алгоритм подобрал неверное значение слова chill (в данном случае «остынь», «успокойся»), выбрав более часто встречающееся значение «холод».

3. Машинный перевод с использованием нейронных сетей

Внедрение искусственного интеллекта и нейросетей в системы машинного перевода заметно повысило его качество.

Нейросеть повторяет принципы работы нейросистемы человека – в ней есть связи и нейроузлы, система способна анализировать полученные ранее результаты и обучаться. В последние несколько лет алгоритмы Google и Яндекс научились согласовывать падежи, отчасти угадывать контекст и даже придумывать слова.

С распространением нейронных сетей мы всё чаще слышим, что у переводческой профессии нет будущего. Но есть несколько недостатков машинного перевода, из-за которых он не может заменить «живого» переводчика.

Недостатки машинного перевода

Машинный перевод является хорошим помощником, но также имеет свои недостатки. 

Машина не умеет распознавать и исправлять ошибки

Если в исходнике есть ошибки в терминах, противоречивые утверждения и ошибки в числах, машинный переводчик просто скопирует ошибку в переводе, тогда как человек способен уточнить спорные моменты с заказчиком и исправить неточность.

Машины переводят слова, а люди передают смыслы

Машинные переводчики действуют по принципам, заложенным разработчиками, и переводят слова с одного языка на другой согласно грамматическим правилам. Но перевод – это передача смыслов, а не слов, и в этом плане машина сильно уступает мозгу переводчика.

Алгоритмы не справляются с переводом эмоционально окрашенных текстов

При работе с маркетинговыми, рекламными материалами речь идёт скорее не о переводе, а о «транскреации» – переводчику нужно найти эквивалент в языке перевода, а порой использовать другие слова и конструкции, которые вызовут те же эмоции, что и оригинал.

Системам машинного перевода это пока не под силу, и вряд ли это станет возможным в ближайшей перспективе.

Пример: слоган Coca-Cola – The Coke side of life / «Всё будет Кока-кола».

Смысл оригинального слогана в отсылке к поговорке sunny side of the road/ sunny side of life. В русском языке есть похожее выражение – «светлая сторона» жизни. И более распространённая фраза «всё будет хорошо». Кола здесь ассоциируется с чем-то хорошим, в итоге получаем слоган – «Всё будет Кока-кола».

Сложно представить, чтобы даже современная нейронная сеть могла провести такие аналогии и выдать похожий результат.

Машины почти не видят различий между омонимами

Мы определяем значения омонимов по контексту: ласка (пушистый зверёк) – ласка (проявление нежности); ручка (ребёнка) – ручка (шариковая, перьевая) – ручка (дверная). Машины иногда определяют значение верно, но часто ошибаются.

Пример: перевод стихотворения с омонимами в Google переводчике. Переводить поэзию с помощью машины – не самая удачная идея, но мы делаем это, чтобы доказать, что алгоритм не различает контекст и передаёт разные смыслы в исходном языке с помощью одного смысла в языке перевода.

И наконец, алгоритмы не могут осознать контекстуальную связь между словами в больших лингвистических единицах. Объяснение термина может содержаться на следующей странице, в нескольких фразах из разных частей текста, а иногда даже в другом документе, на который ведёт ссылка. Машины пока не могут видеть связь между такими терминами и всем текстом.

В целом, машинный перевод сейчас и в обозримом будущем остаётся лишь вспомогательным средством для переводчика. Несмотря на заверения Google, Яндекс, PROMT и других разработчиков «умных» систем перевода, машинный перевод – не готовый к использованию полноценный продукт, а только инструмент.

Причём инструмент скорее для «базового пользователя» иностранного языка, а не для профессионального переводчика. Мы уже говорили о том, что переводчику проще перевести технический, медицинский или юридический текст с нуля, чем редактировать «суррогат», переведенный алгоритмом.

Иными словами, машина может заменить вас только в том случае, если вы сами переводите, как машина.