Kai prieš kokį dešimtmetį pradėjau domėtis automatiniu vertimu, rezultatai dažnai kėlė šypseną – sakiniai virsdavo beveik nesuprantama žodžių košele. Šiandien situacija pasikeitusi iš esmės. Neuroninės vertimo sistemos išmoko ne tik versti žodžius, bet ir suprasti kontekstą, tačiau kokybės klausimas vis dar išlieka aktualus kiekvienam, kas naudojasi vertimo įrankiais – nesvarbu, ar tai laisvai samdomas vertėjas, verslo įmonė, ar tiesiog žmogus, norintis suprasti straipsnį užsienio kalba.
Šiame įraše pabandysiu paaiškinti, kas iš tikrųjų lemia mašininio vertimo kokybę, kodėl vieni tekstai išverčiami puikiai, o kiti – katastrofiškai, ir ką galima padaryti, norint gauti geresnį rezultatą.
Kodėl vieni sakiniai išverčiami tobulai, o kiti – ne
Pirmiausia svarbu suprasti, kad mašininis vertimas nėra vienas monolitinis dalykas. Egzistuoja skirtingos technologijos, ir kiekviena jų turi savo stipriąsias bei silpnąsias puses. Statistinis vertimas, kuris buvo populiarus prieš dešimtmetį, rėmėsi didžiuliais tekstų masyvais ir tikimybėmis, kokia žodžių seka labiausiai tikėtina. Neuroninis vertimas veikia kitaip – jis bando „suprasti” visą sakinį kaip visumą, o ne versti žodis po žodžio.
Būtent todėl šiuolaikinės sistemos geriau susitvarko su idiomomis, sudėtingesne sintakse ir netgi humoro atspalviais. Tačiau čia slypi ir problema – kuo sudėtingesnis, ilgesnis ar dviprasmiškesnis sakinys, tuo didesnė tikimybė, kad algoritmas suklys arba pasirinks ne tą reikšmę.
Kalbų poros turi reikšmės
Vienas dalykas, kurį žmonės dažnai pamiršta – ne visos kalbų poros verčiamos vienodai kokybiškai. Anglų–ispanų ar anglų–prancūzų kalbų vertimai paprastai būna tikslesni nei, tarkim, lietuvių–suomių ar japonų–arabų. Kodėl taip yra? Atsakymas paprastas – mokymo duomenų kiekis. Kuo daugiau paralelinių tekstų (tekstų, kurie egzistuoja abiem kalbomis ir yra sulyginti sakinis su sakiniu) turi sistema, tuo geriau ji mokosi tos konkrečios kalbų poros ypatumų.
Lietuvių kalba, palyginti su anglų ar vokiečių, turi žymiai mažiau skaitmeninių tekstų, todėl vertimai iš/į lietuvių kalbą dažnai būna prastesni nei, sakykime, tarp didžiųjų Europos kalbų. Tai nereiškia, kad rezultatas bus blogas – tiesiog reikia būti pasiruošus, jog kai kurie niuansai gali pasimesti vertimo procese.
Kas iš tikrųjų gadina vertimo kokybę
Dirbdamas su vertimo įrankiais pastebėjau kelias tipines problemas, kurios kartojasi nepriklausomai nuo naudojamos sistemos:
- Ilgi, sudėtingi sakiniai. Kuo daugiau šalutinių sakinių, įterptinių konstrukcijų ar sudėtingos gramatikos, tuo didesnė tikimybė gauti klaidingą vertimą.
- Dviprasmiški žodžiai. Žodis „ranka” gali reikšti kūno dalį arba rašysena – be konteksto sistema gali suklysti.
- Specifinė terminologija. Teisiniai, medicininiai ar techniniai tekstai reikalauja tikslių terminų, kurių bendro tipo vertimo sistemos dažnai nežino.
- Kultūriniai kontekstai ir idiomos. Posakiai, kurie tiesiogiai neišverčiami, kelia didžiausią galvos skausmą.
- Prastas originalo tekstas. Jei šaltinio tekstas parašytas su klaidomis ar neaiškiai, vertimas tik sustiprins tą painiavą.
Įdomu tai, kad paskutinis punktas dažnai nuvertinamas. Žmonės kaltina vertimo įrankį, kai iš tikrųjų problema slypi originaliame tekste – neaiškiuose sakiniuose, gramatinėse klaidose ar per dideliame šnekamosios kalbos kiekyje.
Kaip įvertinti, ar vertimas yra geras
Vertimo kokybę galima matuoti keliais būdais. Profesionalioje aplinkoje naudojami automatiniai metrikos rodikliai, iš kurių žinomiausias – BLEU balas. Jis lygina mašininį vertimą su žmogaus atliktu „etaloniniu” vertimu ir skaičiuoja, kiek žodžių bei frazių sutampa. Tačiau šis metodas turi trūkumų – jis nevertina prasmės, tik paviršutinį panašumą, todėl du visiškai teisingi, bet skirtingai suformuluoti vertimai gali gauti skirtingus balus.
Šiuolaikinės alternatyvos, tokios kaip COMET ar BERTScore, bando vertinti prasminį panašumą, o ne tik žodžių sutapimą, tad jos artimesnės tam, kaip vertimą įvertintų žmogus.
Bet paprastam vartotojui šie techniniai rodikliai mažai ką pasako. Praktiškiau vertinti pagal kelis paprastus klausimus:
- Ar tekstas suprantamas nesuklystant?
- Ar išlaikyta pradinė prasmė, ne tik žodžiai?
- Ar sakinių struktūra natūrali tikslinei kalbai, ar jaučiasi „verstinumas”?
- Ar terminai (jei tekstas specializuotas) vartojami tiksliai?
Neuroninio vertimo era – kas iš tikrųjų pasikeitė
Perėjimas nuo statistinių prie neuroninių sistemų buvo tikra revoliucija. Google Translate perėjo prie neuroninio vertimo 2016 metais, ir tai pastebimai pagerino sklandumą. Vėliau atsirado dar galingesni modeliai, paremti transformerių architektūra – ta pati technologija, kuri stovi ir už didžiųjų kalbos modelių, tokių kaip ChatGPT.
Šie nauji modeliai turi vieną įdomų bruožą – jie geriau supranta platesnį kontekstą. Anksčiau sistemos versdavo sakinį po sakinio, nematydamos, kas buvo prieš tai ar kas bus po to. Dabar kai kurie įrankiai analizuoja visą pastraipą ar net dokumentą, todėl geriau išlaiko nuoseklumą – pavyzdžiui, teisingai naudoja tuos pačius terminus visame tekste, o ne verčia juos skirtingai kiekvieną kartą.
Vis dėlto ir čia yra spąstas – kuo platesnis kontekstas analizuojamas, tuo daugiau skaičiavimo galios reikia, todėl kai kurie nemokami įrankiai vis dar riboja teksto ilgį arba supaprastina analizę, kad veiktų greičiau.
Žmogaus vaidmuo – kodėl post-redagavimas vis dar būtinas
Nesvarbu, kokia pažangi technologija, profesionalioje aplinkoje mašininis vertimas beveik visada eina kartu su žmogaus peržiūra. Šis procesas vadinamas post-redagavimu (angl. post-editing), ir jis tapo atskira vertėjo darbo dalimi.
Post-redaktoriaus darbas skiriasi nuo įprasto vertimo – čia nereikia versti nuo nulio, bet reikia mokėti greitai pastebėti, kur mašina suklydo, ir tai ištaisyti. Įdomu tai, kad kartais lengviau parašyti sakinį iš naujo nei taisyti mašinos sukurtą variantą, jei jis struktūriškai per daug nutolęs nuo natūralios kalbos.
Kalbant apie tekstų tipus, kuriems mašininis vertimas tinka geriausiai be didelio redagavimo – tai paprasti, faktiniai tekstai: instrukcijos, produktų aprašymai, naujienų santraukos. O tekstai, kuriuose svarbus stilius, emocinis atspalvis ar rinkodaros efektas, beveik visada reikalauja žmogaus rankos.
Praktiniai patarimai, kaip pagerinti vertimo rezultatą
Iš savo patirties galiu pasidalinti keliais pastebėjimais, kurie padeda gauti geresnį mašininio vertimo rezultatą, nepriklausomai nuo naudojamo įrankio:
- Trumpinkite sakinius. Vietoj vieno ilgo sakinio su keliais šalutiniais, geriau parašyti du ar tris trumpesnius. Sistema susitvarkys geriau.
- Venkite dviprasmybių originaliame tekste. Jei žodis turi kelias reikšmes, pridėkite kontekstą, kad būtų aišku, ką turite omenyje.
- Naudokite standartinę gramatiką. Šnekamoji kalba, žargonas ar netaisyklinga sintaksė mažina tikimybę gauti geros kokybės vertimą.
- Tikrinkite specifinius terminus atskirai. Jei verčiate techninį ar teisinį tekstą, geriau pasitikrinti svarbiausius terminus specializuotuose žodynuose ar terminų bazėse.
- Bandykite kelis įrankius. Skirtingos sistemos gali skirtingai išversti tą patį sakinį – palyginę kelis variantus, dažnai rasite tikslesnį.
- Skaitykite vertimą garsiai. Jei sakinys skamba nenatūraliai jums, tikėtina, kad jis nenatūraliai skambės ir gimtakalbiui.
Vietoj apibendrinimo – ką verta įsidėmėti ilgam
Mašininio vertimo kokybė per pastaruosius metus pašoko taip stipriai, kad dažnai net profesionalūs vertėjai pripažįsta – geriausi šiuolaikiniai įrankiai kai kuriuos tekstus verčia beveik nepriekaištingai. Tačiau „beveik” čia yra raktinis žodis. Technologija puikiai susitvarko su paprastais, aiškiais, faktiniais tekstais, bet vis dar klumpa ties niuansais, kultūriniu kontekstu ir specializuota terminologija.
Jei norite gauti geriausią įmanomą rezultatą, prisiminkite tris paprastas taisykles: rašykite aiškiai, tikrinkite svarbius terminus atskirai, ir niekada nepasitikėkite automatiniu vertimu aklai, kai tekstas turi didelę reikšmę – ar tai būtų teisinis dokumentas, medicininė instrukcija, ar svarbus verslo pasiūlymas. Mašininis vertimas yra puikus įrankis pirminiam supratimui ir juodraščio kūrimui, tačiau galutinį žodį visada turėtų tarti žmogus, ypač kai kalba eina apie atsakingus ar viešai skelbiamus tekstus.
Ateitis, žinoma, atrodo daug žadanti – kalbos modeliai tobulėja kasmet, o kai kurios naujausios sistemos jau geba atpažinti ne tik pažodinę prasmę, bet ir toną, registrą, net autoriaus intenciją. Bet kol technologija dar nėra tobula, protingiausia strategija – naudoti mašininį vertimą kaip pagalbininką, o ne kaip galutinį sprendimą. Tai leidžia sutaupyti laiko, nepakenkiant kokybei ten, kur ji tikrai svarbi.
