Tłumaczenia maszynowe – pomocne narzędzie w rękach profesjonalnego tłumacza

Uniwersalna prawda głosi, że mylić się jest rzeczą ludzką. Zarówno z tego powodu, jak i dla zapewnienia odciążenia człowieka w jego codziennej pracy, stale wdraża się procesy automatyzacji niemal w każdej dziedzinie życia. Dotyczy to także tłumaczeń.

Tłumaczenia maszynowe nieustannie podlegają ulepszeniom i modyfikacjom oraz zyskują nowe możliwości. Czy oznacza to, że zawód tłumacza jest zagrożony wyparciem przez rozwiązania technologiczne? Przyjrzyjmy się temu zagadnieniu i sprawdźmy, czym są właściwie tłumaczenia maszynowe, co oferują i czy ich możliwości są większe od tych, które posiada człowiek.

Czym jest „tłumaczenie maszynowe”?

Początki tłumaczenia maszynowego (zwanego również tłumaczeniem automatycznym) sięgają XX w., a dokładniej zimnej wojny, kiedy to technikę tę zaczęto wykorzystywać do przekładu rosyjskiej dokumentacji na język angielski. A wszystko to dzięki rozwojowi lingwistyki obliczeniowej, która z kolei stosowana jest, poprzez użycie systemów informatycznych, do analizowania i rozumienia języka w mowie i piśmie. Lingwistyka obliczeniowa zajmuje się m.in udoskonalaniem tłumaczeń automatycznych, systemów rozpoznawania mowy czy syntezatorów mowy. Wszystkie te działania przekładają się realnie na działania biznesowe. Lingwistyka obliczeniowa angażowana jest chociażby do tworzenia zaawansowanych chatbotów, które pomagają internautom zaplanować podróż czy zrobić zakupy.

Najprostszą definicję tłumaczenia maszynowego podaje Słownik Języka Polskiego, wyjaśniając, iż jest to „tłumaczenie dokonywane za pomocą odpowiednio zaprogramowanego komputera[1]”.

Nieco bardziej rozwija to wyjaśnienie Wikipedia, według której tłumaczenia maszynowe to „dziedzina językoznawstwa komputerowego, która zajmuje się stosowaniem algorytmów tłumaczenia tekstu z jednego języka (naturalnego) na drugi[2]”.

Warto odwołać się także do Polskiej Normy PN-EN ISO 17100:2015, głoszącej, iż tłumaczenie maszynowe to „automatyczne tłumaczenie tekstu lub mowy z jednego języka naturalnego na inny przy użyciu systemu komputerowego[3]”.

Podsumowując powyższe informacje, tłumaczenie maszynowe (ang. Machine Translation), zwane też automatycznym, jest wykonywane w całości przez oprogramowanie komputerowe, bez ingerencji człowieka.

Powstaje przy użyciu:

• specjalistycznych algorytmów językowych,
• zestawów reguł gramatycznych,
• zbioru dostępnych przekładów (tzw. korpus tłumaczeniowy).

W dziedzinie, jaką stanowi językoznawstwo, korpus językowy pojmowany jest jako zbiór tekstów, obecnie występujący najczęściej w formie elektronicznej, w którym można wyszukiwać różne formy wyrazów i fraz. Wszystkie one przypisywane są konkretnym kategoriom gramatycznym, czyli podlegają tagowaniu.

Wyraz TŁUMACZ otagowany zostanie jako rzeczownik, rodzaj męski, mianownik. Natomiast TŁUMACZYMY przypisane będzie do kategorii takich jak czasownik, pierwsza osoba liczby mnogiej, czas teraźniejszy.

Tłumaczenie automatyczne może odbywać się na kilka sposobów, w zależności od rodzaju systemu.

Tłumaczenie maszynowe – najpopularniejsze metody

Tłumaczenia maszynowe, jak zostało wspomniane we wstępie, stale podlegają modyfikacjom, mającym zwiększyć ich skuteczność. Istnieje zatem przynajmniej kilka metod, które, mniej lub bardziej, różnią się od siebie zasadą działania. Do najbardziej popularnych w historii rozwoju tłumaczeń automatycznych należą:

• tłumaczenie bezpośrednie – w tej metodzie zwroty z tekstu źródłowego zamieniane są bezpośrednio na tłumaczenie w oczekiwanym języku. Dzieje się tak, ponieważ program do tłumaczenia maszynowego zawiera bazę odpowiadających sobie par słów i najczęściej stosowanych fraz.
• przekład składniowy – program analizuje składnię tekstu i na jej podstawie dokonuje tłumaczenia.
• przekład międzyjęzykowy – opiera się na tłumaczeniu tekstu źródłowego w dwóch etapach. Najpierw tłumaczy się na język uniwersalny (tzw. interlinguę). Jest to sztuczny, międzynarodowy język pomocniczy, który łączy słownictwo romańskie z łatwą, regularną gramatyką. Dopiero tak powstały tekst tłumaczy się na język docelowy.
• przekład gramatyczny – metoda oparta na rozkładzie gramatycznym zdania. Oprogramowanie analizuje dokument źródłowy pod kątem gramatycznym i na jego podstawie tworzy model gramatyczny dla każdego zdania docelowego. Następnie otrzymany model gramatyczny języka źródłowego jest porównywany z modelem gramatycznym języka docelowego.
• tłumaczenie statystyczne – proces tłumaczenia maszynowego bazuje tutaj na tworzeniu rozbudowanych korpusów dwujęzycznych powstałych na bazie wcześniej tłumaczonych tekstów źródłowych. Na podstawie tych danych tworzone są statystyczne tablice korelacyjne. Dzięki nim słowa, zdania i zwroty w jednym języku są przyporządkowywane swoim odpowiednikom w języku obcym na zasadzie prawdopodobieństwa. Metoda ta nie jest dość skuteczna, ponieważ, aby osiągnąć zadowalające rezultaty tłumaczenia, baza tekstów źródłowych musi być bardzo obszerna i musi zawierać teksty o zbliżonej tematyce.
• tłumaczenie oparte na przykładach – metoda ta, podobnie jak statystyczna, również opiera się na korpusie dwujęzycznym. W tym przypadku jednak korpus jest wykorzystywany jako baza danych umożliwiająca utworzenie tłumaczenia na podstawie występujących w korpusie podobnych struktur tekstu źródłowego i odpowiadających mu tłumaczeń tego tekstu.
• Obecnie najbardziej rozwiniętym i precyzyjnym systemem jest neuronowe tłumaczenie maszynowe, które uczy się na podstawie wcześniej wykonanych przekładów. Sposób ten wyparł statystyczne tłumaczenie maszynowe.

Krytyka tłumaczenia maszynowego

Nieprzerwanie trwają dyskusje na temat efektywności tłumaczenia maszynowego. Tłumaczenie maszynowe z powodzeniem sprawdza się bowiem w przekładzie tekstów technicznych i wszelkiego typu instrukcji, które często zawierają powtarzalne elementy. Jest jednak tylko jednym z etapów procesu tłumaczeniowego.

Dlaczego więc, według nas, tłumaczenie maszynowe jest metodą nieopłacalną i mało wydajną? Spieszymy z odpowiedzią. Aby jakość tłumaczenia maszynowego była zadowalająca, przetłumaczony tekst był poprawny merytorycznie i językowo, a cały proces opłacalny, należy zgromadzić odpowiednio obszerną bazę (zazwyczaj około 200 000 nowych słów rocznie). Konieczna jest także wstępna obróbka językowa dokonana przez żywego tłumacza, mająca na celu przygotowanie tłumaczenia pod kątem określonej terminologii i zasad językowych do docelowych języków i dziedziny, której tekst dotyczy.

Po przetłumaczeniu tekstów z języka źródłowego metodą maszynową ponownie należy zaangażować w prace wykwalifikowanych tłumaczy-weryfikatorów i korektorów, których zadaniem jest ocenić jakość otrzymanego tekstu.

Tłumaczenie maszynowe warto więc stosować jedynie wtedy, gdy odbiorca chce poznać ogólny sens tekstu, bez zagłębiania się w szczegóły, zatem nie jest wymagany doskonały przekład. Znajduje to zastosowanie w przypadku prac badawczo-rozwojowych, w których tłumaczenia maszynowe używane są do przekazywania ogólnych informacji o zgłoszonych patentach, a dopiero później niektóre najbardziej interesujące fragmenty tekstu są przekazywane do pełnego tłumaczenia.

Tłumaczenie maszynowe jest także wykorzystywane przez firmy do przekładu obszernych, a zarazem mało widocznych i rzadko wykorzystywanych tekstów, takich jak bazy wiedzy, których pełne przetłumaczenie byłoby zbyt kosztowne.

Najczęściej jednak tekst otrzymany w wyniku tłumaczenia maszynowego powinien być zredagowany przez wykwalifikowanego tłumacza. W przeciwnym wypadku kontekst treści może być niewłaściwie ujęty lub tekst okaże się częściowo (lub nawet całkowicie) niezrozumiały. Wówczas bardzo prawdopodobne, że redakcja takiego tekstu będzie bardziej czasochłonna i kosztowna niż ponowne jego przetłumaczenie.

Podstawowe problemy napotykane przy tłumaczeniu maszynowym to:

• dwuznaczność i zmienność znaczeniowa wyrazów uwarunkowana czynnikami historycznymi i kulturowymi,
• metaforyczność,
• synonimia i różny zakres pojęciowy wyrazów,
• homonimia,
• różnice składniowe w języku źródłowym i docelowym,
• brak uwzględnienia rodzaju tłumaczonej treści.

Niekiedy tekst źródłowy jest już wstępnie przygotowywany w taki sposób, aby nie zawierał wieloznacznych sformułowań i był zgodny z określonymi zasadami językowymi, dotyczącymi używanej terminologii i struktury zdania języka docelowego – dzięki temu jakość tekstu otrzymanego po tłumaczeniu maszynowym zdecydowanie wzrasta. Ta procedura jest najczęściej stosowana w projektach, w których zespół kierujący całym procesem zarówno opracowuje tekst źródłowy, jak i zarządza samym tłumaczeniem. Wymaga to jednak dodatkowego nakładu pracy.

Reprezentujemy pogląd, że, pomimo ciągłego rozwoju programów komputerowych, techniki tłumaczenia maszynowego wciąż pozostają bardzo niedoskonałe, dlatego też Biuro Tłumaczeń Translax nie stosuje tłumaczenia maszynowego. Uważamy, że aby otrzymać tekst najwyższej jakości, udział wykwalifikowanych tłumaczy jest niezbędny. A wszystko to aby sprostać Państwa wymaganiom i stworzyć tłumaczenia spełniające Państwa oczekiwania.

Tłumaczenie maszynowe – czy warto?

Choć tłumaczenia maszynowe są coraz dokładniejsze i działają szybciej niż człowiek, wciąż nie mogą dorównać profesjonalnemu tłumaczowi. Jako biuro tłumaczeń, przeprowadzające audyty tłumaczeń, wciąż dostajemy do poprawy teksty, które zostały przygotowane właśnie tą metodą. Doskonale więc zdajemy sobie sprawę z tego, jak wadliwe bywają takie przekłady. Warto zatem dokonać audytu przetłumaczonej dokumentacji, jaką firma posiada w obiegu. Może się okazać, że zawiera pomyłki lub niespójności. Są one często efektem korzystania zarówno z usług tłumaczeniowych generowanych maszynowo, jak i dorywczo przez przypadkowych ludzi, bez stałej współpracy z jedną grupą profesjonalistów. Audyt tłumaczeniowy może obejmować nie tylko dokumentację, lecz także treści publikowane na stronach internetowych czy w ofertach.

Przekład automatyczny najczęściej nie jest dokładny, może też zawierać błędy albo nie oddawać w pełni sensu tekstu źródłowego. Nawet najbardziej zaawansowane algorytmy nie są wyczulone na niuanse językowe – dosłownie odczytują metafory, nie zawsze rozumieją wieloznaczności, brakuje im językowego wyczucia oraz intuicji. Wniosek jest prosty: żaden komputer nie zapewni jakości, która nie wymagałaby interwencji profesjonalisty.

Przykładem absurdalnych (a zarazem opłakanych w skutkach) błędów jest tłumaczenie na język węgierski, wykonane przez Google Translate – czołowego dostawcę tłumaczeń maszynowych. Tekst źródłowy „Niegazowane” Google tłumaczy jako „Nem szénsavas”, co oznacza „Niegazowany/Niegazowana/Niegazowane” (język węgierski jest niefleksyjny). Natomiast tłumaczenie słowa „niegazowane” (Zgadza się, zmieniono tylko wielkość litery!) tłumaczone jest tak: „még mindig”, co oznacza „wciąż/jeszcze/nadal”.

Idąc dalej, angielski zwrot „we’ve been blown away” często jest tłumaczony jako „zostaliśmy zdmuchnięci” – i to przez najlepsze maszyny (patrz: DeepL stan na 29.01.2023)! Ponadto niewłaściwie postawiony przecinek lub literówka w tekście źródłowym może wywieść automatycznego tłumacza na manowce. Tego typu błędy potrafią wygenerować rezultaty zupełnie sprzeczne z intencją autora, co oczywiście nie będzie miało miejsca w momencie, gdy tłumaczenie przygotowuje wykwalifikowany człowiek. Chociaż początkowo tłumaczenia wykonane maszynowo oparte na silnikach Machine i Deep Learning mogą wydawać się przyzwoite, specjaliści ostrzegają, że ich jakość odpowiada bezpłatnym lub tanim rozwiązaniom i nie może zastąpić tłumacza-człowieka (z wielu powodów).

Co więcej, niektóre programy, wykonujące tłumaczenia maszynowe, przechowują przekłady w swoich bazach danych. Nie można ich więc stosować w przypadku poufnych treści. To właśnie między innymi ze względu na bezpieczeństwo danych klientów nasze biuro nie używa systemów Machine Translation i korzysta wyłącznie z pracy doświadczonych tłumaczy.

Tłumaczenie maszynowe – kiedy warto?

Szereg wad nie oznacza jednak, że tłumaczenie maszynowe zupełnie pozbawione jest wszelkich zalet. Przede wszystkim pozwala ono zaoszczędzić czas i pieniądze. Za jego pomocą w krótkim czasie i niewielkim kosztem da się przełożyć bardzo dużą ilość tekstu. Oparte na Machine Translation programy działają błyskawicznie, a ich obsługa jest łatwa i intuicyjna.

Tłumaczenie automatyczne można więc z powodzeniem stosować w sytuacjach, w których akceptowane są ograniczenia i niedokładność, a priorytetem jest czas. Może być ono bardzo pomocne w ogólnym zrozumieniu sensu treści. Znakomicie sprawdzi się więc w celach prywatnych, np. do komunikacji w podróży zagranicznej albo tłumaczenia artykułu na stronie internetowej.

Tłumaczenia generowane maszynowo, wykorzystane w sposób umiejętny, mogą także usprawnić codzienną pracę tłumacza z tekstem. Pozwalają one opracować ogólny szablon, zwłaszcza w przypadku treści o standardowej konstrukcji. Bardzo podobnie bywają budowane np. niektóre pisma prawnicze czy administracyjne, a dodatkowo są one obszerne, więc wykorzystanie automatycznych rozwiązań oraz samodzielne dopracowanie tekstu wydaje się poprawnym pomysłem.

Kiedy tłumaczenie maszynowe to zły pomysł?

Obecnie w branży translatorskiej rozwija się, wspomniany uprzednio, trend łączenia pracy tłumacza i maszyny. Przyspiesza to realizację przekładów prostych, powtarzalnych tekstów. Jednak w sytuacji, kiedy jest potrzebne wnikliwe zrozumienie tekstu, jego intencji i celu, często skuteczniej jest bezpośrednio tłumaczyć tekst źródłowy.

Dlatego też przekład bardziej wymagających treści najlepiej od razu zlecić profesjonalnemu tłumaczowi. Dotyczy to między innymi dzieł artystycznych i poetyckich, np. powieści, tekstów piosenek, wierszy. Ich tłumaczenie nie może się bowiem obyć bez znajomości kulturowego i historycznego kontekstu, właściwej interpretacji i językowej wrażliwości, których brakuje sztucznej inteligencji.

Maszynowe tłumaczenie nie sprawdzi się również w przypadku materiałów biznesowych, sprzedażowych i marketingowych, które z zasady wymagają bardziej kreatywnego podejścia i wyczucia. Ich głównym celem jest w końcu budowanie relacji z potencjalnym klientem. Niedokładny przekaz oferty firmowej rodzi nieufność i świadczy o braku profesjonalizmu. Tłumaczenie automatyczne nie nadaje się również w przypadku tekstów branżowych i technicznych – algorytm może nie poradzić sobie ze specjalistycznym słownictwem.

Największym wyzwaniem tłumaczeń maszynowych są tzw. stringi (ciągi danych), czyli pojedyncze słowa tudzież frazy używane w przypadku tłumaczenia lub lokalizacji oprogramowania komputerowego (np. GUI lub firmware). Tłumaczenie wyrwanych z kontekstu zbiorów, złożonych ze specjalistycznych zwrotów, wymaga wielu konsultacji z klientem, zebrania materiałów referencyjnych, dostępu do oprogramowania, znalezienia w sieci dodatkowych informacji, aby zrozumieć jego działanie… Maszyna tego nie uczyni, a jedynie przetłumaczy słowa w najlepszy, swoim zdaniem, sposób.

Powyżej widzimy słowo „aligner”, które może być przełożone na wiele sposobów. Automat wybierze pierwsze, jego zdaniem, pasujące tłumaczenie i będzie je (w najlepszym wypadku) spójnie stosować do końca pliku. Oczywiście, maszyna nie skonsultuje się z klientem, aby sprawdzić, czy wybrała właściwy wariant.

Problem ten dotyczy również branży e-commerce, gdzie mamy do czynienia z lokalizacją oprogramowania i systemów oraz software house, czyli twórców oprogramowania dedykowanego. Podobnie jest w przypadku branży technicznej, w której tłumaczy się dużo rysunków z AutoCAD lub schematów elektrycznych i całych dokumentacji techniczno-rozruchowych. Bazują one (w pewnym stopniu) na dokumentach dostarczonych przez poddostawców komponentów, a ich jakość wejściowa nierzadko wymaga doprecyzowania, co autor miał na myśli. Rozwiązania maszynowe nie wykażą się proaktywnością, a w razie wątpliwości nie poproszą o dodatkowe wskazówki.

Lokalizacja posiada bardzo ważne, prawne podłoże. Prawie każdy kraj ma ustalone własne metody płatności stosowane w handlu elektronicznym. Niezlokalizowana strona sklepu internetowego może uniemożliwić zapłatę za produkt potencjalnemu lokalnemu klientowi, który, zniechęcony, zdecyduje najpewniej o przeniesieniu się na stronę innego sklepu. Podobnie sprawa wygląda w kwestii zasad i warunków, poufności danych, metryki i lokalnych wymogów, które dla każdego kraju mogą być zupełnie inne. Przestrzeganie przepisów nie tylko zapewni bezpieczeństwo podmiotowi i użytkownikowi, ale również wzbudzi zaufanie klientów.

Podsumowując, maszyna jest w stanie rozpoznać kontekst, czyli zrozumieć, że dane słowo otoczone słowami należy przetłumaczyć inaczej niż wtedy, gdy jest w towarzystwie innych wyrazów. Nie rozumie jednak, że tłumaczenie niektórych dokumentów wymaga specjalnego podejścia. Sztuczna inteligencja nie wie na przykład, że tłumaczenie tekstów z branży spożywczej wymaga zastosowania formuł i reguł z rozporządzeń prawa żywnościowego, a słowo „About” na stronie internetowej lub w programie oznacza „O nas”, a nie „Około”.

Tłumaczenie maszynowe – wybieraj świadomie

Tłumaczenie automatyczne zyskuje na popularności. W większości przypadków wciąż bardziej opłaca się jednak skorzystać z doświadczenia i wiedzy tłumacza. Tylko zlecenie tłumaczenia profesjonaliście daje gwarancję wysokiej jakości przekładu z zachowaniem odpowiedniego stylu i kontekstu. Takie tłumaczenie nie wymaga też dodatkowej weryfikacji i korekty, co – wbrew pozorom – może przełożyć się na szybsze i tańsze wykonanie przekładu. Dlatego przed podjęciem decyzji o sposobie przekładu weź pod uwagę charakter, cel i przeznaczenie tekstu. Pozwoli to uzyskać oczekiwaną jakość translacji i uniknąć katastrofalnych skutków błędnego tłumaczenia.

Szukasz partnera, który szybko dostarczy Ci doskonale przetłumaczone teksty? Skontaktuj się z nami. Wszystkie nasze treści są tłumaczone przez specjalistów, a nie maszyny – gwarantujemy poprawność przy szybkim czasie realizacji.

Trudno dziś wypatrywać tłumacza, który w swojej pracy bazuje jedynie na tradycyjnych słownikach. Wspierają go systemy, umożliwiające przesyłanie, monitorowanie i edytowanie dokumentów. Wyłapują one błędy, powtórzenia, proponują użycie określonych terminów w danym kontekście.

Opisywane narzędzia kryją się pod nazwą CAT, czyli Computer Aided Translation i mało który tłumacz jest w stanie wyobrazić sobie swoją pracę bez ich wsparcia.

Ogromną popularnością cieszy się także NMT, Neural Machine Translation. Dzięki temu systemowi tłumaczone są całe zdania, z uwzględnieniem kontekstu. NMT dobrze radzi sobie z morfologią i składnią, w niczym nie przypominając niezgrabnych treści, będących niegdyś efektem przekładu przez sztuczną inteligencję.

Dzięki nowoczesnemu i rozbudowanemu systemowi tzw. pamięci tłumaczeniowych (ang. Translation Memory) programy CAT znacznie przyspieszają i ujednolicają proces przekładu. Tego typu narzędzia są wręcz niezastąpione w wypadku tłumaczeń technicznych, w których nader często występują powtórzenia słów, nazw, a nawet całych zdań. Programy CAT to po prostu pomoc tłumacza.

Oprogramowanie CAT przede wszystkim przyspiesza oraz ułatwia pracę tłumaczowi, umożliwia mu wykonywanie szybszych i lepszych tłumaczeń, przez co poprawia jego konkurencyjność. Pozwala również na tworzenie baz tłumaczeniowych i terminologicznych, dzięki którym podnosi się jakość przekładów. Umożliwia łatwą redakcję jednolitych, profesjonalnych i konsekwentnych pod względem językowym tekstów. Programy CAT gwarantują także zachowanie spójności terminologicznej i stylistycznej. Profesjonalne narzędzia pozwalają na tłumaczenie dokumentów w niepopularnych formatach (np. InDesign, Quark, FrameMaker). Coraz częściej Klienci mają własne bazy terminologiczne i oczekują, że będą one stosowane. Dzięki programom CAT tłumacz może spełnić oczekiwania nawet najbardziej wymagających zleceniodawców. Omawiane narzędzia udoskonalają również programy do kontroli jakości (QA Distiller, X-Bench, QA Checker itp.).

Programy CAT są bardzo pomocne w wypadku tekstów w formatach elektronicznych, o dużym lub umiarkowanym stopniu powtarzalności (np. dokumenty rejestracyjne samochodu, odpis aktu urodzenia, instrukcje do urządzeń, licencje, umowy) bądź w przypadku tłumaczeń o zbliżonej tematyce dla jednego klienta. Nie pomogą natomiast w tłumaczeniach o dużym stopniu zróżnicowania tematycznego lub dla różnych zleceniodawców, którzy posiadają odmienne preferencje dotyczące stylistyki albo terminologii.

Niemal każde tłumaczenie tekstu nieliterackiego zawiera w sobie pewne powtarzające się fragmenty. W zależności od charakteru materiału są to poszczególne nazwy, frazy, albo nawet całe zdania. Bywa też tak, że zdania różnią się od siebie zaledwie jednym lub dwoma słowami. W takich sytuacjach zupełnie naturalną i logiczną czynnością jest skorzystanie z wcześniej przetłumaczonych fraz, skopiowanie ich i wklejenie ich (po dokonaniu ewentualnych poprawek) we właściwe miejsce. Właśnie w takich momentach z pomocą przychodzą tłumaczom programy typu CAT.

W największym uproszczeniu: programy te są jak suflerzy – podpowiadają wcześniejsze tłumaczenie, jeśli dany fragment tekstu przypomina coś, co już wcześniej zostało przełożone.

Istnieją dwie zasadnicze kategorie programów typu CAT. Ze względu na funkcjonalność wyróżniamy programy przystosowane do współpracy z MS Word jako nakładki oraz programy z własnym, niezależnym edytorem tekstu. Pierwsza grupa umożliwia tłumaczowi pracę w doskonale znanym mu środowisku (grupa ta traci na popularności), natomiast programy CAT należące do drugiej grupy oferują większą elastyczność i wygodę, umożliwiając tłumaczenie szerokiej gamy formatów plików (m.in. HTM/HTML, XML/SGML, edytorów tekstowych, programów do składu DTP itd.). Większość programów CAT umożliwia obecnie tłumaczenie przynajmniej 50 formatów plików.

Praca z narzędziem CAT nie jest szczególnie skomplikowana, ale wymaga podstawowej wiedzy na temat możliwości i funkcji programu. Każdy plik, który poddajemy obróbce – dzielony jest na tzw. segmenty (TU – translation unit/jednostki tłumaczeniowe). Najczęściej są nimi zdania albo ich fragmenty, jeśli zdanie zawiera dwukropki, średniki, myślniki itd. Nie jest to jednak arbitralne – sposób segmentacji dokumentu może zostać spersonalizowany. Na przykład można zdefiniować funkcję dzielenia pliku tak, żeby uniknąć podziału zdania po „np.”.

Bez względu na to, czy program jest nakładką na MS Word, czy niezależnym narzędziem, CAT rozpoznaje, zapamiętuje i wyróżnia pierwszy segment (w Wordzie jest on wyróżniany graficznie, w edytorze wyświetlany w specjalnym oknie). Pojawią się wówczas dwa pola tekstowe: jedno z tekstem źródłowym, a drugie z tłumaczeniem lub miejscem na wpisanie tłumaczenia. Jeżeli pamięć tłumaczenia jest jeszcze pusta, bo tłumacz dopiero rozpoczął pracę, program nie będzie miał z czego czerpać podobnych fragmentów i jeszcze w niczym nie pomoże. Natomiast jeśli program ma już bazę, z której może skorzystać, to – w przypadku tekstu podobnego do niegdyś już przetłumaczonego – oprócz tekstu źródłowego pokaże propozycję przekładu wraz z informacjami dodatkowymi. Te dodatkowe informacje to najczęściej identyfikator autora poprzedniego tłumaczenia, data powstania przekładu itd. Program będzie wówczas wymagał zatwierdzenia wpisanego przekładu i automatycznie przejdzie do następnego segmentu. Graficzna oprawa tekstu pozwala tłumaczowi już na pierwszy rzut oka stwierdzić, czy fragment tekstu jest identyczny z tym, który występuje w bazie, czy podobny w mniejszym lub większym stopniu. Szacowana zgodność określana jest również procentowo, a różnice są wyraźnie oznaczane kolorami.

W miarę postępujących prac translatorskich programy CAT tworzą tzw. pamięć tłumaczeń (Translation Memory), czyli bazę, na podstawie której działają.

Im większa, bardziej pojemna i zróżnicowana pamięć, tym lepiej dla tłumacza. Szeroka baza pojęć zwiększa szansę na znalezienie podobnych segmentów w kolejnych tłumaczeniach.

Jak to działa w praktyce? Bardzo obrazowym przykładem jest tłumaczenie instrukcji obsługi różnych urządzeń. Często urządzenia są udoskonalane i powstają ich nowe wersje. Przykładowo Produkt 1000 firmy X może się różnić od Produktu 2000 tej samej firmy zaledwie kilkoma funkcjami, które oczywiście należy uwzględnić również w jego instrukcji obsługi. Dysponując pamięcią tłumaczeniową z przekładu instrukcji Produktu 1000, z łatwością można stworzyć tłumaczenie instrukcji obsługi Produktu 2000, wzbogaconego o nowe funkcje. Będący w posiadaniu takiej bazy tłumacz może w kilkanaście sekund policzyć całkowitą objętość tekstu oraz liczbę nowych segmentów, które różnią się od tekstu już wcześniej przetłumaczonego. W takiej sytuacji może się okazać, że w tekście o objętości 60 tys. słów nowe fragmenty to zaledwie 5%! Nie trzeba więc nikogo przekonywać, że takie tłumaczenie zajmuje o wiele mniej czasu niż pisanie całkiem nowego tekstu. Ponadto duże międzynarodowe firmy same korzystają z narzędzi CAT do przygotowania plików do tłumaczeń i przechowują własne bazy pamięci tłumaczeniowych. Dzięki temu po wysłaniu takiego pliku do tłumacza firma może zachować stylistykę i terminologię wszelkich wcześniejszych tłumaczeń.

Programy CAT umożliwiają bardzo łatwe i szybkie przeszukiwanie pamięci tłumaczeń. Jeżeli jakieś słowo było już kiedyś przetłumaczone, za pomocą zaledwie paru kliknięć myszy czy też kombinacji klawiszowych można odnaleźć wszystkie segmenty, w których kiedykolwiek występował dany termin (funkcja concordance).

Co ważne, programy tego typu pozwalają na zdefiniowanie funkcji, które odpowiadają za rozpoznawanie pewnych fragmentów tekstu (tzw. placeables), i kopiowanie ich za pomocą skrótu klawiszowego z tekstu źródłowego do wykonywanego w danej chwili tłumaczenia. Jest to funkcja bardzo przydatna w wypadku nazw produktów, dat (programy CAT przy okazji konwertują je na inny format), wartości liczbowych itd.

Wszystkie marki programów CAT posiadają własne moduły zarządzania terminologią lub umożliwiają współpracę z modułami peryferyjnymi – można więc zsynchronizować z takim narzędziem wszelkiego rodzaju słowniki, które podpowiadają prawidłowe tłumaczenia zdefiniowanych pojęć.

Należy jednak zawsze pamiętać o tym, że nie wszystkie tłumaczenia będą wykonywane za pomocą programów CAT z podobną skutecznością. Używanie jednej pamięci do wszystkich tłumaczeń również może się okazać złym pomysłem. Przykładowo baza tłumaczeniowa, która powstała na podstawie tłumaczenia programów komputerowych, nie przyda się w tłumaczeniach regulaminów sklepów internetowych, a pamięć tłumaczeniowa z zakresu medycyny nie znajdzie zastosowania w lokalizacji oprogramowania i tłumaczenia plików XML, SGML lub HTML.

Narzędzia CAT opierają się na następujących funkcjach:

• Segmentowanie tłumaczonego tekstu, czyli dzielenie go na jednostki (zdania lub fragmenty zdań). Taka forma podziału tekstu znacznie ułatwia i przyspiesza tłumaczenie. Często tekst oryginalny i tekst tłumaczony znajdują się w dwóch sąsiadujących ze sobą okienkach, dzięki czemu tłumacz może na bieżąco kontrolować przebieg procesu przekładu.
• Tekst oryginalny i tekst tłumaczony traktowane są jako tzw. jednostka tłumaczeniowa. Jednostki takie są zapisywane w specjalnej bazie i tłumacz może z nich korzystać, wykonując kolejne zlecenia o podobnej tematyce.
• Korzystanie z tzw. pamięci tłumaczeniowych (są to specjalne pliki), w których przechowywane są jednostki tłumaczeniowe, czyli odpowiadające sobie fragmenty tekstu oryginalnego i przetłumaczonego z dokumentów, które wcześniej zostały przetłumaczone. Dzięki temu tłumacz może w dowolnym momencie korzystać z przetłumaczonych fragmentów (fuzzy matching), co znacznie przyspiesza pracę i zapewnia spójność tłumaczenia.

Zdecydowana większość biur tłumaczeń w Polsce stosuje narzędzia CAT – nie tylko ze względu na skrócenie czasu realizacji czy ograniczenie kosztu tłumaczenia, lecz także dla kontroli QA Checker (Trados Studio), kompatybilności z plikami w formatach DTP (IDML, MIF) i IT/PASSOLO (XML, SGML, HTM, HTML, PO, MO, SRT, VTT, TBULIC) oraz rozbudowywania własnej bazy tłumaczeniowej TM. Na rynkach zachodnich prawie wszystkie biura korzystają z co najmniej jednego narzędzia CAT. Biuro Tłumaczeń Translax prowadzi szkolenia z obsługi najważniejszych programów CAT dla tłumaczy i menedżerów projektu. Takie zajęcia pozwalają zapoznać się z możliwościami tych narzędzi, dzięki czemu tłumaczenie nawet trudnych tekstów technicznych będzie przebiegać sprawniej przy jednoczesnym zachowaniu najwyższej jakości przekładu.

Tłumaczenie maszynowe – trendy branżowe

Wiele źródeł, między innymi artykuł tcworld, sugeruje że biura tłumaczeń oraz tłumacze-freelancerzy powinni dostosowywać się do nadchodzących zmian w branży, jakimi są sieci neuronowe oraz podpięte pod nie systemy automatyzujące. Czy powinniśmy jednak w pełni ufać automatom? Czy maszyny nie potrzebują operatorów, a ramiona robotyczne programistów? W końcu nawet autopilot Tesli nie jest nieomylny i także tak nowoczesnym autom zdarzają się wypadki.

Tłumaczenia maszynowe prawdopodobnie zostaną z nami na dłużej, ale każdy projekt tłumaczony w ten sposób powinien być dobrze przemyślany (przynajmniej w modelu micro-SWOT). Przekład automatyczny przyjdzie z odsieczą w przypadku bardzo specyficznych potrzeb:

• odpowiedniej tematyki,
• dopasowanego korpusu tłumaczeniowego (danych z bazy poprzednich tłumaczeń),
• dużego wolumenu treści przy krótkim terminie realizacji,
• wykwalifikowanego zespołu korektorów MTPE oraz ekspertów MT (ds. tłumaczeń maszynowych).

Jak wynika z danych CSA Research odsetek projektów dla klientów końcowych korzystających z tłumaczeń maszynowych wzrósł z 13% w 2019 r. do 24% w 2020 r. W ostatnim czasie najlepszą jakość tłumaczenia maszynowego zanotowano w treściach związanych z oprogramowaniem komputerowym, usługami prawnymi i telekomunikacją (Intento). Z jakimi dziedzinami programy tłumaczeniowe kiepsko sobie radzą? Według statystyk jest to przekład treści z zakresu usług profesjonalnych i biznesowych, instrukcji użytkowania oraz sprzedaży i marketingu.

Tłumacze, korzystający ze wsparcia programów do przekładu automatycznego motywują to następującymi argumentami[4]:

• oszczędność czasu (86%),
• zapewnienie spójności terminologii (83%)
• poprawa jakości tłumaczenia (70%).

Jak widać, tłumaczenia maszynowe, choć na obecnym etapie mają swoje wady i ewidentne niedociągnięcia, mogą stać się użytecznym narzędziem w rękach wykwalifikowanego tłumacza. Przed rozpoczęciem projektu należy więc przeanalizować wszelkie za i przeciw oraz zastosować właściwe podejście i procesy.

[1]https://sjp.pwn.pl/sjp/tlumaczenie-maszynowe;2529806.html z dn. 07.11.2022

[2]https://pl.wikipedia.org/wiki/T%C5%82umaczenie_automatyczne z dn. 07.11.2022

[3] A.D Kubacki, M. Łomzik Systemy przekładu maszynowego w pracy tłumacza języka niemieckiego, Orbis Linguarum vol. 52/2018, str. 132.

[4](PDF) Badanie pamięci tłumaczeniowych 2006: Postrzeganie przez użytkowników korzystania z tm (researchgate.net) z dn. 10.11.2022 r.

W razie pytań zapraszamy do kontaktu: