Tłumaczenia są dziedziną, w której nowoczesne technologie oparte na sztucznej inteligencji zaczęły być powszechnie wykorzystywane stosunkowo wcześnie. W końcu nawet dawne silniki tłumaczeń maszynowych, oparte o metody statystyczne, to również przykład wykorzystania AI do tłumaczenia tekstu. Z drugiej strony jednak, w środowisku tłumaczy zawsze wyczuwalny był opór przed wykorzystaniem automatycznych przekładów. Trudno się temu dziwić – w teorii maszyny mogłyby całkowicie zastąpić tłumacza człowieka i pozbawić profesjonalnych tłumaczy pracy.
Czy zatem tłumaczenia pisemne wspomagane przez AI niosą ze sobą więcej szans, czy zagrożeń? Na to pytanie można odpowiedzieć z dwóch perspektyw – klienta, który potrzebuje tłumaczeń pisemnych oraz profesjonalnego dostawcy usług tłumaczeniowych, tj. biura tłumaczeń lub indywidualnego tłumacza. Mogłoby się wydawać, że dla klienta to same korzyści, a dla tłumacza – zagrożenie. Czy tak jest w istocie? Na to pytanie postaramy się odpowiedzieć w artykule.
Tłumaczenia AI – w jaki sposób branża tłumaczeniowa korzysta ze sztucznej inteligencji
Jeśli mówimy o AI w tłumaczeniach pisemnych, pierwsze co przychodzi nam wszystkim na myśl to zapewne tłumaczenia maszynowe i popularne silniki tłumaczeniowe, takie jak Tłumacz Google czy DeepL. Rzeczywiście, jest to główny sposób wykorzystania sztucznej inteligencji do tłumaczeń pisemnych.
Tłumaczenia maszynowe – NMT i LLM
Ostatnia dekada przyniosła rewolucję w przekładzie automatycznym, kiedy neuronowe tłumaczenia maszynowe (NMT, od ang. neural machine translation) wyparły podejście bazujące na metodach statystycznych. NMT, oparte o technologię głębokiego uczenia, korzystającą ze sztucznych sieci neuronowych, są dużo bardziej precyzyjne i znacznie lepiej imitują przekłady wykonane przez tłumacza – człowieka. Dzięki temu zaczęły być powszechnie wykorzystywane także przez profesjonalistów.
W ostatnich latach pojawiła się także konkurencja dla neuronowych silników tłumaczeń maszynowych w postaci dużych modeli językowych (LLM, od ang. large language model), takich jak ChatGPT. LLM również można zaklasyfikować jako rodzaj NTM, ponieważ oba podejścia korzystają z technologii sztucznych sieci neuronowych. Różnica między nimi polega przede wszystkim na tym, że klasyczne silniki NMT trenowane są na dwujęzycznych korpusach, a ich jedynym przeznaczeniem jest automatyczny przekład tekstu. LLMy są natomiast uczone na dużo większych zbiorach danych. Mogą wykonać tłumaczenie, ale ich główną funkcją jest przetwarzanie i generowanie języka naturalnego.
Oba te podejścia są obecnie wykorzystywane zarówno amatorsko, jak i przez profesjonalnych tłumaczy. Profesjonaliści korzystają jednak z tłumaczeń maszynowych w inny sposób niż zwykły użytkownik. Proces tłumaczenia maszynowego w biurze tłumaczeń nie polega na wrzuceniu tekstu do internetowej aplikacji wykonującej tłumaczenia maszynowe, a potem skopiowaniu tłumaczenia i wysłaniu go do klienta.
Profesjonalni tłumacze i dostawcy usług językowych korzystają z narzędzi CAT, tj. komputerowego wspomagania tłumaczenia, które są zintegrowane z płatnymi wersjami narzędzi do tłumaczenia maszynowego. (Więcej na temat CATów można przeczytać w artykule https://www.bireta.pl/blog/2021/09/23/tlumaczenie-wspomagane-komputerowo-czym-jest/). CATy bazują przede wszystkim na pamięciach tłumaczeniowych, utworzonych na podstawie wcześniej przetworzonych tekstów oraz baz terminologicznych – przygotowanych uprzednio glosariuszy. Dzielą dany tekst na segmenty i proponują ich przekład na wybrany język. Dzięki integracji z silnikami NMT, fragmenty tekstu, których nie było wcześniej w pamięci, zostają przetłumaczone automatycznie. Każdy segment tekstu, zarówno ten wstawiony z pamięci tłumaczeniowej, jak i ten przetłumaczony maszynowo, są potem weryfikowane przez tłumacza człowieka.
Sztuczna inteligencja jest także wykorzystywana w programach CAT do wspomagania korekty tekstu. Pomaga wykrywać błędy i niespójności w tłumaczeniu. AI wykorzystywana jest także do tworzenia baz terminologicznych na podstawie tłumaczeń, zweryfikowanych uprzednio przez człowieka.
Zalety wykorzystania AI do tłumaczenia tekstu
Szybkość i wydajność
Jedną z największych zalet tłumaczeń AI jest ich szybkość. Tradycyjne tłumaczenia wykonywane przez człowieka mogą zająć od kilku godzin do kilkunastu czy nawet kilkudziesięciu dni, w zależności od długości i złożoności tekstu, a także umiejętności i dostępności tłumacza. Narzędzia oparte na sztucznej inteligencji potrafią przetłumaczyć długie dokumenty w ciągu kilku sekund. Jeśli silnik maszynowy dobrze poradzi sobie z danym tekstem, a tłumaczenie będzie zweryfikowane przez doświadczonego postedytora, który sprawnie zredaguje tekst, wtedy klient może otrzymać je szybciej, niż gdyby od początku wykonywał je człowiek.
Efektywność i koszty
Wykorzystanie tłumaczeń maszynowych może pomóc zmniejszyć koszt tłumaczenia. Nie mówimy tutaj o wykorzystaniu darmowych narzędzi do automatycznego przekładu, takich jak DeepL czy Tłumacz Google. Ze względu na ograniczenia w ilości tłumaczonego tekstu a także brak ochrony danych przetwarzanych przez te aplikacje, nie nadają się one do profesjonalnego użytku. Firmy mogą natomiast rozważyć inwestycję w płatne silniki tłumaczeń. Oznacza to najczęściej mniejszy koszt niż zatrudnianie profesjonalnych tłumaczy, należy jednak wziąć pod uwagę ryzyko błędów oraz konieczność weryfikacji i korekty tłumaczenia maszynowego przez człowieka (o tym poniżej).
Z perspektywy biura tłumaczeń, wykorzystanie tłumaczeń maszynowych z postedycją przez człowieka tłumacza, także pozwala zwiększyć efektywność pracy, a tym samym zaoferować niższą cenę klientowi.
Wady i ograniczenia tłumaczenia AI
Nierówna jakość i błędy w tłumaczeniu
Oba powyższe punkty należy jednak opatrzyć dodatkowym przypisem. AI pozwala przyspieszyć tłumaczenie i zmniejszyć jego koszty, tylko wtedy, gdy uda jej się wygenerować poprawne, dobrej jakości tłumaczenie. Sztuczna inteligencja nie radzi sobie jednak z przekładem aż tak sprawnie, przynajmniej na razie. Jako biuro tłumaczeń, które korzysta z technologii AI, wiemy, że tylko niewielką ilość treści produkowanej przez NMT można wykorzystać bez wprowadzenia poprawek. Część tekstów wygenerowanych przez sztuczną inteligencję wymaga dużej ingerencji tłumacza, a niektóre w ogóle nie nadają się do użytku i szybszym rozwiązaniem jest ich przekład „od zera”.
Dlatego używanie tłumaczeń maszynowych bez ich weryfikacji przez człowieka jest obarczone ogromnym ryzykiem błędów. Jeśli decydujemy się na skorzystanie z tego typu tłumaczeń, powinniśmy zawsze uwzględnić ich weryfikację. Oczywiście najlepszy rezultat uzyskamy, jeśli postedycją zajmie się profesjonalny tłumacz lub native speaker języka, który dobrze zna tematykę tłumaczenia.
Ograniczony zakres – języki i specjalizacje
Bardzo duże znaczenie dla jakości tłumaczenia mają język źródłowy i docelowy. Jakość przekładu, czy to wygenerowanego przez klasyczne NMT czy LLM, zależy od tego, na jakich treściach były one uczone. Największe dostępne zbiory danych, na których trenowane są algorytmy przetwarzające język naturalny, to teksty w języku angielskim i z tym językiem rzeczywiście sztuczna inteligencja radzi sobie najlepiej. W przypadku mniej popularnych, choć wcale nie niszowych języków, jak np. polski czy japoński, efekty tłumaczeń maszynowych są dużo gorsze i wymagają więcej poprawek.
Decydując się na wykorzystanie tłumaczenia maszynowego, należy też wziąć pod uwagę z jakiego rodzaju tekstem mamy do czynienia. AI poradzi sobie znacznie lepiej z ogólnym, konwencjonalnym opisem produktu na stronie internetowej niż ze specjalistycznym tekstem technicznym, prawnym czy medycznym. Dodatkowo, jeśli NMT pomyli się i błędnie przetłumaczy treść na platformie e-commerce konsekwencje tej pomyłki nie będą tak poważne, jak w przypadku błędu w tłumaczeniu umowy, specyfikacji technicznej czy opisu leku.
Przyszłość tłumaczeń AI
Technologie tłumaczeniowe bazujące na sztucznej inteligencji to szansa dla tych, którzy nauczą się z nich mądrze korzystać. Niezależnie od tego, czy patrzymy na tę kwestię z perspektywy dostawcy usług tłumaczeniowych, czy odbiorcy, który tłumaczenia potrzebuje.
Dla dużych firm dostępność technologii tłumaczeniowych opartych o sztuczną inteligencję oznacza, że bardziej korzystnym rozwiązaniem może być zakup technologii i wdrożenie ich wewnątrz firmy niż korzystanie z usług językowych zewnętrznego dostawcy. Niesie to ze sobą spore ryzyko – jeśli wdrożenie będzie przeprowadzone nieumiejętnie, może się okazać, że jakość tłumaczeń nie jest zadowalająca. Wymaga też dużych nakładów pracy na początku, ale jeśli technologia zostanie wdrożona poprawnie, w dłuższej perspektywie takie rozwiązanie może być efektywne finansowo i czasowo.
Profesjonalni tłumacze będą musieli nauczyć się wykorzystywać technologię do ułatwienia i przyspieszenia swojej pracy, kładąc większy nacisk na postedycję tłumaczeń niż na przekład tekstu od zera. Powinni także skupić się na bardziej szczegółowej specjalizacji i doskonaleniu umiejętności językowych, zwłaszcza w mniej popularnych językach, co pozwoli im działać w niszach, w których tłumaczenia maszynowe nie sprawdzają się najlepiej.
Dla biur tłumaczeń, takich jak Bireta Professional Translations, śledzenie i adaptacja najnowszych trendów technologicznych to konieczność. Dlatego w Birecie rozwiązania oparte na sztucznej inteligencji zaczęliśmy wdrażać już kilka lat temu. W ten sposób możemy oferować swoim klientom najlepsze możliwe usługi, łącząc nowoczesne technologie z profesjonalizmem i doświadczeniem naszych tłumaczy i project managerów.
Jedno jest pewne, od sztucznej inteligencji nie uciekniemy, a jej zastosowanie będzie coraz bardziej powszechne. Za jakiś czas niemal każdy proces tłumaczenia będzie zaczynał się od przetworzenia tekstu przez narzędzie AI. Na tym jednak praca z tekstem nie może się kończyć. Najlepsze rezultaty można osiągnąć tylko wtedy, gdy połączymy wykorzystanie narzędzi AI do tłumaczenia tekstu z nadzorem człowieka. Bez osoby, która w mądry i umiejętny sposób zarządza technologią, nie da się osiągnąć zadowalających rezultatów na polu tłumaczenia pisemnego. Tylko firmy, które to zrozumieją, będą potrafiły w pełni wykorzystać potencjał sztucznej inteligencji.