Vertimas kaip kasdienybė, o ne išimtis
Dar prieš dešimtmetį, norint gauti kokybišką teksto vertimą iš vienos kalbos į kitą, reikėjo arba mokėti kalbą pačiam, arba kreiptis į profesionalų vertėją, arba tenkintis ganėtinai apgailėtinais automatiniais rezultatais. Google Translate tuo metu dar buvo labiau juokų objektas nei rimtas įrankis – vertė pažodžiui, prarasdavo kontekstą, o kartais išvis sugeneruodavo beprasmį tekstą. Šiandien situacija yra kitokia. Ne dramatiškai kitokia, bet pakankamai, kad tai keistų tai, kaip žmonės ir organizacijos bendrauja tarpusavyje per kalbų ribas.
Automatiniai teksto vertėjai – tiek didžiulių technologijų kompanijų produktai, tiek specializuoti sprendimai – tapo kasdienio darbo įrankiais milijonams žmonių. Jie naudojami verslo susirašinėjime, socialiniuose tinkluose, žiniasklaidoje, akademinėje aplinkoje ir tiesiog tada, kai norima suprasti, ką rašo kažkas iš kitos šalies. Klausimas nebėra „ar naudoti automatinį vertimą”, bet „kaip jį naudoti protingai ir kur jo nepakanka”.
Kaip iš tikrųjų veikia šiuolaikiniai vertimo įrankiai
Šiuolaikiniai automatiniai vertėjai remiasi neuroniniu mašininiu mokymusi – technologija, kuri iš esmės skiriasi nuo ankstesnių statistinių metodų. Senesnės sistemos vertė sakinius dalimis, ieškodamos atitikmenų žodžių lygmeniu. Neuroniniai modeliai, tokie kaip tie, kuriais grindžiamas DeepL ar naujausias Google Translate, „mato” visą sakinį ar net platesnį kontekstą ir bando suprasti prasmę, o ne tik žodžius.
Praktiškai tai reiškia, kad šios sistemos daug geriau susitvarko su idiomomis, su žodžių tvarka, kuri skirtingose kalbose gali būti visiškai priešinga, ir su kontekstu, kuris keičia žodžio reikšmę. Lietuviškas žodis „eiti” gali reikšti fizinį judėjimą, bet ir „eiti pareigas” – šiuolaikinis vertėjas dažniausiai supranta skirtumą pagal kontekstą. Tai nėra stebuklas, tai statistika: modelis buvo apmokytas ant milijardų sakinių ir išmoko, kuriuose kontekstuose kurie variantai pasitaiko dažniau.
Tačiau yra ir ribų. Sistemos vis dar klysta su retesnėmis kalbomis, su labai specifine profesine terminologija, su humoru ir ironija, su kultūrinėmis nuorodomis. Jei tekstas parašytas nestandartiškai – su klaidomis, slengu, regioniniais posakiais – vertimo kokybė krenta. Tai svarbu žinoti, nes daugelis žmonių linkę arba pernelyg pasitikėti automatiniais vertėjais, arba juos visiškai atmesti. Tiesa yra kažkur per vidurį.
Verslo komunikacija: kur automatinis vertimas padeda ir kur kliudo
Smulkus ir vidutinis verslas turbūt labiausiai pajuto automatinio vertimo privalumus. Anksčiau lietuviška įmonė, norinti parduoti produktus Vokietijoje ar Prancūzijoje, turėjo investuoti į profesionalų vertimą arba samdyti darbuotoją, mokantį kalbą. Dabar bent jau pradiniam susirašinėjimui, el. laiškams, produktų aprašymams – automatinis vertimas tinka. Tai sumažina įėjimo į užsienio rinkas kainą ir leidžia mažesnėms įmonėms konkuruoti tarptautiniu lygiu.
Konkrečiai: jei įmonė gauna užklausą iš potencialaus partnerio Japonijoje, pirminis atsakymas, parengtas su DeepL pagalba ir peržiūrėtas žmogaus, yra visiškai priimtinas sprendimas. Tai nėra kompromisas – tai protingas išteklių paskirstymas. Tačiau kai reikia pasirašyti sutartį, kai komunikacija tampa teisinė ar labai techninė, automatinis vertimas tampa rizika, o ne pagalba.
Didesnės korporacijos naudoja specializuotus vertimo sprendimus su vadinamosiomis „terminologijos bazėmis” – sistemomis, kurios prisimena, kaip konkreti įmonė verčia savo specifinius terminus. Tai žymiai pagerina nuoseklumą. Jei „customer journey” jūsų įmonėje visada verčiamas kaip „kliento kelionė”, o ne „vartotojo patirtis”, sistema tai prisimins ir naudos nuosekliai visame turinyje.
Vienas praktinis patarimas: prieš naudodami automatinį vertimą svarbiems verslo dokumentams, patikrinkite rezultatą su gimtakalbiu arba bent jau žmogumi, mokančiu tą kalbą. Ne todėl, kad sistema tikrai suklydo, bet todėl, kad jei suklydo – geriau tai sužinoti prieš išsiunčiant, o ne po.
Kasdieninis gyvenimas: turizmas, socialiniai tinklai, informacijos paieška
Už verslo ribų automatinis vertimas tapo nematoma, bet labai realia kasdienio gyvenimo dalimi. Keliautojai naudoja telefono kameras, kad akimirksniu išverstų restoranų meniu ar gatvių ženklus. Žmonės skaito užsienio žiniasklaidos straipsnius, kuriuos jų naršyklė automatiškai pasiūlo išversti. Socialiniuose tinkluose komentarai iš viso pasaulio tampa prieinami vienu mygtuko paspaudimu.
Tai keičia tai, kaip formuojasi viešoji nuomonė ir kaip sklinda informacija. Anksčiau žmogus, nemokantis anglų kalbos, turėjo labai ribotą prieigą prie tarptautinės žiniasklaidos. Dabar tas barjeras praktiškai išnyko – bent jau skaitymo prasme. Tai turi ir teigiamų, ir neigiamų pusių. Teigiama – daugiau žmonių gali dalyvauti tarptautiniame diskurse. Neigiama – dezinformacija taip pat lengviau peršoka kalbų ribas.
Socialiniuose tinkluose automatinis vertimas sukuria įdomų efektą: žmonės pradeda bendrauti su auditorijomis, kurių anksčiau nepasiekdavo. Lietuviškas turinys gali sulaukti komentarų iš Brazilijos ar Indonezijos, nes platforma automatiškai pasiūlė vertimą. Tai keičia turinio kūrėjų strategijas – kai kurie sąmoningai rašo taip, kad tekstas gerai verstųsi, vengdami idiomų ir kultūrinių nuorodų, kurios prarandamos vertime.
Lietuvių kalba automatinio vertimo kontekste
Lietuvių kalba yra vadinamoji „mažos išteklių” kalba automatinio vertimo pasaulyje. Tai reiškia, kad modeliai buvo apmokyti ant žymiai mažesnio lietuviškų tekstų kiekio nei, pavyzdžiui, anglų ar ispanų. Rezultatas – vertimo kokybė į lietuvių kalbą ir iš jos yra pastebėmai prastesnė nei tarp didžiųjų Europos kalbų.
Tai ypač jaučiama su specifiniais terminais, su ilgais sudėtingais sakiniais ir su tekstais, kuriuose svarbi gramatinė tikslumas. Lietuvių kalba turi sudėtingą linksnių sistemą, ir automatiniai vertėjai kartais suklysta su linksniais, kas gali pakeisti sakinio prasmę arba tiesiog padaryti tekstą nenatūraliu.
Praktiškai tai reiškia, kad jei verčiate iš lietuvių į anglų, rezultatas bus geresnis nei atvirkščiai. Ir jei verčiate iš lietuvių į, tarkime, latvių ar estų – mažų kalbų poros – kokybė gali būti ypač prasta, nes sistema dažnai verčia per tarpinę kalbą (dažniausiai anglų), o ne tiesiogiai.
Rekomendacija tiems, kurie reguliariai verčia tekstus į lietuvių kalbą: verta turėti žmogų, kuris peržiūri galutinį rezultatą. Ne todėl, kad automatinis vertimas yra blogas, bet todėl, kad lietuvių kalbos specifika reikalauja papildomo dėmesio, kurio mašina dar neišmoko.
Etiniai klausimai, apie kuriuos retai kalbama
Automatinis vertimas kelia keletą etinių klausimų, kurie nėra labai akivaizdūs, bet verta apie juos pagalvoti. Pirmas – autorystė ir atsakomybė. Jei įmonė išsiunčia el. laišką, išverstą automatiškai, ir tame laiške yra klaida, kuri sukelia nesusipratimą ar net žalą – kas atsakingas? Techniškai – žmogus, kuris išsiuntė laišką be patikrinimo. Bet praktiškai situacija sudėtingesnė.
Antras klausimas – kalbų ir kultūrų homogenizacija. Kai viskas verčiama per anglų kalbą kaip tarpinę, tam tikros kalbinės niuansos ir kultūriniai kontekstai prarandami. Laikui bėgant tai gali skatinti komunikacijos standartizaciją, kuri nėra visada pageidautina. Kai kurie lingvistai baiminasi, kad automatinis vertimas iš tikrųjų ne saugo mažąsias kalbas, bet skatina žmones jomis mažiau rūpintis, nes „ir taip galima išsiversti”.
Trečias klausimas – privatumas. Tekstai, kuriuos žmonės verčia naudodami nemokamas paslaugas, dažnai naudojami modelių tobulinimui. Tai reiškia, kad konfidencialūs verslo dokumentai, asmeniniai laiškai ar jautri informacija gali tapti mokymo duomenimis. Daugelis žmonių apie tai negalvoja, bet turėtų – ypač verslo kontekste. Sprendimas: naudoti verslines, mokamas versijas, kurios garantuoja duomenų konfidencialumą, arba lokalinius sprendimus, kurie neperduoda duomenų į išorinius serverius.
Profesionalūs vertėjai: išnykstanti profesija ar evoliucionuojantis vaidmuo
Natūralu, kad kalbant apie automatinį vertimą, kyla klausimas apie profesionalių vertėjų ateitį. Statistika rodo, kad vertimo industrija iš tikrųjų auga, o ne mažėja – bet keičiasi jos struktūra. Vis daugiau vertėjų dirba kaip redaktoriai, tikrinantys ir tobulinantys automatiškai išverstus tekstus. Tai vadinama „post-editing” – po-redagavimu.
Ši tendencija turi savo privalumų ir trūkumų. Privalumas – vertėjai gali dirbti greičiau ir apdoroti daugiau teksto. Trūkumas – darbas tampa mažiau kūrybiškas ir labiau mechaniškas, o atlygis dažnai mažėja, nes darbdaviai mano, kad redaguoti lengviau nei versti nuo nulio.
Tačiau yra sričių, kuriose automatinis vertimas tiesiog negali pakeisti žmogaus. Literatūrinis vertimas, teisiniai dokumentai su aukšta atsakomybės kartelė, medicininiai tekstai, kur klaida gali turėti rimtų pasekmių, ir marketingo turinys, kur svarbu ne tik prasmė, bet ir emocinis poveikis bei kultūrinis rezonansas – visa tai reikalauja žmogaus. Ir tikėtina, kad dar ilgai reikalaus.
Kai mašina vertė, o žmogus turėjo pataisyti – ir ko iš to galima pasimokyti
Yra daugybė dokumentuotų atvejų, kai automatinis vertimas sukėlė realių problemų. HSBC bankas kažkada turėjo kampaniją su šūkiu „Assume Nothing”, kuris buvo išverstas į kai kurias kalbas kaip „Do Nothing” – visiškai priešinga prasmė. Tai buvo ne automatinio vertimo klaida, bet žmogaus, kuris nepatikslino konteksto. Panašių istorijų yra ir iš medicinos, ir iš diplomatijos.
Iš to galima padaryti keletą praktinių išvadų. Pirma – automatinis vertimas yra įrankis, o ne sprendimas. Kaip ir bet kuris įrankis, jis veikia gerai, kai naudojamas tinkamoje situacijoje ir su supratimu apie jo ribas. Antra – kuo svarbesnis tekstas, tuo daugiau žmogaus dėmesio jis reikalauja, nepaisant to, ar naudojamas automatinis vertimas, ar ne. Trečia – verta investuoti laiko į tai, kad suprastumėte, kaip konkreti sistema veikia su jūsų naudojamomis kalbomis ir tekstų tipais.
Galiausiai, automatinis vertimas keičia daugiakalbę komunikaciją ne tuo, kad ją padaro tobulą, bet tuo, kad padaro ją prieinamą. Tai yra reikšmingas pokytis. Klausimas, kurį kiekvienas – tiek verslas, tiek pavieniai žmonės – turėtų sau užduoti: ar mes naudojame šią prieinamumą atsakingai? Ar suprantame, ką gauname, ir ką prarandame, kai pasitikime mašina ten, kur reikia žmogaus?
