مقدمه ای بر هوش مصنوعی در ترجمه و تفسیر: نقش ها، مرزها، احراز هویت، حریم خصوصی و اخلاق

سود:

• توانایی تشخیص اینکه هوش مصنوعی کجا در گردش کار ترجمه در زمان صرفه جویی می کند (پیش نویس، اصطلاح، خلاصه) و جایی که تصمیماتی مانند معنا، لحن، فرهنگ و مسئولیت بسته به سطح ریسک به عهده انسان گذاشته می شود.
• امکان اعمال رشته‌ای که هر خروجی ترجمه را با مقایسه آن با منبع، تأیید اصطلاحات و سازگاری، و عبور از فیلتر معنا-تن-فرهنگ تأیید می‌کند.
• بدانید که چرا محرمانگی، حفاظت از داده های شخصی و خروجی تایید نشده باید از همان ابتدا در ترجمه لحاظ شود.

شما صبح پشت میز ترجمه هستید. در صندوق ورودی خود ترجمه فوری یک قرارداد حقوقی، 800 خط متن رابط یک نرم افزار، یک فایل آماده سازی برای یک کنفرانس دو روزه و یک ویرایش زیرنویس یک سریال تلویزیونی دارید. مشتری می پرسد "چرا وقتی هوش مصنوعی وجود دارد، این کار اینقدر طول می کشد؟" او می‌پرسد، و شما می‌دانید که یک بند قراردادی ترجمه‌شده اشتباه می‌تواند هزینه جبران داشته باشد، و یک اصطلاح ساختگی می‌تواند به اعتبار نام تجاری تمام شود. ترجمه و تفسیر (نام رایج حرفه مترجمی که متون نوشتاری را ترجمه می کند و مترجمی که فوراً گفتار شفاهی را منتقل می کند) رشته ای است چند زبانه، وابسته به زمینه، فرهنگی و بسیار مسئولیت پذیر. هوش مصنوعی (AI - نرم افزاری که می تواند الگوها را از داده های تاریخی استخراج کند، متن را تولید، ترجمه و خلاصه کند) سرعتی جدی در این حجم و فشار زمانی به شما می دهد. اما ابتدای این ماژول واضح است: هوش مصنوعی یک دستیار، تولید کننده پیش نویس ترجمه و دستیار اصطلاحات/کیفیت است. شما مترجم شایسته ای هستید که مسئولیت معنا، لحن، فرهنگ و تحویل نهایی را بر عهده می گیرید.

در این بخش اول ما بر روی نظم تمرکز خواهیم کرد، نه ابزار. شما یاد خواهید گرفت که هوش مصنوعی در کجای کار ترجمه در زمان واقعی صرفه جویی می کند، کجا خطرناک است، چگونه هر خروجی را تأیید کنید، چگونه از سند محرمانه مشتری محافظت کنید، و چگونه در خط اخلاقی-حق نشر باقی بمانید. بدون ایجاد این پایه، واحدهای بعدی در هوا باقی می مانند - زیرا خروجی تایید نشده در ترجمه فقط یک "جمله بد" نیست. این می تواند به معنای یک تعهد نادرست در یک قرارداد، یک خطای دوز خطرناک در بسته بندی دارو یا یک برند مورد تمسخر باشد.

هوش مصنوعی کجا در گردش کار ترجمه مفید است؟

بیایید کار ترجمه را به دو دسته بزرگ تقسیم کنیم. خوشه اول: کارهای حجیم، تکراری، قابل استخراج با الگو و زبان فشرده. ترجمه پیش نویس اول یک کتابچه راهنمای فنی طولانی، انتقال مداوم جملات تکراری، استخراج فهرستی از اصطلاحات، ساده سازی یک متن برای خوانایی، مقایسه دو متن به دو زبان، اولین پیش نویس کدهای زمانی زیرنویس. در این مشاغل هوش مصنوعی ساعت ها را به دقیقه کاهش می دهد و خسته نمی شود.

خوشه دوم: معنا، لحن، فرهنگ، خلاقیت و تصمیمات مسئولانه. معنای اصطلاحی در فرهنگ هدف، تاثیر احساسی یک شعار تبلیغاتی، معادل دقیق یک اصطلاح حقوقی بین دو نظام حقوقی، صدای یک متن ادبی، تایید نهایی متن برای تحویل به مشتری. این تصمیمات نیازمند تخصص، دانش فرهنگی و قضاوت انسانی است. در اینجا هوش مصنوعی گزینه‌ها را افزایش می‌دهد، پیش‌نویس‌ها را تولید می‌کند - اما حرف آخر و امضای تحویل با شماست.

بیایید این تمایز را در یک جمله روشن کنیم: هوش مصنوعی در سؤالات «اولین پیش نویس این متن و همتایان احتمالی آن چیست» قوی است. در مورد سؤالاتی مانند "آیا این واقعاً معنای درست، لحن و تأثیر فرهنگی مناسب را دارد؟ آیا می توانم این را به مشتری خود برسانم؟"

نکته: قبل از برون سپاری کار به یک هوش مصنوعی، بپرسید: "اگر این خروجی اشتباه باشد چه چیزی را از دست می دهم؟" اگر پاسخ «چند دقیقه بازسازی مجدد» است، به راحتی تفویض اختیار کنید. اگر پاسخ «بند قرارداد نادرست، اطلاعات پزشکی نادرست یا بحران نام تجاری» است، اجازه دهید هوش مصنوعی پیش نویس را تولید کند و شما تصمیم و تأیید را بگیرید.

مفاهیم اساسی: MT، NMT، LLM، MTPE

بیایید چهار اصطلاح کلیدی این حوزه را از ابتدا تعریف کنیم. MT (ترجمه ماشینی) نام عمومی نرم افزاری است که به صورت خودکار متنی را از زبانی به زبان دیگر ترجمه می کند. NMT (ترجمه ماشین عصبی) نسل مدرن MT با استفاده از شبکه های عصبی مصنوعی است و اساس ابزارهایی مانند Google Translate و DeepL است. بر اساس جمله روان و سریع است. LLM (مدل زبان بزرگ) مدل های همه منظوره، دستورالعمل محور و انعطاف پذیر در زمینه و لحن هستند، مانند ChatGPT و Claude. آنها می توانند دستورالعمل هایی مانند "این متن را با لحن رسمی و این فهرست اصطلاحات ترجمه کنید" را درک کنند. MTPE (ترجمه ماشینی پس از ویرایش) شکلی از کار است که در آن مترجم انسانی خروجی خام ترجمه ماشینی را تصحیح می کند و رایج ترین مدل کاری در صنعت امروز است. ما این اصطلاحات را به طور عمیق در واحدهای بعدی پوشش خواهیم داد. در حال حاضر، زنجیره "هوش مصنوعی پیش نویس خام را تولید می کند، انسان آن را قابل اعتماد می کند" را در نظر داشته باشید.

حریم خصوصی: اصل خدشه ناپذیر

متن هایی که به دست مترجم می رسد اغلب محرمانه هستند: یک قرارداد امضا نشده، یک گزارش بیمار، صورت مالی یک شرکت، یک پرونده دادگاه، محصولی که هنوز اعلام نشده است. قانون سرانگشتی در اینجا: هیچ سند محرمانه، شخصی یا منتشر نشده مشتری وارد ابزار هوش مصنوعی عمومی نمی شود که محرمانه بودن آن تضمین نشده است. متنی که در یک سرویس ترجمه عمومی قرار می دهید در سرورهای آن سرویس پردازش می شود. شما اغلب نمی توانید کنترل کنید که چه کسی آن را می بیند، کجا ذخیره می شود، و اینکه آیا در آموزش مدل استفاده می شود یا خیر. بسیاری از قراردادهای ترجمه شامل NDA (موافقتنامه عدم افشا) هستند و دادن متن محرمانه به ابزار خارجی نقض این توافقنامه است و حتی باعث مسئولیت قانونی می شود.

بنابراین، استفاده حرفه‌ای از هوش مصنوعی در دو دنیا راه می‌رود: ابزارهای عمومی را می‌توان برای متون حوزه عمومی استفاده کرد. برای متون محرمانه/قراردادی، فقط از سیستم‌های امنی استفاده می‌شود که اطمینان حاصل می‌کند که داده‌ها به بیرون درز نمی‌کنند و سازمانی/قراردادی تضمین «ما از داده‌ها در آموزش استفاده نمی‌کنیم». اشتباه گرفتن این دو، خطرناک ترین اشتباه این حرفه است.

توجه: "هوش مصنوعی آن را به این ترتیب ترجمه کرد" یک توجیه نیست. اگر ترجمه اشتباهی، عبارت ساختگی یا سند فاش شده وجود داشته باشد، مسئولیت آن بر عهده هوش مصنوعی نیست، بلکه بر عهده مترجمی است که آن خروجی را بدون تأیید آن ارسال کرده یا متن مخفی را در ابزار وارد کرده است.

نظم و انضباط تأیید: سه مرحله

هوش مصنوعی ترجمه روان و مطمئن را تولید می کند. این به این معنی نیست که درست است. هوش مصنوعی گاهی اوقات توهم ایجاد می کند - یعنی جمله ای را اضافه می کند که در منبع وجود ندارد، یک عدد را تغییر می دهد، یک منفی را به مثبت تبدیل می کند (به جای "است" جایگزین "است")، یا عبارتی را می سازد که وجود ندارد. در یک قرارداد یا متن پزشکی این فاجعه آمیز است. برای هر خروجی یک رفلکس سه مرحله ای اعمال کنید:

1. مقایسه با منبع معادل هر جمله را در منبع بخوانید. به طور خاص، اعداد، تاریخ ها، پسوندهای منفی، نام های مناسب و ارزها را دقیقاً بررسی کنید.
2. اصطلاحات و سازگاری را تأیید کنید. آیا با فهرست اصطلاحات سازمان/مشتری و ترجمه های قبلی مطابقت دارد؟ آیا همان اصطلاح در کل متن یکسان ترجمه شده است؟
3. آن را از طریق معنا، لحن و فرهنگ فیلتر کنید. آیا جمله در زبان مقصد طبیعی است؟ لحن درست است؟ آیا از نظر فرهنگی مناسب است؟ قضاوت تخصصی شما فیلتر نهایی است.

سه کیف کوچک

مورد 1 - MTPE در زمان صرفه جویی شده است. یک مترجم کتابچه راهنمای کاربر 24000 کلمه ای را با ویرایش خروجی NMT و نه از ابتدا ترجمه کرد. این کار که تخمین زده می شد از ابتدا 8 روز طول بکشد، به لطف تعداد زیاد تکرار به 3.5 روز کاهش یافت. اما هر جمله هشدار امنیتی یکی یکی تجدید نظر شده است.

مورد 2 - اعتبارسنجی یک خطای معنایی پیدا کرد. یک کارشناس از هوش مصنوعی خواسته بود یک بند قرارداد را ترجمه کند. در حالی که منبع گفت: "فروشنده مسئولیتی ندارد"، خروجی گفت: "فروشنده مسئولیتی ندارد". منفی بودن کاهش پیدا کرده بود مقایسه با مرحله منبع از اشتباه خطرناکی جلوگیری کرد که مسئولیت را معکوس می کرد.

مورد 3 - بازگشت از نقض حریم خصوصی. یک مترجم جدید گزارش پزشکی یک بیمار را برای سرعت بخشیدن به یک سایت ترجمه عمومی چسباند. همکار ارشد او متوجه شد: این اطلاعات مربوط به سلامت شخصی بود و منتشر شد. این حادثه به عنوان نقض حریم خصوصی گزارش شد. کار فقط در وسیله نقلیه ایمن شرکتی دوباره انجام شد.

چهار قالب قابل کپی

1) ارزیابی شایستگی شغلی:

نقش شما: مدیر ارشد پروژه ترجمه. در ادامه کار را شرح خواهم داد. به من بگویید (1) آیا این کار پیش‌نویس/مدت است که می‌توان آن را به هوش مصنوعی تفویض کرد، یا کار مهمی است که به معنی، لحن و مسئولیت‌پذیری نیاز دارد، (2) هزینه بالقوه خروجی نادرست، (3) راستی‌آزمایی که باید قبل و بعد از تفویض اختیار انجام دهم. شغل: [کار را در اینجا وارد کنید]

2) درخواست ترجمه وفادار به منبع:

متن زیر را از [زبان منبع] به [زبان مقصد] ترجمه کنید. قانون: هیچ اطلاعاتی را اضافه یا حذف نکنید. شماره، تاریخ، نام خاص و نفی را به کلمه حفظ کنید. عبارتی را که از آن مطمئن نیستید در [پرانتز مربع] علامت بزنید. جمله ای که در منبع نیست درست نکنید. متن: [متن را اینجا بنویسید]

3) پیش‌بررسی حریم خصوصی:

متن زیر را قبل از پردازش ارزیابی کنید: آیا می‌تواند حاوی اطلاعات شخصی، اطلاعات تجاری محرمانه یا محتوای منتشر نشده باشد؟ اگر بله، کدام قسمت ها؟ اگر نباید در یک وسیله عمومی پردازش شود به من هشدار دهید. متن: [متن را در اینجا وارد کنید]

4) فیلتر تن و فرهنگ:

ترجمه زیر را از نظر طبیعی بودن، لحن و تناسب فرهنگی در زبان مقصد ارزیابی کنید. جملاتی را که شبیه ترجمه به نظر می رسند علامت گذاری کنید، سایه ای از زبان مبدأ را به همراه داشته باشد (بوی ترجمه را می دهد)، و جایگزین طبیعی تری را پیشنهاد دهید. تغییر معنی. ترجمه: [متن را در اینجا وارد کنید]

اعلان ضعیف / اعلان قوی

ضعیف: "این را به انگلیسی ترجمه کنید." (بدون لحن، بدون مخاطب، بدون اصطلاح، بدون زمینه؛ دستگاه یک ترجمه پیش‌فرض، با پیچ و تاب تولید می‌کند.)

قوی: "این ایمیل بازاریابی را از ترکی به انگلیسی ترجمه کنید. مخاطب: مشتریان شرکتی ایالات متحده. لحن: حرفه ای اما گرم. از این عبارات استفاده کنید: "اشتراک" → "اشتراک"، "آزمایش" → "آزمایش".

تفاوت: اعلان قوی جهت، مخاطب، لحن، اصطلاح و محدودیت می دهد. خروجی مستقیماً به پیش نویس قابل استفاده تقریب می کند.

جدول نقش ها و سطح ریسک

نوع کسب و کار

نقش هوش مصنوعی

ریسک

تایید انسانی

پیش نویس راهنمای فنی

ترجمه خام تولید می کند

متوسط

بررسی ترم + شماره

قرارداد / قانون

پیش نویس + پیشنهاد مدت

بسیار بالا

جمله به جمله، تایید کارشناسی

متن پزشکی

پیش نویس

بسیار بالا

دوز/منفی یک به یک

بازاریابی / شعار

چند برابر کننده ایده

بالا

خلاقیت، تایید فرهنگی

خلاصه مکاتبات داخلی

خلاصه / پیش نویس

پایین

بررسی سریع

اشتباهات رایج

• ارائه خروجی ماشین خام بدون تایید. رایج ترین و خطرناک ترین اشتباه؛ "صاف به نظر می رسد" به این معنی نیست که درست است.
• چسباندن سند محرمانه در ابزار عمومی نقض NDA و خطر قانونی
• درخواست ترجمه بدون ارائه متن. بدون جرم، تن و مدت، خروجی همیشه پیش فرض و سطحی خواهد بود.
• عدم بررسی شماره، تاریخ و منفی. این جایی است که موذیانه ترین خطاهای MT پنهان می شود.
• فدا کردن کیفیت فقط به این دلیل که "هوش مصنوعی سریع است". سرعت جایگزینی برای تایید نیست.

به طور خلاصه

هوش مصنوعی دستیار قدرتمندی است که کارهای پرحجم، تکراری و زبان فشرده در ترجمه و ترجمه را تا حد زیادی تسریع می کند. اما مسئولیت معنا، لحن، فرهنگ و ارائه بر عهده مترجم ذیصلاح است. سه چیز را از ابتدا درونی کنید: تأیید هر خروجی در برابر منبع، هرگز دادن متن مخفی به ابزار ناامن، و قرار دادن هوش مصنوعی به عنوان یک تولید کننده پیش نویس، نه یک تصمیم گیرنده. واحدهای بعدی بر اساس این رشته خواهد بود.

وظیفه کاربردی

متنی را که دارید (یا یک نمونه) انتخاب کنید و این سه مرحله را دنبال کنید: (1) سطح ریسک آن را با الگوی مناسب تجاری تعیین کنید. (2) یک پیش بررسی حریم خصوصی انجام دهید و تصمیم بگیرید که با کدام ابزار کار خواهید کرد. (3) یک پیش نویس با یک الگوی ترجمه وفادار دریافت کنید، سپس به صورت دستی تأیید سه مرحله ای (منبع-ترم-تن) را انجام دهید و هر گونه خطایی را که پیدا کردید یادداشت کنید.

چک لیست

• [ ] من سطح ریسک کار را تعیین کردم (کم/متوسط/بالا).
• [ ] بررسی کردم که آیا متن پنهان است و ابزار صحیح را انتخاب کردم.
• [ ] من حجم، لحن و زمینه اصطلاحی ترجمه را ارائه کردم.
• [ ] عدد، تاریخ، نام مناسب و نفی را با منبع مقایسه کردم.
• [ ] من مسئولیت تحویل نهایی را به خودم واگذار کردم، نه هوش مصنوعی.