مبانی ترجمه ماشینی: NMT، LLM، انتخاب موتور و پیش ارزیابی

سود:

• توانایی تشخیص نقاط قوت و ضعف ترجمه مبتنی بر NMT و LLM و انتخاب موتور مناسب با توجه به نوع تجارت
• امکان پیش طبقه بندی مناسب بودن یک متن برای دستگاه و پیش ارزیابی آن برای زمان و قیمت واقعی
• امکان اندازه گیری سریع کیفیت خروجی ماشین خام در پنج بعد و خطرات پرچم بدون اشتباه گرفتن صافی با دقت

قدرتمندترین شتاب دهنده ای که شما به عنوان مترجم دارید، ترجمه ماشینی (MT) است – اما استفاده از یک ابزار آگاهانه به معنای استفاده از آن در کار مناسب، در جفت زبان مناسب و با انتظارات درست است. در این واحد با دو خانواده اصلی MT (ترجمه مبتنی بر NMT و LLM) آشنا می‌شوید، یاد می‌گیرید که کدام یک برای کدام شغل بهتر است، چگونه کیفیت خروجی خام ترجمه را قبل از تحویل به سرعت اندازه‌گیری کنید و چگونه موتور را با توجه به کار انتخاب کنید. هدف دور شدن از ایده "همه یکسان، چسباندن-ترجمه" و تبدیل شدن به یک متخصص است که می تواند پیش بینی کند که کدام متن برای دستگاه مناسب است و به نیروی انسانی نیاز دارد.

دو خانواده: ترجمه مبتنی بر NMT و LLM

NMT (ترجمه ماشین عصبی) سیستم هایی هستند که از میلیون ها جمله دوزبانه یاد گرفته اند و جمله را به عنوان یک کل ترجمه می کنند. Google Translate، DeepL، Microsoft Translator نمونه هایی از این موارد هستند. نقاط قوت: بسیار سریع، ثابت، روان در جملات کوتاه. ضعف: اغلب زمینه را فراتر از مرز جمله (به معنای کل متن) نمی بیند. ممکن است تصمیم گیری در مورد اینکه آیا کلمه "بانک" به معنای ساحل یا ساحل رودخانه است با نگاه کردن به بند دشوار باشد و با فهرست اصطلاحات ارائه شده مطابقت ندارد.

ترجمه مبتنی بر LLM (Large Language Model) استفاده از مدل های دستورالعمل محور مانند ChatGPT، Claude، Gemini برای ترجمه است. قدرت: دستورالعمل ها را می گیرد - دستورالعمل هایی مانند "استفاده از لحن رسمی"، "این لیست از اصطلاحات را دنبال کنید"، "مخاطبان هدف کودکان هستند" را درک می کند. زمینه وسیع تری را می بیند. اصطلاح و لحن را بهتر به تصویر می کشد. ضعف: گاهی اوقات می تواند "بیش از حد خلاق" باشد و به منبع اضافه شود (خطر توهم)، انسجام در متون طولانی را از دست بدهد، و هزینه/سرعت بسته به شغل متفاوت است.

قانون سرانگشتی: در متون مستقیم، تکراری و فنی، NMT معمولاً سریع و کافی است. LLM با متونی که نیاز به نظم در لحن، زمینه، واژگان و آموزش دارند، انعطاف پذیرتر است. اکثر متخصصان امروزه از هر دو با هم استفاده می کنند: پیش نویس سریع از NMT، تصحیح لحن/ترم از LLM.

نکته: کیفیت ماشین یک جفت زبان (به عنوان مثال ترکی → انگلیسی) ممکن است با جهت مخالف (انگلیسی → ترکی) متفاوت باشد. زبان‌هایی با نحو چسباننده و انعطاف‌پذیر، مانند ترکی، معمولاً برای MT چالش‌برانگیزتر هستند. خودتان قضاوت کنید که کدام موتور در جفت خودتان با چند متن نمونه بهتر است.

سازگاری متن با ماشین: ابتدا این را بپرسید

هر متنی به یک اندازه برای دستگاه مناسب نیست. قبل از شروع ترجمه، متن را از فیلتر "مناسب بودن" عبور دهید:

• مناسب برای دستگاه: راهنمای فنی، توضیحات محصول، متن رابط تکراری، مکاتبات استاندارد، جدول/فهرست. زبان ساده است، اصطلاحات ثابت است، خلاقیت کمیاب است.
• رسانه مناسب: اخبار، محتوای شرکتی، مطالب آموزشی. این دستگاه خطوط کلی خوبی را تولید می کند، اما برای تن و جریان نیاز به ویرایش جدی پس از ویرایش دارد.
• نامناسب برای ماشین (خطر بالا): قرارداد قانونی، متن پزشکی، آگهی/شعار، متن ادبی، طنز، شعر. در اینجا ماشین فقط ایده می دهد. کار تا حد زیادی بر عهده مردم است.

اگر از ابتدا این تمایز را قائل شوید، هم زمان/قیمت مناسب را به مشتری می دهید و هم از اعتماد کورکورانه به خروجی خام محافظت می کنید.

کیفیت خروجی خام را به سرعت اندازه گیری کنید

هنگامی که یک خروجی MT را می بینید، تعجب می کنید که "خوب است یا بد؟" با چک لیست سریع به سوال پاسخ دهید نه با شهود. به این پنج بعد نگاه کنید: دقت (آیا معنی به منبع وفادار است؟)، کامل بودن (جمله حذف شده یا اضافه شده است؟)، اصطلاح (آیا صحیح و سازگار است؟)، روان (آیا در زبان مقصد طبیعی است؟)، قالب (آیا برچسب ها، اعداد، قالب بندی حفظ شده است؟). ما این ابعاد را در واحد کیفیت بعدی تعمیق خواهیم داد. در حال حاضر، بگذارید رفلکس قبل از زایمان شما باشد.

احتیاط: خطرناک ترین خطاهای خروجی MT خطاهای "روان اما نادرست" هستند. ممکن است این جمله به زبان ترکی کامل باشد، اما «۱۵ درصد تخفیف» در منبع ممکن است به «۵۰ درصد تخفیف» تغییر کرده باشد. با تسلط ناامید نشوید. همیشه عدد، منفی و اسم خاص را جداگانه نگاه کنید.

سه کیف کوچک

مورد 1 - موتور مناسب زمان را به نصف کاهش می دهد. یکی از مترجمان یک رابط نرم افزاری 12000 کلمه ای را با NMT و یک کتابچه بازاریابی با همان حجم را با LLM ترجمه کرد. ثبات NMT در رابط کار را سریعتر کرد. انعطاف پذیری لحن LLM در کتابچه بار بازنویسی را تا 40% کاهش داد. سپردن هر دو کار به یک موتور باعث اتلاف وقت می شود.

مورد 2 - پیش ارزیابی باعث صرفه جویی در قیمت شد. یک دفتر در شرف ارائه یک متن قانونی بود زیرا "می تواند توسط ماشین ساخته شود، ارزان خواهد بود". در پیش ارزیابی، یک نمونه 500 کلمه ای ترجمه شد. دستگاه دو عبارت قانونی را با معادل سیستم اشتباه برگرداند. دفتر کار را به‌عنوان «ویرایش سنگین پس از ویرایش» قیمت‌گذاری کرد و یک ضرب‌الاجل واقع بینانه تعیین کرد. او به دلیل پیشنهاد اشتباه از دست دادن پول خودداری کرد.

مورد 3 - تفاوت جفت زبان. گروهی فکر می کردند موتوری که به زبان انگلیسی → آلمانی عالی کار می کند در ترکی → عربی با همان کیفیت است. آزمون 300 کلمه ای نشان داد که خروجی عربی نیاز به تصحیح بسیار بیشتری دارد. تیم موتورهای مختلف و بودجه‌های مختلف پس از ویرایش را بسته به جفت زبان اختصاص داد.

چهار قالب قابل کپی

1) ارزیابی تناسب متن:

نقش شما: متخصص ارشد MTPE. متن زیر را از نظر مناسب بودن برای ترجمه ماشینی رتبه دهید: تحت اللفظی/فنی یا خلاقانه/متن؟ آن را به عنوان (1) بسیار ماشین پسند، (2) متوسط، (3) ریسک بالا طبقه بندی کنید و توجیه خود را بنویسید. بار مورد انتظار پس از ویرایش را به‌عنوان سبک/متوسط/سنگین تخمین بزنید. مثال متن: [جای‌گذاری 200-300 کلمه]

2) ترجمه دستوری LLM (با اصطلاحات و کنترل لحن):

ترجمه این متن [منبع] → [هدف]. مخاطب: [چه کسی]. لحن: [به عنوان مثال رسمی]. زمینه: [به عنوان مثال امور مالی]. فهرست اصطلاحات (حتماً استفاده کنید): [A→a، B→b]. قوانین: مواردی را که در منبع نیست اضافه نکنید، اعداد/تاریخ/نام ها را نگه دارید، هر جمله را با یک جمله جایگزین کنید. جایی که مطمئن نیستید با [؟] علامت بزنید. متن: [...]

3) مقایسه دو موتور:

در زیر دو ترجمه متفاوت از یک جمله منبع (A و B) آمده است. هر کدام را از نظر صحت، اصطلاح و طبیعی بودن مقایسه کنید و با توجیه به من بگویید کدام یک اصلاح کمتری دارد. منبع: [...] | ترجمه الف: [...] | ترجمه ب: [...]

4) بازرسی سریع خروجی خام:

منبع و ترجمه ماشینی در زیر آمده است. فقط موارد زیر را علامت بزنید: (1) اطلاعات حذف شده/اضافه شده، (2) عدد/تاریخ/نام نادرست، (3) خطای نفی، (4) عبارت ناسازگار. هیچ اصلاحی ننویسید، فقط مناطق پرخطر را فهرست کنید. منبع: [...] | ترجمه: [...]

اعلان ضعیف / اعلان قوی

ضعیف: "این متن را ترجمه کنید خوب می شود." (برای موتور، "خوب" تعریف نشده است؛ بدون لحن، بدون اصطلاح، بدون جرم.)

Güçlü: "این توضیحات محصول را از انگلیسی به ترکی ترجمه کنید. منطقه: تجارت الکترونیک. مخاطب: مصرف کننده جوان. لحن: دوستانه اما اطمینان بخش. "تسویه حساب" → "مرحله تسویه حساب"، "لیست آرزوها" → "لیست آرزوها". اعداد و نام تجاری را تغییر دهید. ترکی روان بدون بوی ترجمه."

تفاوت: اعلان قوی به موتور یک هدف قابل اندازه گیری می دهد. خروجی مستقیماً به پیش نویس پس از ویرایش تقریب می کند.

نمودار مقایسه NMT در مقابل LLM

اندازه

NMT (Google، DeepL)

LLM (ChatGPT، کلود)

سرعت

بسیار سریع

متوسط

دریافت دستورالعمل/لحن

ضعیف

قوی

لیست اصطلاحات را رعایت کنید

محدود است

خوب (با اعلان)

زمینه وسیع

ضعیف

خوب

خطر توهم

پایین

متوسط (کنترل لازم است)

مناسب ترین شغل

مستقیم / فنی / تکراری

لحن/زمینه/خلاقانه

اشتباهات رایج

• استفاده از یک موتور برای هر کار. عدم انتخاب موتور با توجه به نوع کار باعث اتلاف زمان و کیفیت می شود.
• دادن قیمت/زمان بدون پیش ارزیابی. یک تست 200-300 کلمه ای شگفتی ها را از ابتدا نشان می دهد.
• اشتباه گرفتن تسلط با دقت جمله زیبا به معنای جمله صحیح نیست.
• نادیده گرفتن جفت زبان و تفاوت جهت. یک موتور خوب در یک جفت ممکن است در جفت دیگر ضعیف باشد.
• توجه نکردن به اضافات LLM. LLM گاهی اوقات جملاتی را اضافه می کند که در منبع "برای کمک" نیستند. این را بررسی کنید

پنجره زمینه و سازگاری

هنگام ترجمه متن طولانی با LLM، لازم است یک محدودیت فنی بدانید: پنجره زمینه - مقدار متنی که مدل می تواند در یک زمان "دیده" و در ذهن نگه دارد. اگر متن بزرگ‌تر از این پنجره باشد، باید آن را به تکه‌هایی تقسیم کنید و مدل ممکن است در قسمت بعدی عبارت تصمیم یا لحنی را که در قسمت‌های قبلی گرفته‌اید فراموش کند. بنابراین، به جای ترجمه یک کتاب یا سند طولانی در یک تکه، یادآوری هر قطعه از خلاصه اصطلاح و سبک، سازگاری را حفظ می کند. این مشکل در متن های کوتاه رخ نمی دهد. با این حال، در آثار طولانی مانند رمان ها و کتابچه های راهنما، لازم است تداوم در قسمت ها نیز بررسی شود. راه حل عملی: برای تهیه یک «حافظه پروژه» (اصطلاحات + کاراکترها + تصمیمات لحن) و اضافه کردن آن به ابتدای هر قطعه و اسکن برای هماهنگی بین قطعات در پایان ترجمه. در NMT، این مشکل به روش دیگری تجربه می شود: از آنجایی که NMT جمله به جمله ترجمه می کند، سازگاری طول پاراگراف در حال حاضر ضعیف است، بنابراین termbase اصطلاح نظم و انضباط را بر عهده می گیرد.

به طور خلاصه

دو خانواده از ترجمه ماشینی وجود دارد: NMT، که سریع و سازگار است، و LLM، که آموزش می‌گیرد و متن و لحن را بهتر می‌بیند. مترجم اصلی از قبل مناسب بودن متن را برای دستگاه درجه بندی می کند، موتور را با توجه به کار انتخاب می کند، به سرعت کیفیت خروجی خام را قبل از تحویل اندازه گیری می کند و هرگز روان بودن را با دقت اشتباه نمی گیرد. این رفلکس پیش ارزیابی به شما این امکان را می دهد که هم زمان/قیمت واقع بینانه بدهید و هم از اعتماد کورکورانه محافظت کنید.

وظیفه کاربردی

همان متن 200 کلمه ای را با ابزار NMT و LLM ترجمه کنید. دو خروجی را در پنج بعد (دقت، کامل بودن، اصطلاحات، روانی، قالب) مقایسه کنید و دلایلی بنویسید که برای این متن نیاز به ویرایش کمتری دارد. سپس با الگوی "بررسی سریع خروجی خام" خطرات احتمالی/احتمالی را در هر دو علامت گذاری کنید.

چک لیست

• [ ] من مناسب بودن متن را برای دستگاه طبقه بندی کردم (خطر کم/متوسط/بالا).
• [ ] بسته به نوع شغل، تصمیم گرفتم از NMT یا LLM استفاده کنم.
• [ ] من یک ارزیابی اولیه با یک نمونه کوچک انجام دادم و بر این اساس مدت زمان/قیمت را تعیین کردم.
• [ ] من به سرعت خروجی خام را در پنج بعد بازرسی کردم.
• [ ] من شماره، تاریخ، نام و نگاتیو را جداگانه بررسی کردم بدون اینکه فریب تسلط را بخورم.