zisky:
- Schopnosť rozlíšiť silné a slabé stránky prekladu založeného na NMT a LLM a vybrať ten správny motor podľa typu podnikania
- Schopnosť vopred klasifikovať vhodnosť textu pre stroj a vopred ho vyhodnotiť na realistický čas a cenu
- Schopnosť rýchlo merať kvalitu surového výstupu stroja v piatich rozmeroch a označovať riziká bez zamieňania plynulosti s presnosťou
Najvýkonnejším urýchľovačom, ktorý ako prekladateľ máte, je strojový preklad (MT) – ale používať nástroj vedome znamená použiť ho na správnu prácu, v správnom jazykovom páre a so správnymi očakávaniami. V tejto lekcii sa zoznámite s dvoma hlavnými rodinami MT (preklad založený na NMT a LLM), naučíte sa, ktorá z nich je lepšia pre ktorú prácu, ako rýchlo zmerať surovú výstupnú kvalitu prekladu pred dodaním a ako si vybrať motor podľa úlohy. Cieľom je vzdialiť sa od myšlienky „všetko rovnaké, vložiť-preložiť“ a stať sa odborníkom, ktorý dokáže predvídať, ktorý text je vhodný pre stroj a ktorý si vyžaduje ľudskú prácu.
Dve skupiny: preklad založený na NMT a LLM
NMT (Neural Machine Translation) sú systémy, ktoré sa naučili z miliónov dvojjazyčných viet a prekladajú vetu ako celok; Príkladmi sú Google Translate, DeepL, Microsoft Translator. Silné stránky: veľmi rýchly, dôsledný, plynulý v krátkych vetách. Slabosť: často nevidí kontext za hranicou vety (rozumej z celého textu); Pri pohľade na odsek môže byť ťažké rozhodnúť, či slovo „breh“ znamená breh alebo breh rieky a nezodpovedá uvedenému zoznamu výrazov.
Preklad založený na LLM (Large Language Model) je použitie modelov riadených inštrukciami, ako sú ChatGPT, Claude, Gemini na preklad. Sila: prijíma pokyny – rozumie pokynom ako „používaj formálny tón“, „postupuj podľa tohto zoznamu výrazov“, „cieľovým publikom sú deti“; vidí širší kontext; lepšie zachytáva idióm a tón. Slabosť: môže byť niekedy „príliš kreatívny“ a pridať k zdroju (riziko halucinácií), stráca súdržnosť v dlhých textoch a náklady/rýchlosť sa líšia v závislosti od práce.
Základné pravidlo: v priamych, opakujúcich sa technických textoch je NMT zvyčajne rýchle a primerané; LLM je flexibilnejší s textami, ktoré vyžadujú disciplínu v tóne, kontexte, slovnej zásobe a výučbe. Väčšina profesionálov dnes používa oboje súčasne: rýchly návrh z NMT, korekciu tónu/termínu z LLM.
Tip: Strojová kvalita jazykového páru (napr. turečtina→angličtina) sa môže líšiť od opačného smeru (angličtina→turečtina). Jazyky s aglutinatívnou, flexibilnou syntaxou, ako je turečtina, sú vo všeobecnosti pre MT náročnejšie. Posúďte sami, ktorý engine je lepší vo vlastnej dvojici pomocou niekoľkých ukážkových textov.
Strojová kompatibilita textu: opýtajte sa najskôr na túto otázku
Nie každý text je rovnako vhodný pre stroj. Pred začatím prekladu prejdite text cez filter „vhodnosti“:
- Dobre sa hodí k stroju: technická príručka, popis produktu, opakujúci sa text rozhrania, štandardná korešpondencia, tabuľka/zoznam. Jazyk je jasný, terminológia ustálená, kreativita je vzácna.
- Stredne vhodné: správy, firemný obsah, vzdelávací materiál. Stroj vytvára dobré obrysy, ale vyžaduje serióznu následnú úpravu tónu a toku.
- Nevhodné pre stroj (vysoké riziko): právna zmluva, lekársky text, reklama/slogan, literárny text, humor, poézia. Tu stroj dáva iba nápady; Práca patrí do značnej miery ľuďom.
Ak toto rozlišujete od začiatku, jednak poskytnete zákazníkovi správny čas/cenu a jednak sa ochránite pred slepou dôverou v surový výstup.
Rýchlo zmerajte kvalitu surového výstupu
Keď vidíte výstup MT, pýtate sa "je to dobré alebo zlé?" Odpovedzte na otázku rýchlym kontrolným zoznamom, nie intuíciou. Pozrite sa na týchto päť dimenzií: presnosť (je význam verný zdroju?), úplnosť (je veta vynechaná alebo pridaná?), terminológia (je správna a konzistentná?), plynulosť (je v cieľovom jazyku prirodzená?), formát (sú zachované značky, čísla, formátovanie?). Tieto rozmery prehĺbime v ďalšom kvalitatívnom celku; Zatiaľ nech je to tvoj reflex pred pôrodom.
Pozor: Najnebezpečnejšie chyby výstupu MT sú „plynulé, ale nesprávne“. Veta môže byť v perfektnej turečtine, ale „15 % zľava“ v zdroji mohla byť zmenená na „50 % zľava“. Nenechajte sa odradiť plynulosťou; Vždy sa pozrite na číslo, zápor a vlastné podstatné meno oddelene.
tri mini prípady
Prípad 1 – Pravý motor skrátil čas na polovicu. Jeden prekladateľ sa rozhodol preložiť softvérové rozhranie s 12 000 slovami pomocou NMT a marketingovú brožúru rovnakého objemu pomocou LLM. Dôslednosť NMT na rozhraní urýchlila prácu; Tónová flexibilita LLM v brožúre znížila záťaž pri prepisovaní o 40 %. Dať obe úlohy rovnakému motoru by stratilo čas.
Prípad 2 – Predbežné posúdenie zachránilo cenu. Kancelária sa chystala ponúknuť právny text, pretože „môže byť vyrobený strojmi, bude to lacné“. V predbežnom hodnotení bola preložená 500-slovná ukážka; Zariadenie vrátilo dva právne výrazy s ekvivalentom nesprávneho systému. Kancelária ocenila prácu ako „náročnú post-editáciu“ a stanovila reálny termín; Vyhol sa strate peňazí kvôli nesprávnej ponuke.
Prípad 3 – Rozdiel v pároch jazykov. Jeden tím si myslel, že motor, ktorý skvele funguje v angličtine → nemčine, má rovnakú kvalitu aj v turečtine → arabčine. Test s 300 slovami ukázal, že arabský výstup si vyžadoval oveľa viac korekcií. Tím pridelil rôzne nástroje a rôzne rozpočty po úpravách v závislosti od jazykového páru.
Štyri kopírovateľné šablóny
1) Hodnotenie vhodnosti textu:
Vaša úloha: senior špecialista na MTPE. Ohodnoťte nasledujúci text z hľadiska vhodnosti pre strojový preklad: doslovný/technický alebo kreatívny/kontextový? Klasifikujte ho ako (1) veľmi strojový, (2) stredný, (3) vysoko rizikový a napíšte svoje odôvodnenie. Odhadnite očakávanú záťaž po úprave ako nízku/strednú/ťažkú. Príklad textu: [prilepte 200 – 300 slov]
2) Inštruovaný preklad LLM (s terminológiou a ovládaním tónu):
Preložiť tento text [zdroj]→[cieľ]. Publikum: [kto]. Tón: [napr. úradník]. Pole: [napr. financie].Zoznam pojmov (nezabudnite použiť): [A→a, B→b].Pravidlá: nedopĺňajte to, čo nie je v zdroji, ponechajte čísla/dátumy/mená, každú vetu nahraďte vetou. Označte, kde si nie ste istí, pomocou [?]. Text: [...]
3) Porovnanie dvoch motorov:
Nižšie sú uvedené dva rôzne preklady tej istej zdrojovej vety (A a B). Porovnajte každý z nich z hľadiska správnosti, terminológie a prirodzenosti a povedzte mi, ktorý z nich bude vyžadovať menšie opravy, s odôvodnením. Zdroj: [...] | Preklad A: [...] | Preklad B: [...]
4) Rýchla kontrola surového výstupu:
Nižšie je uvedený zdroj a strojový preklad. Stačí označiť nasledovné: (1) vynechané/pridané informácie, (2) nesprávne číslo/dátum/meno, (3) chyba negácie, (4) nekonzistentný výraz. Nepíšte žiadne opravy, len uveďte rizikové oblasti.Zdroj: [...] | Preklad: [...]
Slabá výzva / Silná výzva
Slabý: "Prelož tento text a bude to dobré." (Pre motor nie je „dobrý“ definovaný; žiadny tón, žiadny výraz, žiadna hmotnosť.)
Güçlü: "Preložte tento popis produktu z angličtiny do turečtiny. Oblasť: elektronický obchod. Publikum: mladý spotrebiteľ. Tón: priateľský, ale upokojujúci. 'pokladňa' → 'krok pri pokladni', 'zoznam prianí' → 'zoznam želaní'. Zmeňte čísla a názov značky. Plynule turečtina bez akéhokoľvek zápachu prekladu."
Rozdiel: silná výzva dáva motoru merateľný cieľ; výstup sa priamo približuje k post-editovanému konceptu.
Porovnávacia tabuľka NMT vs LLM
Veľkosť
NMT (Google, DeepL)
LLM (ChatGPT, Claude)
rýchlosť
veľmi rýchlo
stredná
Prijať pokyn/tón
slabý
silný
Dodržujte zoznam termínov
obmedzené
Dobré (s výzvou)
Široký kontext
slabý
dobre
Riziko halucinácií
nízka
Stredné (vyžaduje sa kontrola)
najvhodnejšie zamestnanie
Rovné/technické/opakujúce sa
Tón/kontext/kreatíva
Časté chyby
- Použitie rovnakého motora pre každú prácu. Nevyberanie motora podľa druhu práce spôsobuje stratu času a kvality.
- Uvedenie ceny/času bez predbežného hodnotenia. 200-300 slovný test odhalí prekvapenia už od začiatku.
- Zámena plynulosti za presnosť. Krásna veta neznamená správna veta.
- Ignorovanie jazykového páru a rozdielu smeru. Dobrý motor v jednom páre môže byť slabý v druhom.
- Nevšímajúc si dodatky LLM. LLM niekedy pridáva vety, ktoré nie sú v zdroji „na pomoc“; skontrolujte toto.
Kontextové okno a konzistencia
Pri preklade dlhého textu pomocou LLM je potrebné poznať jeden technický limit: kontextové okno — množstvo textu, ktoré model môže „vidieť“ a udržať si ho v pamäti naraz. Ak je text väčší ako toto okno, budete ho musieť rozdeliť na časti a model môže v ďalšom kúsku „zabudnúť“ na výraz rozhodnutie alebo tón, ktorý ste urobili v predchádzajúcich kúskoch. Takže namiesto prekladania dlhej knihy alebo dokumentu v jednom kuse, pripomínanie každého kusu terminológie a zhrnutia štýlu zachováva konzistenciu. Tento problém sa nevyskytuje v krátkych textoch; Pri dlhých dielach, ako sú romány a príručky, je však potrebné dodatočne kontrolovať konzistenciu v pasážach. Praktické riešenie: pripraviť "projektovú pamäť" (pojmy + znaky + tónové rozhodnutia) a pridať ju na začiatok každého dielu a na konci prekladu naskenovať konzistenciu medzi jednotlivými dielmi. V NMT sa tento problém prejavuje iným spôsobom: Keďže NMT prekladá vetu po vete, konzistencia dĺžky odseku je už slabá, takže terminologická základňa preberá termín disciplína.
V súhrne
Existujú dve rodiny strojového prekladu: NMT, ktorý je rýchly a konzistentný, a LLM, ktorý prijíma inštrukcie a lepšie vidí kontext a tón. Majster prekladateľ vopred vyhodnotí vhodnosť textu pre stroj, vyberie motor podľa úlohy, rýchlo zmeria kvalitu surového výstupu pred dodaním a nikdy si nezamieňa plynulosť s presnosťou. Tento reflex predbežného hodnotenia vám umožňuje poskytnúť realistický čas/cenu a zároveň sa chrániť pred slepou dôverou.
Aplikačná úloha
Preložte rovnaký 200-slovný text pomocou nástroja NMT a LLM. Porovnajte dva výstupy v piatich dimenziách (presnosť, úplnosť, terminológia, plynulosť, formát) a napíšte dôvody, pre ktoré je potrebné menej dodatočných úprav tohto textu. Potom označte problémové/nepredvídané/termínové riziká na oboch pomocou šablóny „rýchla kontrola surového výstupu“.
kontrolný zoznam
- [ ] Klasifikoval som vhodnosť textu pre stroj (nízke/stredné/vysoké riziko).
- [ ] Podľa typu práce som sa rozhodol, či využijem NMT alebo LLM.
- [ ] Urobil som predbežné hodnotenie s malou vzorkou a podľa toho som určil trvanie/cenu.
- [ ] Rýchlo som si prezrel surový výstup v piatich rozmeroch.
- [ ] Číslo, dátum, meno a zápory som skontroloval samostatne bez toho, aby som sa nechal oklamať plynulosťou.