இயந்திர மொழிபெயர்ப்பு அடிப்படைகள்: என்எம்டி, எல்எல்எம், எஞ்சின் தேர்வு மற்றும் முன் மதிப்பீடு

ஆதாயங்கள்:

• NMT மற்றும் LLM அடிப்படையிலான மொழிபெயர்ப்பின் பலம் மற்றும் பலவீனங்களை வேறுபடுத்தி, வணிக வகைக்கு ஏற்ப சரியான இயந்திரத்தைத் தேர்ந்தெடுக்கும் திறன்
• இயந்திரத்திற்கான உரையின் பொருத்தத்தை முன்கூட்டியே வகைப்படுத்தும் திறன் மற்றும் அதை யதார்த்தமான நேரம் மற்றும் விலைக்கு முன்கூட்டியே மதிப்பீடு செய்யும் திறன்
• கச்சா இயந்திர வெளியீட்டின் தரத்தை ஐந்து பரிமாணங்களில் விரைவாக அளவிடும் திறன் மற்றும் மென்மையை துல்லியத்துடன் குழப்பாமல் அபாயங்களைக் குறிக்கும்

மொழிபெயர்ப்பாளராக உங்களிடம் உள்ள மிகவும் சக்திவாய்ந்த முடுக்கி இயந்திர மொழிபெயர்ப்பு (MT) ஆகும் - ஆனால் ஒரு கருவியை உணர்வுபூர்வமாகப் பயன்படுத்துவது என்பது சரியான வேலை, சரியான மொழி ஜோடி மற்றும் சரியான எதிர்பார்ப்புகளுடன் அதைப் பயன்படுத்துவதாகும். இந்த யூனிட்டில், MT (NMT மற்றும் LLM-அடிப்படையிலான மொழிபெயர்ப்பு) இரண்டு பெரிய குடும்பங்களைப் பற்றி நீங்கள் அறிந்து கொள்வீர்கள், எந்த வேலைக்கு எது சிறந்தது, டெலிவரிக்கு முன் மொழிபெயர்ப்பின் மூல வெளியீட்டின் தரத்தை விரைவாக அளவிடுவது மற்றும் வேலைக்கு ஏற்ப எஞ்சினை எவ்வாறு தேர்வு செய்வது என்பதை அறிந்து கொள்வீர்கள். "அனைத்தும் ஒரே மாதிரி, ஒட்டு-மொழிபெயர்ப்பு" என்ற எண்ணத்திலிருந்து விலகி, இயந்திரத்திற்கு எந்த உரை பொருத்தமானது மற்றும் மனித உழைப்பு தேவை என்பதை முன்கூட்டியே அறியும் நிபுணராக மாறுவதே இதன் நோக்கம்.

இரண்டு குடும்பங்கள்: என்எம்டி மற்றும் எல்எல்எம் அடிப்படையிலான மொழிபெயர்ப்பு

NMT (நியூரல் மெஷின் டிரான்ஸ்லேஷன்) என்பது மில்லியன் கணக்கான இருமொழி வாக்கியங்களிலிருந்து கற்றுக்கொண்டு, வாக்கியத்தை முழுவதுமாக மொழிபெயர்க்கும் அமைப்புகள்; கூகுள் ட்ரான்ஸ்லேட், டீப்எல், மைக்ரோசாஃப்ட் ட்ரான்ஸ்லேட்டர் போன்றவை இதற்கு உதாரணம். பலம்: மிக வேகமாக, சீரான, குறுகிய வாக்கியங்களில் சரளமாக. பலவீனம்: பெரும்பாலும் வாக்கிய எல்லைக்கு அப்பாற்பட்ட சூழலைக் காணவில்லை (முழு உரையிலிருந்தும் பொருள்); "கரை" என்ற வார்த்தையின் அர்த்தம் கரையா அல்லது ஆற்றங்கரை என்பதை பத்தியைப் பார்த்து முடிவு செய்வது கடினமாக இருக்கலாம் மற்றும் அது வழங்கப்பட்ட விதிமுறைகளின் பட்டியலுக்கு பொருந்தாது.

LLM-அடிப்படையிலான மொழிபெயர்ப்பு (பெரிய மொழி மாதிரி) என்பது மொழிபெயர்ப்பிற்காக ChatGPT, Claude, Gemini போன்ற அறிவுறுத்தல் சார்ந்த மாதிரிகளைப் பயன்படுத்துவதாகும். வலிமை: வழிமுறைகளை எடுக்கிறது - "முறையான தொனியைப் பயன்படுத்துங்கள்," "இந்த விதிமுறைகளின் பட்டியலைப் பின்பற்றுங்கள்," "இலக்கு பார்வையாளர்கள் குழந்தைகள்" போன்ற வழிமுறைகளைப் புரிந்துகொள்கிறார்கள்; பரந்த சூழலைப் பார்க்கிறது; மொழி மற்றும் தொனியை சிறப்பாகப் பிடிக்கிறது. பலவீனம்: சில சமயங்களில் "மிகவும் ஆக்கப்பூர்வமானதாக" இருக்கலாம் மற்றும் மூலத்தில் சேர்க்கலாம் (மாயத்தோற்றங்கள் ஏற்படும் அபாயம்), நீண்ட உரைகளில் ஒத்திசைவை இழக்கும், மேலும் வேலையைப் பொறுத்து செலவுகள்/வேகம் மாறுபடும்.

கட்டைவிரல் விதி: நேராக, மீண்டும் மீண்டும் வரும், தொழில்நுட்ப நூல்களில் NMT பொதுவாக வேகமாகவும் போதுமானதாகவும் இருக்கும்; தொனி, சூழல், சொற்களஞ்சியம் மற்றும் அறிவுறுத்தல் ஆகியவற்றில் ஒழுக்கம் தேவைப்படும் உரைகளுடன் LLM மிகவும் நெகிழ்வானது. இன்று பெரும்பாலான வல்லுநர்கள் இரண்டையும் ஒன்றாகப் பயன்படுத்துகின்றனர்: NMT இலிருந்து விரைவான வரைவு, LLM இலிருந்து தொனி/கால திருத்தம்.

உதவிக்குறிப்பு: மொழி ஜோடியின் இயந்திரத் தரம் (எ.கா. துருக்கியம்→ஆங்கிலம்) எதிர் திசையிலிருந்து (ஆங்கிலம்→டர்கிஷ்) வேறுபடலாம். டர்கிஷ் போன்ற ஒருங்கிணைக்கும், நெகிழ்வான தொடரியல் கொண்ட மொழிகள் பொதுவாக எம்டிக்கு மிகவும் சவாலானவை. சில மாதிரி உரைகளுடன் உங்கள் சொந்த ஜோடியில் எந்த இயந்திரம் சிறந்தது என்பதை நீங்களே தீர்மானிக்கவும்.

உரையின் இயந்திர இணக்கத்தன்மை: இதை முதலில் கேளுங்கள்

ஒவ்வொரு உரையும் இயந்திரத்திற்கு சமமாக பொருந்தாது. மொழிபெயர்ப்பைத் தொடங்குவதற்கு முன், உரையை "பொருத்தம்" வடிகட்டி மூலம் அனுப்பவும்:

• இயந்திரத்திற்கு மிகவும் பொருத்தமானது: தொழில்நுட்ப கையேடு, தயாரிப்பு விளக்கம், மீண்டும் மீண்டும் இடைமுக உரை, நிலையான கடிதம், அட்டவணை/பட்டியல். மொழி எளிமையானது, சொற்களஞ்சியம் நிலையானது, படைப்பாற்றல் குறைவு.
• ஊடகம் பொருத்தமானது: செய்தி, பெருநிறுவன உள்ளடக்கம், கல்விப் பொருள். இயந்திரம் நல்ல வெளிப்புறங்களை உருவாக்குகிறது ஆனால் தொனி மற்றும் ஓட்டத்திற்கு தீவிரமான பிந்தைய எடிட்டிங் தேவைப்படுகிறது.
• இயந்திரத்திற்கு ஏற்றது அல்ல (அதிக ஆபத்து): சட்ட ஒப்பந்தம், மருத்துவ உரை, விளம்பரம்/முழக்கம், இலக்கிய உரை, நகைச்சுவை, கவிதை. இங்கே இயந்திரம் யோசனைகளை மட்டுமே தருகிறது; வேலை பெரும்பாலும் மக்கள் மீது விழுகிறது.

ஆரம்பத்தில் இருந்தே இந்த வேறுபாட்டை நீங்கள் செய்தால், நீங்கள் இருவரும் வாடிக்கையாளருக்கு சரியான நேரத்தை/விலையை வழங்குவீர்கள் மற்றும் மூல வெளியீட்டை கண்மூடித்தனமாக நம்புவதிலிருந்து உங்களைப் பாதுகாத்துக் கொள்வீர்கள்.

மூல வெளியீட்டின் தரத்தை விரைவாக அளவிடவும்

MT வெளியீட்டைப் பார்க்கும்போது "இது நல்லதா கெட்டதா?" கேள்விக்கு விரைவான சரிபார்ப்புப் பட்டியலைக் கொண்டு பதிலளிக்கவும், உள்ளுணர்வு அல்ல. இந்த ஐந்து பரிமாணங்களைப் பாருங்கள்: துல்லியம் (மூலத்திற்கு உண்மையுள்ளதா?), முழுமை (வாக்கியம் தவிர்க்கப்பட்டதா அல்லது சேர்க்கப்பட்டுள்ளதா?), சொற்களஞ்சியம் (இது சரியானதா மற்றும் சீரானதா?), சரளமாக (இலக்கு மொழியில் இது இயல்பானதா?), வடிவம் (குறிச்சொற்கள், எண்கள், வடிவமைப்பு பாதுகாக்கப்படுகிறதா?). அடுத்த தர அலகில் இந்த பரிமாணங்களை ஆழப்படுத்துவோம்; இப்போதைக்கு, இது உங்கள் டெலிவரிக்கு முந்தைய ரிஃப்ளெக்ஸாக இருக்கட்டும்.

எச்சரிக்கை: MT வெளியீட்டின் மிகவும் ஆபத்தான பிழைகள் "சரளமாக ஆனால் தவறானவை" ஆகும். வாக்கியம் சரியான துருக்கியில் இருக்கலாம், ஆனால் மூலத்தில் உள்ள "15% தள்ளுபடி" "50% தள்ளுபடி" என மாற்றப்பட்டிருக்கலாம். சரளமாக பேசுவதை விட்டுவிடாதீர்கள்; எண், எதிர்மறை மற்றும் சரியான பெயர்ச்சொல் ஆகியவற்றை எப்போதும் தனித்தனியாகப் பார்க்கவும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - சரியான இயந்திரம் நேரத்தை பாதியாக குறைக்கிறது. ஒரு மொழிபெயர்ப்பாளர் NMT உடன் 12,000-சொல் மென்பொருள் இடைமுகத்தையும் LLM உடன் அதே தொகுதியின் சந்தைப்படுத்தல் கையேட்டையும் மொழிபெயர்க்கத் தேர்ந்தெடுத்தார். இடைமுகத்தில் என்எம்டியின் நிலைத்தன்மை வேலையை வேகமாக்கியது; கையேட்டில் உள்ள LLM இன் டோனல் நெகிழ்வுத்தன்மை, மீண்டும் எழுதும் சுமையை 40% குறைத்தது. இரண்டு வேலைகளையும் ஒரே இன்ஜினுக்கு கொடுப்பது நேரத்தை வீணடிக்கும்.

வழக்கு 2 - முன் மதிப்பீடு விலையைச் சேமிக்கிறது. ஒரு அலுவலகம் சட்டப்பூர்வ உரையை வழங்கவிருந்தது, ஏனெனில் "இதை இயந்திரங்கள் மூலம் தயாரிக்கலாம், அது மலிவாக இருக்கும்". முன் மதிப்பீட்டில், 500-சொல் மாதிரி மொழிபெயர்க்கப்பட்டது; இயந்திரம் இரண்டு சட்ட விதிமுறைகளை தவறான அமைப்பிற்குச் சமமானதாகக் கொடுத்தது. அலுவலகம் வேலையை "கனமான பிந்தைய எடிட்டிங்" என்று விலை நிர்ணயம் செய்து ஒரு யதார்த்தமான காலக்கெடுவை வழங்கியது; தவறான சலுகையால் பணத்தை இழப்பதை தவிர்த்தார்.

வழக்கு 3 - மொழி ஜோடி வேறுபாடு. ஆங்கிலம்→ஜெர்மன் மொழியில் சிறப்பாகச் செயல்படும் ஒரு இயந்திரம் துருக்கிய→அரபு மொழியில் அதே தரத்தில் இருப்பதாக ஒரு குழு நினைத்தது. 300-வார்த்தை சோதனையானது, அரபு வெளியீட்டிற்கு அதிக திருத்தம் தேவை என்பதைக் காட்டுகிறது. மொழி ஜோடியைப் பொறுத்து குழு வெவ்வேறு இயந்திரங்கள் மற்றும் வெவ்வேறு எடிட்டிங் பட்ஜெட்டுகளை ஒதுக்கியது.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) உரை பொருத்தம் மதிப்பீடு:

உங்கள் பங்கு: மூத்த MTPE நிபுணர். இயந்திர மொழிபெயர்ப்பிற்கு ஏற்றவாறு பின்வரும் உரையை மதிப்பிடவும்: எழுத்துமுறை/தொழில்நுட்பம் அல்லது படைப்பு/சூழல் சார்ந்ததா? (1) மிகவும் இயந்திர நட்பு, (2) நடுத்தர, (3) அதிக ஆபத்து என வகைப்படுத்தி உங்கள் நியாயத்தை எழுதுங்கள். எதிர்பார்க்கப்படும் எடிட்டிங் சுமையை ஒளி/நடுத்தரம்/கனமாக மதிப்பிடவும்.உரை உதாரணம்: [200-300 வார்த்தைகளை ஒட்டவும்]

2) அறிவுறுத்தப்பட்ட LLM மொழிபெயர்ப்பு (சொற்கள் மற்றும் தொனி கட்டுப்பாட்டுடன்):

இந்த உரையை மொழிபெயர்க்கவும் [ஆதாரம்]→[இலக்கு]. பார்வையாளர்கள்: [யார்]. தொனி: [எ.கா. அதிகாரி]. புலம்: [எ.கா. நிதி]. விதிமுறைகளின் பட்டியல் (பயன்படுத்துவதை உறுதிப்படுத்தவும்): [A→a, B→b]. விதிகள்: மூலத்தில் இல்லாததைச் சேர்க்க வேண்டாம், எண்கள்/தேதிகள்/பெயர்களை வைத்திருங்கள், ஒவ்வொரு வாக்கியத்தையும் ஒரு வாக்கியத்துடன் மாற்றவும். உங்களுக்கு உறுதியாகத் தெரியாத இடங்களைக் குறிக்கவும் [?]. உரை: [...]

3) இரண்டு எஞ்சின் ஒப்பீடு:

ஒரே மூல வாக்கியத்தின் (A மற்றும் B) இரண்டு வெவ்வேறு மொழிபெயர்ப்புகள் கீழே உள்ளன. ஒவ்வொன்றையும் சரியான தன்மை, சொற்களஞ்சியம் மற்றும் இயல்பான தன்மை ஆகியவற்றின் அடிப்படையில் ஒப்பிட்டு, நியாயப்படுத்துதலுடன் எது குறைவான திருத்தம் தேவைப்படும் என்று சொல்லுங்கள். ஆதாரம்: [...] | மொழிபெயர்ப்பு A: [...] | மொழிபெயர்ப்பு பி: [...]

4) மூல வெளியீடு விரைவான ஆய்வு:

கீழே மூல மற்றும் இயந்திர மொழிபெயர்ப்பு உள்ளது. பின்வருவனவற்றை மட்டும் குறிக்கவும்:(1) தவிர்க்கப்பட்ட/சேர்க்கப்பட்ட தகவல், (2) தவறான எண்/தேதி/பெயர், (3) மறுப்பு பிழை, (4) சீரற்ற சொல். திருத்தங்கள் எதுவும் எழுத வேண்டாம், அபாயகரமான பகுதிகளை பட்டியலிடுங்கள்.ஆதாரம்: [...] | மொழிபெயர்ப்பு: [...]

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனம்: "இந்த உரையை மொழிபெயர்க்கவும், அது நன்றாக இருக்கும்." (இயந்திரத்தைப் பொறுத்தவரை, "நல்லது" என்பது வரையறுக்கப்படவில்லை; தொனி இல்லை, சொல் இல்லை, நிறை இல்லை.)

Güçlü: "இந்த தயாரிப்பு விளக்கத்தை ஆங்கிலத்திலிருந்து துருக்கிக்கு மொழிபெயர்க்கவும். பகுதி: இ-காமர்ஸ். பார்வையாளர்கள்: இளம் நுகர்வோர். தொனி: நட்பு ஆனால் உறுதியளிக்கும். 'checkout' → 'checkout step', 'wishlist' → 'wish list'. எண்கள் மற்றும் பிராண்ட் பெயரை மாற்றவும். சரளமாக துருக்கிய மொழிபெயர்ப்பு இல்லாமல்."

வேறுபாடு: வலுவான வரியில் இயந்திரம் அளவிடக்கூடிய இலக்கை அளிக்கிறது; வெளியீடு நேரடியாக திருத்தப்பட்ட வரைவை தோராயமாக மதிப்பிடுகிறது.

NMT vs LLM ஒப்பீட்டு விளக்கப்படம்

அளவு

என்எம்டி (கூகுள், டீப்எல்)

LLM (ChatGPT, Claude)

வேகம்

மிக வேகமாக

நடுத்தர

அறிவுறுத்தல்/தொனியைப் பெறுங்கள்

பலவீனமான

வலுவான

கால பட்டியலுக்கு இணங்க

வரையறுக்கப்பட்ட

நல்லது (உடனடியுடன்)

பரந்த சூழல்

பலவீனமான

நல்லது

மாயத்தோற்றம் ஏற்படும் ஆபத்து

குறைந்த

நடுத்தர (கட்டுப்பாடு தேவை)

மிகவும் பொருத்தமான வேலை

நேரான/தொழில்நுட்ப/மீண்டும்

தொனி/சூழல்/படைப்பு

பொதுவான தவறுகள்

• ஒவ்வொரு வேலைக்கும் ஒரே இன்ஜினைப் பயன்படுத்துதல். வேலையின் வகைக்கு ஏற்ப ஒரு இயந்திரத்தைத் தேர்ந்தெடுக்காதது நேரம் மற்றும் தரத்தை இழக்கிறது.
• முன் மதிப்பீடு இல்லாமல் விலை/நேரம் வழங்குதல். 200-300 வார்த்தை சோதனை ஆரம்பத்திலிருந்தே ஆச்சரியங்களை வெளிப்படுத்துகிறது.
• சரளத்தை துல்லியமாக தவறாகப் புரிந்துகொள்வது. அழகான வாக்கியம் என்பது சரியான வாக்கியத்தைக் குறிக்காது.
• மொழி ஜோடி மற்றும் திசை வேறுபாட்டைப் புறக்கணித்தல். ஒரு ஜோடியில் உள்ள நல்ல இயந்திரம் மற்றொன்றில் பலவீனமாக இருக்கலாம்.
• LLM இன் சேர்த்தல்களை கவனிக்கவில்லை. LLM சில நேரங்களில் "உதவி" என்ற மூலத்தில் இல்லாத வாக்கியங்களைச் சேர்க்கிறது; இதை பாருங்கள்.

சூழல் சாளரம் மற்றும் நிலைத்தன்மை

LLM உடன் நீண்ட உரையை மொழிபெயர்க்கும் போது, ​​ஒரு தொழில்நுட்ப வரம்பை அறிந்து கொள்வது அவசியம்: சூழல் சாளரம் — மாதிரியானது "பார்க்க" மற்றும் ஒரு நேரத்தில் மனதில் தக்கவைத்துக் கொள்ளக்கூடிய உரையின் அளவு. இந்த சாளரத்தை விட உரை பெரியதாக இருந்தால், நீங்கள் அதை துகள்களாகப் பிரிக்க வேண்டும், மேலும் மாடல் அடுத்த துண்டில் முந்தைய துணுக்குகளில் நீங்கள் எடுத்த கால முடிவு அல்லது தொனியை "மறந்துவிடும்". எனவே, ஒரு நீண்ட புத்தகம் அல்லது ஆவணத்தை ஒரு துண்டாக மொழிபெயர்ப்பதற்குப் பதிலாக, டெர்பேஸ் மற்றும் ஸ்டைல் ​​சுருக்கத்தின் ஒவ்வொரு பகுதியையும் நினைவூட்டுவது நிலைத்தன்மையை பராமரிக்கிறது. சிறு நூல்களில் இந்தப் பிரச்சனை ஏற்படாது; இருப்பினும், நாவல்கள் மற்றும் கையேடுகள் போன்ற நீண்ட படைப்புகளில், பத்திகளின் நிலைத்தன்மையை கூடுதலாக சரிபார்க்க வேண்டியது அவசியம். நடைமுறை தீர்வு: ஒரு "திட்ட நினைவகம்" (விதிமுறைகள் + எழுத்துக்கள் + தொனி முடிவுகள்) தயார் செய்து, ஒவ்வொரு துண்டின் தொடக்கத்திலும் அதைச் சேர்த்து, மொழிபெயர்ப்பின் முடிவில் உள்ள துண்டுகளுக்கு இடையே உள்ள நிலைத்தன்மையை ஸ்கேன் செய்யவும். NMT இல், இந்தச் சிக்கல் வேறுவிதமாக அனுபவிக்கப்படுகிறது: NMT வாக்கியத்தின் வாக்கியத்தை மொழிபெயர்ப்பதால், பத்தி நீளத்தின் நிலைத்தன்மை ஏற்கனவே பலவீனமாக உள்ளது, எனவே டெர்பேஸ் ஒழுக்கம் என்ற சொல்லை மேற்கொள்கிறது.

சுருக்கமாக

இயந்திர மொழிபெயர்ப்பில் இரண்டு குடும்பங்கள் உள்ளன: NMT, இது வேகமான மற்றும் நிலையானது, மற்றும் LLM, இது அறிவுறுத்தல்களை எடுத்து சூழல் மற்றும் தொனியை சிறப்பாகப் பார்க்கிறது. முதன்மை மொழிபெயர்ப்பாளர் இயந்திரத்திற்கான உரையின் பொருத்தத்தை முன்கூட்டியே தரப்படுத்துகிறார், வேலைக்கு ஏற்ப இயந்திரத்தைத் தேர்ந்தெடுக்கிறார், விநியோகத்திற்கு முன் மூல வெளியீட்டின் தரத்தை விரைவாக அளவிடுவார், மேலும் சரளத்தை துல்லியத்துடன் குழப்புவதில்லை. இந்த முன்-மதிப்பீட்டு ரிஃப்ளெக்ஸ், நீங்கள் இருவரும் ஒரு யதார்த்தமான நேரத்தை/விலையை வழங்கவும், குருட்டு நம்பிக்கையிலிருந்து உங்களைப் பாதுகாத்துக் கொள்ளவும் அனுமதிக்கிறது.

விண்ணப்ப பணி

NMT கருவி மற்றும் LLM இரண்டையும் கொண்டு ஒரே 200-சொல் உரையை மொழிபெயர்க்கவும். இரண்டு வெளியீடுகளையும் ஐந்து பரிமாணங்களில் (துல்லியம், முழுமை, சொற்களஞ்சியம், சரளமாக, வடிவம்) ஒப்பிட்டு, இந்த உரைக்கு குறைவான பின் எடிட்டிங் தேவைப்படும் காரணங்களை எழுதவும். பின்னர் "மூல வெளியீடு விரைவு சரிபார்ப்பு" டெம்ப்ளேட் மூலம் இரண்டிலும் சிக்கல்/தற்செயல்/கால அபாயங்களைக் கொடியிடவும்.

சரிபார்ப்பு பட்டியல்

• [ ] நான் இயந்திரத்திற்கான உரையின் பொருத்தத்தை வகைப்படுத்தினேன் (குறைந்த/நடுத்தர/அதிக ஆபத்து).
• வேலை வகையைப் பொறுத்து, NMT அல்லது LLM ஐப் பயன்படுத்தலாமா என்று முடிவு செய்தேன்.
• [ ] நான் ஒரு சிறிய மாதிரியுடன் பூர்வாங்க மதிப்பீட்டைச் செய்து அதற்கேற்ப கால அளவு/விலையை நிர்ணயித்தேன்.
• [ ] நான் விரைவாக மூல வெளியீட்டை ஐந்து பரிமாணங்களில் ஆய்வு செய்தேன்.
• [ ] சரளத்தால் ஏமாறாமல் எண், தேதி, பெயர் மற்றும் எதிர்மறைகளை தனித்தனியாக சரிபார்த்தேன்.