Pagiging Kumpidensyal, Etika, Copyright, Authenticity at Kinabukasan ng Propesyon — Artipisyal na Katalinuhan sa Pagsasalin at Interpretasyon

Mga nadagdag:

Kakayahang ilapat ang mga prinsipyo ng pagiging kumpidensyal, NDA, personal na data (KVKK/GDPR) at pagpili ng tamang tool sa gawaing pagsasalin
Kakayahang gumamit ng transparency, accountability, copyright at originality responsibility at source verification reflex sa paggamit ng makina
Pag-unawa kung bakit kailangang-kailangan ang pagpapatunay ng tao at ang pagbabago ng propesyon sa edad ng artificial intelligence

Isinasara namin ang modyul na ito hindi sa teknikal na kasanayan, ngunit sa mga prinsipyong nagpoprotekta sa integridad ng propesyon. Ang AI ay nagbibigay ng malaking kapangyarihan sa tagasalin; Ngunit ang kapangyarihang ito ay nagdadala rin ng bago at seryosong mga responsibilidad tungkol sa pagiging kumpidensyal, etika, copyright at pagka-orihinal. Ang isang hindi naibahaging kumpidensyal na dokumento, isang lihim na paggamit ng makina, isang paglabag sa copyright, o isang mapanlinlang na "pagsasalin ng tao" na claim ay maaaring sirain hindi lamang isang negosyo, ngunit isang karera at tiwala ng customer. Sa unit na ito, matututunan mo ang tungkol sa privacy, propesyonal na etika, copyright at mga isyu sa data, kung bakit kailangang-kailangan ang pag-verify ng tao, at ang kinabukasan ng propesyon sa edad ng AI.

Pagkapribado at data: mga hindi nababagong prinsipyo

Karamihan sa mga dokumentong nasa kamay ng isang tagasalin ay kumpidensyal, at ang pagiging kompidensiyal ay isang pangunahing pangako ng propesyon. Apat na panuntunan sa edad ng AI:

Paglalagay ng kumpidensyal/personal/hindi na-publish na teksto sa isang pampublikong tool na ang patakaran sa data ay hindi nagbibigay ng kasiguruhan. Ang text na iyong ipinasok ay pinoproseso sa panlabas na server; Maaari itong magamit at maiimbak sa pagsasanay ng modelo.
Sumunod sa NDA (non-disclosure agreement). Maraming trabaho ang may kasamang NDA; Ang pagbibigay ng text sa isang panlabas na tool ay isang direktang paglabag at nagdudulot ng legal na pananagutan.
Piliin ang tamang tool. Mga tool sa kumpanya at kinontrata na hindi lang "nag-iimbak/nagsasanay ng data" para sa kumpidensyal na gawain; pangkalahatang mga kasangkapan para sa mga pampublikong gawain.
Protektahan ang personal na data (saklaw ng KVKK/GDPR) nang pribado. Ang mga tekstong naglalaman ng impormasyon ng pangalan, kalusugan, pananalapi, at pagkakakilanlan ay nangangailangan ng karagdagang pangangalaga; Kinakailangan ang anonymization o secure na kapaligiran.

Tinutukoy ng KVKK (Personal Data Protection Law — Türkiye) at GDPR (Europe's data protection regulation) ayon sa batas kung paano ipoproseso ang personal na data; ang paglabag ay hindi lamang isang etikal kundi isang legal na problema.

Babala: "Isang mabilis na pagsasalin lang, walang makakakita nito" ang pinakakaraniwang katwiran para sa mga paglabag sa privacy. Kapag lumabas na, hindi na mababawi ang impormasyon. Kung may pagdududa, huwag i-export ang teksto sa isang panlabas na tool; piliin ang ligtas na paraan.

Etika at transparency: hindi itinatago ang paggamit ng makina

Ang bagong axis ng propesyonal na etika sa edad ng AI ay transparency. Ang customer ay may karapatang malaman kung paano ginagawa ang kanyang trabaho. Dalawang patakaran ng katapatan:

Itinatago ang paggamit ng makina. Kung gumawa ka ng trabaho sa MTPE at inaasahan ng kliyente ang "purong pagsasalin ng tao", hindi etikal na itago ito. Ang pagpepresyo at mga inaasahan ay dapat na hugis nang naaayon.
Sabihin nang tapat ang iyong mga limitasyon. Mapanganib na magsagawa ng trabaho sa labas ng iyong larangan ng kadalubhasaan (halimbawa, advanced na batas o medisina) sa pag-aakalang kaya mo itong "hawakan" gamit ang AI; Hindi isinasara ng AI ang puwang ng iyong kaalaman.

Pananagutan din: ang tagasalin ay responsable para sa bawat tekstong inihatid. "Isinalin ito ng AI sa ganoong paraan" ay hindi isang dahilan; Responsable ka sa customer.

Copyright, data at originality

Tatlong magkahiwalay ngunit magkakaugnay na paksa:

Copyright: Ang tekstong isasalin ay maaaring may copyright; Ang pagsasalin ay isa ring derivative work. Ang pagsasalin at pag-publish ng isang akda nang walang pahintulot ay isang paglabag. Ang "rewriting" ng AI sa isang text ay hindi nag-aalis ng mga isyu sa copyright.
Data ng pagsasanay at pahintulot: Ang mga tool ng AI ay sinanay sa mga pampublikong available at kung minsan ay naka-copyright na mga teksto; Isa itong kontrobersyal na isyung etikal sa industriya. Ang iyong kontribusyon: huwag "ibigay" ang data ng iyong customer sa pagsasanay ng isang modelo nang walang pahintulot.
Pagka-orihinal at guni-guni: Lalo na sa mga tekstong pantao/panitikan, ang AI ay maaaring gumawa ng mga gawa-gawang quote, pekeng pinagmulan, hindi umiiral na mga idyoma. Ang bawat kultural/makatotohanang paghahabol ng teksto na iyong isinumite ay dapat na ma-verify at tunay.

Tip: I-set up ang iyong sarili gamit ang isang “source verification” reflex: Kapag ang AI ay nagbigay ng pangalan, petsa, quote, source, o “kilalang katotohanan,” huwag itong ilagay sa text nang hindi ito inde-verify. Ang isang gawa-gawang sanggunian sa humanities ay sumisira sa kredibilidad ng buong akda.

Pagpapatunay ng tao: ang kailangang-kailangan na huling link

Ang karaniwang aral ng bawat yunit ng modyul na ito: Ang AI ay bumibilis, ang mga tao ay nagpapatunay at nananagot. Ang pag-verify ay hindi isang "dagdag na hakbang" ngunit isang mahalagang bahagi ng trabaho. Sa mga text na may mataas na panganib (legal, medikal, seguridad, brand) ang pag-verify ay mas mahalaga kaysa sa pagsasalin mismo. Ang isang output ng AI na inihatid nang walang pag-verify ng tao ay mabilis ngunit mahina.

Ang kinabukasan ng propesyon: pagbabago, hindi pag-aalis

Hindi ginagawa ng AI na walang trabaho ang mga tagasalin; Binabago nito ang kalikasan ng trabaho. Habang lumilipat sa makina ang nakagawian, diretso, paulit-ulit na mga gawain sa pagsasalin, ang halaga ng tagasalin ay lumilipat sa mga layer na hindi magagawa ng makina, tulad ng kadalubhasaan pagkatapos ng pag-edit, kalidad ng paghuhusga, lalim ng kultura, kaalaman sa domain ng eksperto, transcreation at pag-verify. Tagasalin ng hinaharap; Siya ay isang tao na mahusay na gumagamit ng AI, ngunit alam kung saan hindi dapat magtiwala, at gumagawa ng pagkakaiba sa kanyang kadalubhasaan sa larangan at kultural na paghuhusga. Ang mga tumatanggi sa AI at ang mga bulag na sumuko dito ay maiiwan; Nauuna ang nagpapaamo nito bilang kasangkapan.

tatlong mini case

Case 1 — Transparency na binuo ng tiwala. Ipinaliwanag ng isang tagasalin sa customer nang maaga na gagawin niya ang trabaho sa MTPE, kung aling mga bahagi ang magiging masinsinang tao, at ang presyo nang naaayon. Ang kliyente ay nalulugod sa transparency at nagbigay ng regular na negosyo; Kung itinago niya ito, nasira ang tiwala sa unang problema.

Kaso 2 — Ang paglabag sa pagiging kumpidensyal ay naging panganib sa karera. Ang isang freelance na tagasalin ay nagpasok ng isang kumpidensyal na kontrata sa isang pampublikong tool; Sa sandaling natuklasan ng customer ang paglabag sa NDA, natapos ang relasyon sa negosyo at nawala ang reference. Ang isang solong kaginhawahan ay sumisira sa pangmatagalang tiwala.

Case 3 — Ang pagpapatunay na na-save ang pagiging tunay. Sa isang akademikong pagsasalin, nagdagdag ang AI ng "citation" na wala sa pinagmulan at isang gawa-gawang pangalan ng may-akda. Nahuli ito ng source verification reflex ng translator; Kung ito ay isinumite, ito ay isang paglabag sa akademikong integridad at pagkawala ng reputasyon.

Apat na maaaring kopyahin na mga template

1) Desisyon sa pagiging pribado/kagamitan:

Ang iyong tungkulin: tagapayo sa privacy ng data. Ilalarawan ko kung ano ang kinasasangkutan ng isang trabaho sa pagsasalin. Sabihin sa akin (1) kung kumpidensyal/personal/may copyright ang tekstong ito, (2) kung naaangkop ba itong iproseso sa isang pampublikong AI tool, (3) kung hindi, anong ligtas na alternatibo ang dapat kong gamitin. Nilalaman: [...]

2) Draft transparency note sa kliyente:

Sumulat ng isang maikli, propesyonal na tala sa isang kliyente na nagpapaliwanag nang tapat kung paano ko gagawin ang trabahong ito: pagsasalin ng makina + pagkatapos ng pag-edit ng tao, kung aling mga bahagi ang magiging intensive ng tao, kung paano gagawin ang pag-verify, presyo/oras nang naaayon. Huwag mag-exaggerate, magbigay ng kumpiyansa. Uri ng trabaho: [...]

3) Listahan ng source/fact-checking:

Alisin ang lahat ng makatotohanang elemento na kailangang ma-verify sa sumusunod na pagsasalin: mga pangalan, petsa, numero, quotation, pinagmulan/attribution, claim ng "katotohanan", idyoma/salawikain. Ilista ang bawat isa bilang "kumpirmahin sa independiyenteng pinagmulan". Huwag magtiwala sa text, kung ano lang ang mapapatunayan. Pagsasalin: [...]

4) Pre-check ng etika/copyright:

Ilalarawan ko ang gawain sa ibaba. I-flag sa akin ang posibleng mga isyu sa etika at copyright: status ng copyright ng teksto, mga hinangong gawa ng pagsasalin, personal na data, proteksyon ng data ng customer, pangangailangan para sa transparency. Maglista ng mga panganib at pag-iingat. Trabaho: [...]

Mahinang prompt / Malakas na prompt

Mahina: "Isalin ang dokumentong ito." (Maaaring pumunta ang nakatagong text sa isang panlabas na tool nang hindi kinukuwestiyon ang pagiging kumpidensyal, copyright o pagiging tugma ng tool.)

Güçlü: "Suriin muna ito: ang dokumentong ito ay isang ulat ng pasyente; naglalaman ito ng personal na data ng kalusugan. Dapat ba itong iproseso sa isang pampublikong kasangkapan o kailangan ba ng isang ligtas/institusyonal na kapaligiran? Ano ang dapat kong bigyang pansin sa mga tuntunin ng KVKK? Ibigay ang plano sa pagsasalin pagkatapos matukoy ang naaangkop na kapaligiran."

Ang pagkakaiba: ang malakas na prompt ay nagsisimula sa privacy at legal na kontrol; Dumarating ang pagsasalin pagkatapos matukoy ang tama at ligtas na kapaligiran.

Talahanayan ng mga etikal na sukat

Sukat

Panganib

pag-iingat

Pagkapribado

Leak na dokumento, NDA violation

Secure na tool, patakaran sa data

personal na data

Paglabag sa KVKK/GDPR

Anonymize/secure na kapaligiran

Hindi awtorisadong derivative work

Suriin ang pahintulot/karapatan

transparency

Nakatagong paggamit ng makina

Maging bukas sa customer

pagka-orihinal

Hallucination, pekeng pinagmulan

pag-verify ng pinagmulan

pananagutan

Ang "AI ang gumawa nito" na dahilan

Pananagutan

Mga karaniwang pagkakamali

Ang pagpasok ng lihim na teksto sa isang pampublikong tool "upang mapabilis ito". Hindi mababawi na paglabag.
Itinatago ang paggamit ng makina mula sa customer. Kapag nasira ang tiwala, mahirap nang bumawi.
Hindi pinapansin ang mga karapatan sa copyright at derivative na gawa. Legal na panganib.
Ang paglalagay ng pinagmulan/quote na ginawa ng AI nang hindi ito bini-verify. Pagkawala ng pagka-orihinal at reputasyon.
Paglalagay ng responsibilidad sa AI. Ang may-ari ng naihatid na gawain ay ang tagasalin.

Sa buod

Sa edad ng AI, tumataas ang responsibilidad ng tagasalin gayundin ang kanyang kapangyarihan. Ang privacy ay hindi nalalabag: ang kumpidensyal, personal at naka-copyright na teksto ay hindi pumapasok sa hindi secure na medium. Ang etika ay nangangailangan ng transparency at pananagutan: ang paggamit ng makina ay hindi nakatago, ang responsibilidad ay tinatanggap. Sineseryoso ang copyright at originality; Ang mga mapagkukunan at parirala na maaaring gawin ng AI ay na-verify. Ang pagpapatunay ng tao ay ang kailangang-kailangan na huling link ng trabaho. Ang kinabukasan ng propesyon ay pag-aari ng tagasalin na gumagamit ng AI nang mahusay ngunit alam ang mga limitasyon nito at gumagawa ng pagkakaiba sa kanyang pangkultura at ekspertong paghuhusga.

Gawain ng aplikasyon

Gumawa ng isang buong "responsableng pagsasalin" na pagsusuri para sa isang trabaho na nasa kamay (o isang sample): Tukuyin ang tamang tool gamit ang template na "kumpidensyal/pagpapasya sa pagiging angkop sa tool"; Maglista ng mga panganib na may "etika/copyright pre-check"; draft ng "transparency memo sa kliyente"; at mag-extract ng "listahan ng source/fact-checking" sa isang sample na pagsasalin at independiyenteng i-verify ang hindi bababa sa tatlong item. Idagdag ang apat na hakbang na ito sa iyong sariling karaniwang daloy ng trabaho.

checklist

[ ] Sinuri ko kung ang teksto ay kumpidensyal/personal/may copyright at pinili ang tamang tool.
[ ] Nagbigay ako ng karagdagang pansin sa data sa loob ng saklaw ng KVKK/GDPR.
[ ] Naging transparent ako sa customer tungkol sa paggamit at proseso ng makina.
[ ] Independyente kong na-verify ang mga source, quotes at facts na ginawa ng YZ.
[ ] Ipinaubaya ko sa aking sarili ang responsibilidad ng naihatid na gawain, hindi sa AI.

Pagsusulit sa Module

1. Alin sa mga sumusunod ang pinakatumpak na pagpoposisyon para sa artificial intelligence sa pagsasalin at interpretasyon?

A) Ang artificial intelligence ay isang blueprint, terminolohiya at tool na may kalidad; Ang responsibilidad para sa kahulugan, tono, kultura at huling paghahatid ay nasa tao ✔
B) Ang artificial intelligence ay maaaring direktang maghatid ng mga legal at medikal na pagsasalin nang walang pag-apruba ng tao
C) Ang artificial intelligence ay gumagana lamang sa pagsasalin ng mga salita, wala itong kinalaman sa kalidad at terminolohiya
D) Dahil ang artificial intelligence ay palaging mas tumpak kaysa sa mga tao, ang lahat ng mga desisyon sa pagsasalin ay dapat na ipaubaya dito.

Paglalarawan: Artipisyal na katalinuhan; Ito ay isang draft ng pagsasalin, terminolohiya, buod at tulong sa kalidad. Ang responsibilidad para sa kahulugan, tono, kultura, pagkamalikhain at huling paghahatid ay nakasalalay sa karampatang tagapagsalin; Ang isang hindi na-verify na output ay maaaring humantong sa isang error sa kontraktwal, isang malpractice sa medikal, o isang krisis sa trademark.

2. Ano ang ibig sabihin kung ang output ng pagsasalin ng makina ay 'fluent ngunit hindi tumpak' at bakit ito mapanganib?

A) Palaging tama ang matatas na pagsasalin, kaya hindi na kailangan ang karagdagang pagsusuri
B) Kahit na ang pangungusap ay tila natural sa target na wika, maaaring ito ay naihatid nang mali ang kahulugan, bilang o negasyon; Hindi ginagarantiya ng katatasan ang katumpakan ✔
C) Ang mga maling pagsasalin ay palaging mali sa gramatika at madaling mapansin.
D) Ang katatasan ay mahalaga lamang sa mga tekstong pampanitikan, ito ay hindi mahalaga sa mga teknikal na teksto

Paliwanag: Kahit na ang pagsasalin ng makina ay gumawa ng isang perpekto, natural na pangungusap, maaaring nasira nito ang numero, negasyon, o kahulugan sa pinagmulan. Ang katatasan ay hindi garantiya ng katumpakan; Samakatuwid, ang mga numero, petsa, tamang pangalan at negatibiti ay dapat suriin nang hiwalay sa pinagmulan nang hindi naloloko ng katatasan.

3. Alin sa mga sumusunod ang pangunahing pagkakaiba sa pagitan ng NMT (neural machine translation) at LLM-based na pagsasalin?

A) Ang NMT ay kumukuha ng pagtuturo ngunit hindi kaya ng LLM; kaya salita por salita lang ang isinasalin ng LLM
B) Sila ay eksaktong pareho, walang praktikal na pagkakaiba sa pagitan nila
C) Naiintindihan ng LLM ang mga tagubilin tulad ng tono, terminolohiya, at madla at nakikita ang mas malawak na konteksto; Ang NMT ay mabilis at pare-pareho ngunit mahirap sa pagkuha ng mga tagubilin ✔
D) Ang LLM ay palaging mas mabilis kaysa sa NMT at hindi kailanman nagdadagdag

Paglalarawan: Ang NMT ay mabilis at pare-pareho, ngunit mahina sa pagkuha ng mga tagubilin at nakikita ang mas malaking konteksto. Ang LLM, sa kabilang banda, ay nauunawaan ang mga tagubilin tulad ng tono, listahan ng termino at madla at nakikita ang konteksto nang mas malawak, ngunit nangangailangan ng kontrol laban sa panganib ng guni-guni dahil maaari itong magdagdag.

4. Ano ang pagkakaiba sa pagitan ng magaan na post-editing at ganap na post-editing?

A) Ang magaan na post-editing ay may mas mahusay na kalidad, ang buong post-editing ay isang mabilisang pag-scan lamang
B) Walang pinagkaiba ang dalawa, iba lang ang pangalan nila
C) Ang buong post-editing ay ginagamit lamang sa mga teksto para sa panloob na paggamit, ang magaan na post-editing ay ginagamit sa mga tekstong ipa-publish
D) Ang magaan na post-editing ay ginagawang tumpak at nauunawaan ang teksto; Ang buong post-editing ay naglalayon para sa kalidad ng pagsasalin ng tao, resultang handa sa publikasyon ✔

Komento: Sa magaan na post-editing, ang layunin ay gawing tumpak at maunawaan ang teksto; Walang mga pang-istilong pagpindot, na angkop para sa panloob/pansamantalang mga teksto. Sa buong post-editing, ang layunin ay ang output ay hindi matukoy ang pagkakaiba sa pagsasalin ng tao; Kinakailangan para sa mga text na may visibility ng brand na ipa-publish.

5. Bakit ang 'sobrang pag-edit' ay isang problema sa MTPE?

A) Ang sobrang pagwawasto ay palaging ginagawang mas tumpak ang pagsasalin, kaya hinihikayat ito
B) Ang muling pagsusulat ng tama at angkop na mga pangungusap ay hindi kinakailangang sumisira sa oras na bentahe ng MTPE; Ang mga may sira lang na lugar ang dapat itama ✔
C) Ang sobrang pagwawasto ay nagpapataas lamang ng bilis, hindi nakakaapekto sa kalidad
D) Ang sobrang pagwawasto ay isang problema hindi lamang sa pagsasalin ng makina kundi pati na rin sa scratch translation

Paliwanag: Ang labis na pagwawasto ay muling pagsulat ng tama at naaangkop na pangungusap na ibinigay ng makina dahil lang sa personal na kagustuhan. Sinisira nito ang buong oras na bentahe ng MTPE. Panuntunan: kung ang output ng makina ay tumpak, naiintindihan at naaangkop, huwag hawakan ito; Ayusin mo na lang kung mali.

6. Ano ang pangunahing benepisyo ng pagtukoy ng 'ipinagbabawal na probisyon' (pagsasalin na hindi dapat gamitin) sa isang termbase?

A) Hindi kailangang tukuyin ang isang ipinagbabawal na tugon dahil ang makina ay hindi kailanman gumagawa ng anumang mga pagkakamali.
B) Ang mga ipinagbabawal na katumbas ay kapaki-pakinabang lamang sa pagsasaling pampanitikan, hindi ito kailangan sa teknikal na teksto
C) Ang tahasang pagbabawal sa mga maling alternatibo kasama ng tamang katapat ay pumipigil sa hindi pagkakapare-pareho at pagbaluktot ng wika ng tatak ✔
D) Ang pagtukoy ng ipinagbabawal na katumbas ay nagpapabagal sa pagsasalin at walang pakinabang.

Paliwanag: Ang simpleng pagsusulat ng tamang tugon ay hindi pumipigil sa paggamit ng hindi tama ngunit mukhang kapani-paniwalang mga alternatibo. Ang tahasang pagsasabi ng mga ipinagbabawal na katumbas (gamit lang ang 'account'; 'profile', 'membership' para sa 'account') ay ang pinakamabisang paraan upang maiwasan ang hindi pagkakapare-pareho at sirang wika ng brand.

7. Ano ang dapat isulat sa translation memory (TM) at bakit?

A) Ang bawat output ng makina ay dapat isulat sa TM nang walang pag-verify dahil ang bilis ay higit sa lahat
B) Walang mga pagsasalin ang dapat na isulat sa TM, tanging mga pinagmulang teksto lamang ang dapat itago
C) Ang mga TM ng iba't ibang mga customer ay dapat na ihalo sa isang malaking TM
D) Ang mga na-verify at sertipikadong pagsasalin lamang ang dapat isulat; Kung ang output ng raw machine ay pumasok sa TM, ang error ay dadalhin sa hinaharap na mga trabaho at ipapalaganap ✔

Puna: Ang mga na-verify at sertipikadong pagsasalin lamang ang dapat isumite sa TM. Ang pag-save ng raw machine na output sa TM nang hindi ito pinapatunayan ay magiging sanhi ng error na bumalik nang paulit-ulit sa mga trabaho sa hinaharap, na lumilitaw na mapagkakatiwalaan bilang isang '100% na tugma'. Basura pasok, basura palabas.

8. Paano dapat pangasiwaan ang mga placeholder (hal. {name}, %s) sa mga text ng software sa localization?

A) Ang placeholder ay pinapanatili kung ano man; Hindi ito isinalin, tinanggal, na-format, inilipat lamang kung kinakailangan at sinuri ng QA ✔
B) Ang mga placeholder, tulad ng ibang mga salita, ay kailangang isalin sa target na wika
C) Dapat tanggalin ang mga placeholder dahil pinipigilan ng mga ito ang pagiging madaling mabasa
D) Ang mga placeholder ay hindi mahalaga, hindi kailangang isaalang-alang ang lahat sa pagsasalin

Paglalarawan: Ang mga placeholder ay mga palatandaan na puno ng mga variable sa oras ng pagtakbo. Ang pagsasalin, pagtanggal, o pag-format sa mga ito ay magiging sanhi ng pag-crash ng software o pagpapakita ng hilaw na text. Ang placeholder ay pinapanatili kung ano; ang placeholder lamang ang maaaring ilipat ayon sa syntax ng target na wika at isang placeholder QA tour ay tiyak na tapos na.

9. Ano ang ibig sabihin ng limitasyon ng CPS (character per second) sa pagsasalin ng subtitle?

A) Tinutukoy nito kung gaano karaming mga kulay ang gagamitin, hindi kung gaano karaming mga segundo ang mananatili sa screen.
B) Ito ay may bisa lamang para sa dubbing, wala itong kinalaman sa mga subtitle
C) Ito ang limitasyon ng bilis ng mga subtitle upang madaling mabasa ng mga manonood; kaya ang mga subtitle ay nangangailangan ng pagpapaikli habang pinapanatili ang kahulugan ✔
D) Kung mas mataas ang CPS, mas maganda ang mga subtitle, hindi na kailangang magtakda ng mga limitasyon

Paglalarawan: Ang CPS ay ang limitasyon ng bilis na kinakailangan para sa manonood na magbasa ng mga subtitle nang kumportable (karaniwang ~17 character/segundo para sa nilalamang pang-adulto). Iyon ang dahilan kung bakit ang pagsasalin ng subtitle ay hindi isang salita-sa-salitang pagsasalin, ngunit isang bagay ng angkop at paikliin habang pinapanatili ang kahulugan; Ang tumitingin ay parehong nanonood at nagbabasa ng larawan.

10. Bakit hindi dapat simulan ang pagsasalin bago ma-verify ang transkripsyon na ginawa ng automatic speech recognition (ASR)?

A) Ang ASR ay palaging walang kabuluhan kaya ang pag-verify ay isang pag-aaksaya ng oras
B) Gumagawa lamang ang ASR ng mga pagkakamali sa gramatika, hindi kailanman binabaluktot ang kahulugan
C) Ang output ng ASR ay naisalin na, hindi na kailangang isalin pa
D) Ang ASR ay lalong nagkakamali sa mga wastong pangalan, numero, accent at ingay; Ang maling transkripsyon ay dapat ma-verify sa pamamagitan ng boses dahil dadalhin ito sa pagsasalin ✔

Paliwanag: Ang ASR ay madalas na nagkakamali sa ingay, accent, magkakapatong na pananalita, tamang pangalan, numero, at teknikal na termino. Ang isang maling transkripsyon ay direktang dinadala sa pagsasalin at subtitling. Samakatuwid, lalo na ang mga wastong pangalan, tatak at numero ay dapat ma-verify sa pamamagitan ng paghahambing ng mga ito sa mga tunog.

11. Ano ang ibinibigay ng error framework tulad ng MQM sa pagtatasa ng kalidad ng pagsasalin?

A) Nagbibigay-daan ito sa pag-uuri ng bawat error ayon sa kategorya at kalubhaan (kritikal/major/minor) at pag-iskor ng kalidad sa layunin at maihahambing na paraan ✔
B) Awtomatikong itinatama ang pagsasalin, ganap na inaalis ang pagsusuri ng tao
C) Nahuhuli lamang nito ang mga error sa numero, hindi ito nakikitungo sa mga error sa semantiko at terminolohikal
D) Hindi sinusukat ang kalidad, kinakalkula lamang ang haba ng pagsasalin

Paglalarawan: Ang MQM (multidimensional na mga sukatan ng kalidad) ay nagtatalaga ng bawat error sa isang kategorya (katumpakan, terminolohiya, katatasan, istilo, format) at isang timbang (kritikal/major/menor). Sa ganitong paraan, ang mga marka ng error ay maaaring ibigay sa halip na 'mabuti/masamang' subjectivity, ang mga tagapagsalin/engine ay inihahambing sa layunin, at ang desisyon sa paghahatid ay maaaring iugnay sa isang numerical threshold.

12. Ano ang pangunahing limitasyon ng mga awtomatikong sukatan ng pagsasalin tulad ng BLEU?

A) Ginagawa nitong hindi kailangan ang pagsusuri ng tao dahil mas naiintindihan nito ang kahulugan kaysa sa tao
B) Tumitingin sa salitang magkakapatong, hindi talaga naiintindihan ang kahulugan; kaya sinusukat ng system ang trend ngunit hindi makapagpasya ang paghahatid ng isang text ✔
C) Siya ay palaging walang kamali-mali at siya lamang ang makapagpapasya kung ano ang maihahatid ng isang teksto
D) Ito ay ginagamit lamang sa pasalitang pagsasalin, wala itong kinalaman sa nakasulat na pagsasalin.

Paliwanag: Binibigyan ng marka ng BLEU ang pagsasalin batay sa overlap na salita sa isang sanggunian ng tao, ngunit hindi talaga naiintindihan ang kahulugan. Ang isang pagsasalin na iba sa sanggunian ngunit tama ay maaaring makatanggap ng mababang marka, habang ang isang pagsasalin na katulad ng sanggunian ngunit mali ay maaaring makatanggap ng mataas na marka; Ang isang kritikal na negatibong error ay may maliit na epekto sa marka. Samakatuwid, sinusukat ng metric system ang trend, hindi nagpapasya sa paghahatid ng isang text.

13. Ano ang pinakamalakas at pinakaangkop na papel para sa artificial intelligence sa conference interpreting?

A) Pag-aalis ng pangangailangan para sa mga interpreter sa pamamagitan ng ganap na pagsasagawa ng live na sabay-sabay na pagsasalin
B) Awtomatikong inililipat ang audio ng mga kumpidensyal na pagpupulong sa mga panlabas na serbisyo
C) Walang anumang gamit sa anumang yugto ng pagsasalin, kabilang ang paghahanda.
D) Malakas sa paghahanda bago ang kaganapan (briefing, bilingual glossary, numero at proper name card); Ang live na sabay-sabay na pagsasalin ay naiwan sa tao ✔

Paglalarawan: Sa pagbibigay-kahulugan, karamihan sa gawain ay nagmumula sa paghahanda, at doon malakas ang AI: paghahanda ng mga field briefing, bilingual glossary, tono ng tagapagsalita, numero at mga wastong name card. Ang live na sabay-sabay na pagsasalin mismo ay responsibilidad ng taong tagapagsalin dahil sa pagkaantala, pagkakamali, pagiging kumpidensyal at konteksto.

14. Paano naiiba ang transcreation (malikhaing pagsasalin) sa ibang uri ng pagsasalin?

A) Ito ay katapatan sa emosyonal na epekto at layunin ng pinagmulan, hindi sa mga salita nito; Ang isa ay maaaring lumayo mula sa pinagmulan upang lumikha ng parehong epekto sa target na kultura ✔
B) Palaging isalin ang pinagmulang salita sa pamamagitan ng salita, nang hindi ito binabago
C) Ito ay isang uri ng literal na pagsasalin na ginagamit lamang sa batas at mga tekstong medikal.
D) Ganap na huwag pansinin ang kahulugan at magsulat ng bagong random na teksto

Paglalarawan: Ang transcreation, lalo na sa advertising at mga teksto ng tatak, ay upang muling likhain ang emosyonal na epekto at layunin ng pinagmulan, hindi ang mga salita, sa target na kultura; Minsan ang isang tao ay sadyang lumayo sa pinanggalingan dahil ang layunin ay hindi literal na katapatan ngunit ang parehong epekto. AI ay isang ideya multiplier dito; Ang pangwakas na desisyon sa kultura ay ginawa ng mga tao.

15. Ano ang tamang diskarte kapag nagsasalin ng isang kumpidensyal na dokumento (halimbawa, isang hindi pirmadong kontrata o ulat ng pasyente)?

A) Ipasok ang pinaka-praktikal na tool sa pampublikong pagsasalin para sa bilis, ang privacy ay isang nahuling pag-iisip
B) Kung isasalin pa rin ang dokumento, hindi mahalaga ang pagiging kompidensiyal, maaaring gamitin ang anumang tool
C) Ang mga pampublikong sasakyan ay hindi pinapayagan; Mga secure at corporate na tool lang na hindi nag-iimbak ng data ang ginagamit, kung sakaling may pagdududa ang text ay hindi ibinibigay sa mga external na tool ✔
D) Walang panganib sa privacy kung ang mga kumpidensyal na dokumento ay isinalin sa pamamagitan ng boses lamang

Pagbubunyag: Ang mga kumpidensyal, personal o hindi nai-publish na mga teksto ay hindi inilalagay sa mga pampublikong tool na ang patakaran sa data ay hindi nagbibigay ng kasiguruhan; ito ay isang paglabag sa NDA/privacy at legal na panganib sa mga tuntunin ng KVKK/GDPR. Tanging mga corporate at secure na tool na hindi nag-iimbak/nagsasanay ng data ang ginagamit; Kung may pagdududa, ang teksto ay hindi ibinibigay sa panlabas na tool.