Kazanimlar:
- NMT ve LLM tabanlı çevirinin güçlü ve zayıf yanlarını ayırt edip iş türüne göre doğru motoru seçebilme
- Bir metnin makineye uygunluğunu baştan sınıflayıp gerçekçi süre ve fiyat için ön-değerlendirme yapabilme
- Ham makine çıktısının kalitesini beş boyutta hızlıca ölçüp akıcılığı doğrulukla karıştırmadan riskleri işaretleyebilme
Bir çevirmen olarak elinizdeki en güçlü hızlandırıcı makine çevirisidir (MT) — ama bir aracı bilinçli kullanmak, onu doğru işe, doğru dil çiftinde ve doğru beklentiyle koşmaktan geçer. Bu ünitede MT'nin iki büyük ailesini (NMT ve LLM tabanlı çeviri) tanıyacak, hangi işte hangisinin daha iyi olduğunu, bir çeviriyi teslim öncesi ham çıktı kalitesini nasıl hızlıca ölçeceğinizi ve motoru işe göre nasıl seçeceğinizi öğreneceksiniz. Amaç, "hepsi aynı, yapıştır-çevir" düşüncesinden çıkıp, hangi metnin makineye uygun olduğunu, hangisinin insan yoğun emek gerektirdiğini önceden görebilen bir uzman olmaktır.
İki aile: NMT ve LLM tabanlı çeviri
NMT (Neural Machine Translation — sinirsel makine çevirisi), milyonlarca çift dilli cümleden öğrenmiş, cümleyi bir bütün olarak çeviren sistemlerdir; Google Translate, DeepL, Microsoft Translator bunların örneğidir. Güçlü yanı: çok hızlı, tutarlı, kısa cümlelerde akıcı. Zayıf yanı: cümle sınırının ötesindeki bağlamı (metnin bütününden gelen anlam) çoğu zaman görmez; "bank" kelimesinin banka mı nehir kıyısı mı olduğunu paragrafa bakarak seçmekte zorlanabilir ve verilen terim listesine uymaz.
LLM tabanlı çeviri (Large Language Model — büyük dil modeli), ChatGPT, Claude, Gemini gibi talimatla yönlendirilen modellerin çeviri için kullanılmasıdır. Güçlü yanı: talimat alır — "resmî ton kullan", "şu terim listesine uy", "hedef kitle çocuklar" gibi yönergeleri anlar; bağlamı daha geniş görür; deyim ve tonu daha iyi yakalar. Zayıf yanı: bazen "fazla yaratıcı" davranıp kaynağa eklemeler yapabilir (halüsinasyon riski), uzun metinlerde tutarlılığı kayabilir ve maliyeti/hızı işe göre değişir.
Pratik kural: düz, tekrarlı, teknik metinlerde NMT genellikle hızlı ve yeterli; ton, bağlam, terim disiplini ve talimat gerektiren metinlerde LLM daha esnektir. Çoğu profesyonel bugün ikisini birlikte kullanır: NMT'den hızlı taslak, LLM'den ton/terim düzeltme.
İpucu: Bir dil çiftinin (örneğin Türkçe→İngilizce) makine kalitesi, ters yönden (İngilizce→Türkçe) farklı olabilir. Türkçe gibi sondan eklemeli, esnek söz dizimli diller MT için genellikle daha zorludur. Kendi çalıştığınız çiftte hangi motorun daha iyi olduğunu birkaç örnek metinle kendiniz ölçün.
Metnin makineye uygunluğu: önce bunu sorun
Her metin makineye eşit uygun değildir. Çeviriye başlamadan önce metni bir "uygunluk" süzgecinden geçirin:
- Makineye çok uygun: teknik kılavuz, ürün açıklaması, tekrarlı arayüz metni, standart yazışma, tablo/liste. Dil düz, terminoloji sabit, yaratıcılık az.
- Orta uygun: haber, kurumsal içerik, eğitim materyali. Makine iyi taslak verir ama ton ve akış için ciddi son-düzenleme gerekir.
- Makineye uygun değil (yüksek risk): hukuk sözleşmesi, tıbbi metin, reklam/slogan, edebi metin, mizah, şiir. Burada makine yalnızca fikir verir; iş büyük ölçüde insana kalır.
Bu ayrımı baştan yaparsanız, hem müşteriye doğru süre/fiyat verir hem de kendinizi ham çıktıya körü körüne güvenmekten korursunuz.
Ham çıktı kalitesini hızlı ölçme
Bir MT çıktısını gördüğünüzde "iyi mi kötü mü?" sorusunu sezgiyle değil, hızlı bir kontrol listesiyle yanıtlayın. Şu beş boyuta bakın: doğruluk (anlam kaynağa sadık mı?), eksiksizlik (cümle atlanmış mı, eklenmiş mi?), terminoloji (doğru ve tutarlı mı?), akıcılık (hedef dilde doğal mı?), biçim (etiket, sayı, biçimlendirme korunmuş mu?). Bu boyutları sonraki kalite ünitesinde derinleştireceğiz; şimdilik teslim öncesi refleksiniz olsun.
Dikkat: MT çıktısının en tehlikeli hataları "akıcı ama yanlış" olanlardır. Cümle kusursuz Türkçe olabilir ama kaynaktaki "%15 indirim"i "%50 indirim" yapmış olabilir. Akıcılık sizi rahatlatmasın; sayıya, olumsuza ve özel ada her zaman ayrı bakın.
Üç mini vaka
Vaka 1 — Doğru motor süreyi yarıya indirdi. Bir çevirmen, 12.000 kelimelik bir yazılım arayüzünü NMT ile, aynı hacimdeki bir pazarlama kitapçığını ise LLM ile çevirmeyi seçti. Arayüzde NMT'nin tutarlılığı işi hızlandırdı; kitapçıkta LLM'in ton esnekliği yeniden yazım yükünü %40 azalttı. İki işi de aynı motora vermek zaman kaybettirirdi.
Vaka 2 — Ön-değerlendirme fiyatı kurtardı. Bir büro, bir hukuk metnini "makine yapar, ucuz olur" diye teklif etmek üzereydi. Ön-değerlendirmede 500 kelimelik örnek çevirildi; makine, iki hukuk terimini yanlış sistemin karşılığıyla verdi. Büro işi "ağır son-düzenleme" olarak fiyatladı ve gerçekçi bir süre verdi; yanlış teklif yüzünden zarar etmekten kurtuldu.
Vaka 3 — Dil çifti farkı. Bir ekip, İngilizce→Almanca'da harika çalışan bir motoru Türkçe→Arapça'da da aynı kalitede sandı. 300 kelimelik test, Arapça çıktının çok daha fazla düzeltme istediğini gösterdi. Ekip, dil çiftine göre farklı motor ve farklı son-düzenleme bütçesi ayırdı.
Dört kopyalanabilir şablon
1) Metin uygunluk değerlendirmesi:
Rolün: kıdemli MTPE uzmanı.Aşağıdaki metni makine çevirisine uygunluk açısındandeğerlendir: düz/teknik mi, yaratıcı/bağlamsal mı?Bunu (1) makineye çok uygun, (2) orta, (3) yüksek riskliolarak sınıfla ve gerekçesini yaz. Beklenen son-düzenlemeyükünü hafif/orta/ağır olarak tahmin et.Metin örneği: [200-300 kelime yapıştır]
2) Talimatlı LLM çevirisi (terim ve ton kontrollü):
Bu metni [kaynak]→[hedef] çevir.Kitle: [kim]. Ton: [ör. resmî]. Alan: [ör. finans].Terim listesi (mutlaka kullan): [A→a, B→b].Kurallar: kaynakta olmayanı ekleme, sayı/tarih/adları koru,her cümleyi bir cümleyle karşıla. Emin olmadığın yeri[?] ile işaretle.Metin: [...]
3) İki motor karşılaştırması:
Aşağıda aynı kaynak cümlenin iki farklı çevirisi var (A ve B).Her birini doğruluk, terim ve doğallık açısından karşılaştır,hangisinin daha az düzeltme gerektireceğini gerekçesiyle söyle.Kaynak: [...] | Çeviri A: [...] | Çeviri B: [...]
4) Ham çıktı hızlı denetimi:
Aşağıda kaynak ve makine çevirisi var. Sadece şunları işaretle:(1) atlanan/eklenen bilgi, (2) yanlış sayı/tarih/ad,(3) olumsuzluk hatası, (4) tutarsız terim. Düzeltme yazma,sadece riskli yerleri listele.Kaynak: [...] | Çeviri: [...]
Zayıf prompt / Güçlü prompt
Zayıf: "Bu metni çevir, iyi olsun." (Motor için "iyi" tanımsız; ton, terim, kitle yok.)
Güçlü: "Bu ürün açıklamasını İngilizceden Türkçeye çevir. Alan: e-ticaret. Kitle: genç tüketici. Ton: samimi ama güven veren. 'checkout' → 'ödeme adımı', 'wishlist' → 'istek listesi'. Sayıları ve marka adını değiştirme. Çeviri kokmayan, akıcı Türkçe."
Fark: güçlü prompt motora ölçülebilir bir hedef verir; çıktı doğrudan son-düzenlemeye uygun taslağa yaklaşır.
NMT ve LLM karşılaştırma tablosu
Boyut
NMT (Google, DeepL)
LLM (ChatGPT, Claude)
Hız
Çok hızlı
Orta
Talimat/ton alma
Zayıf
Güçlü
Terim listesine uyma
Sınırlı
İyi (prompt ile)
Geniş bağlam
Zayıf
İyi
Halüsinasyon riski
Düşük
Orta (kontrol şart)
En uygun iş
Düz/teknik/tekrarlı
Ton/bağlam/yaratıcı
Sık yapılan hatalar
- Her işe aynı motoru koşmak. İş türüne göre motor seçmemek zaman ve kalite kaybettirir.
- Ön-değerlendirme yapmadan fiyat/süre vermek. 200-300 kelimelik bir test, sürprizleri baştan gösterir.
- Akıcılığı doğrulukla karıştırmak. Güzel cümle, doğru cümle demek değildir.
- Dil çifti ve yön farkını yok saymak. Bir çiftte iyi motor, başkasında zayıf olabilir.
- LLM'in eklemelerini fark etmemek. LLM bazen "yardımcı olmak için" kaynakta olmayan cümle ekler; bunu kontrol edin.
Bağlam penceresi ve tutarlılık
LLM ile uzun metin çevirirken bir teknik sınırı bilmek gerekir: bağlam penceresi (context window) — modelin bir seferde "görüp" akılda tutabildiği metin miktarıdır. Metin bu pencereden büyükse, parçalara bölmek zorunda kalırsınız ve model önceki parçalarda verdiğiniz terim kararını ya da tonu sonraki parçada "unutabilir". Bu yüzden uzun bir kitabı ya da dokümanı tek parça çevirmek yerine, her parçaya termbase ve stil özetini yeniden hatırlatmak tutarlılığı korur. Kısa metinlerde bu sorun yaşanmaz; ama roman, kılavuz gibi uzun işlerde parça geçişlerindeki tutarlılığı ayrıca kontrol etmek gerekir. Pratik çözüm: bir "proje hafızası" (terimler + karakterler + ton kararları) hazırlayıp her parçanın başına eklemek ve çeviri sonunda parçalar arası tutarlılık taraması yapmaktır. NMT'de bu sorun farklı biçimde yaşanır: NMT cümleyi cümle olarak çevirdiği için paragraf boyu tutarlılığı zaten zayıftır, bu yüzden terim disiplinini termbase üstlenir.
Özetle
Makine çevirisinin iki ailesi vardır: hızlı ve tutarlı NMT ile talimat alan, bağlam ve tonu daha iyi gören LLM. Usta çevirmen, metnin makineye uygunluğunu baştan sınıflar, işe göre motoru seçer, ham çıktının kalitesini teslim öncesi hızlı ölçer ve akıcılığı asla doğrulukla karıştırmaz. Bu ön-değerlendirme refleksi, hem gerçekçi süre/fiyat vermenizi hem de kendinizi kör güvenden korumanızı sağlar.
Uygulama görevi
Aynı 200 kelimelik metni hem bir NMT aracıyla hem bir LLM ile çevirin. İki çıktıyı beş boyutta (doğruluk, eksiksizlik, terim, akıcılık, biçim) karşılaştırın ve hangisinin bu metin için daha az son-düzenleme gerektirdiğini gerekçesiyle yazın. Sonra "ham çıktı hızlı denetimi" şablonuyla her ikisindeki sayı/olumsuzluk/terim risklerini işaretleyin.
Kontrol listesi
- [ ] Metnin makineye uygunluğunu (düşük/orta/yüksek risk) sınıfladım.
- [ ] İş türüne göre NMT mi LLM mi kullanacağıma karar verdim.
- [ ] Küçük bir örnekle ön-değerlendirme yapıp süre/fiyatı buna göre belirledim.
- [ ] Ham çıktıyı beş boyutta hızlıca denetledim.
- [ ] Sayı, tarih, ad ve olumsuzlukları akıcılığa aldanmadan ayrı kontrol ettim.