فائدہ:
- NMT اور LLM پر مبنی ترجمہ کی خوبیوں اور کمزوریوں میں فرق کرنے کی صلاحیت اور کاروبار کی قسم کے مطابق صحیح انجن کا انتخاب
- مشین کے لیے متن کی مناسبیت کو پہلے سے درجہ بندی کرنے اور حقیقت پسندانہ وقت اور قیمت کے لیے اس کا پہلے سے جائزہ لینے کی اہلیت
- درستگی کے ساتھ ہمواری کو الجھائے بغیر خام مشین کے آؤٹ پٹ کے معیار کو پانچ جہتوں اور جھنڈے کے خطرات میں تیزی سے ماپنے کی صلاحیت
ایک مترجم کے طور پر آپ کے پاس سب سے زیادہ طاقتور ایکسلریٹر مشین ٹرانسلیشن (MT) ہے — لیکن ایک ٹول کو شعوری طور پر استعمال کرنے کا مطلب ہے کہ اسے صحیح کام، صحیح زبان کے جوڑے میں، اور صحیح توقعات کے ساتھ لاگو کرنا ہے۔ اس یونٹ میں، آپ MT کے دو بڑے خاندانوں (NMT اور LLM پر مبنی ترجمہ) کے بارے میں جانیں گے، جانیں گے کہ کون سا کام کس کام کے لیے بہتر ہے، ترسیل سے پہلے ترجمے کے خام آؤٹ پٹ کوالٹی کی فوری پیمائش کیسے کی جائے، اور کام کے مطابق انجن کا انتخاب کیسے کریں۔ اس کا مقصد "سب ایک جیسا، پیسٹ ترجمہ" کے خیال سے ہٹ کر ایک ماہر بننا ہے جو یہ اندازہ لگا سکتا ہے کہ کون سا متن مشین کے لیے موزوں ہے اور جس کے لیے انسانی محنت کی ضرورت ہے۔
دو خاندان: NMT اور LLM پر مبنی ترجمہ
NMT (نیورل مشین ٹرانسلیشن) وہ نظام ہیں جنہوں نے لاکھوں دو لسانی جملوں سے سیکھا ہے اور جملہ کا مجموعی طور پر ترجمہ کیا ہے۔ گوگل ٹرانسلیٹ، ڈیپ ایل، مائیکروسافٹ ٹرانسلیٹر ان کی مثالیں ہیں۔ طاقتیں: بہت تیز، مستقل، مختصر جملوں میں روانی کمزوری: اکثر جملے کی حد سے باہر سیاق و سباق نہیں دیکھتا ہے (مطلب پورے متن سے)؛ پیراگراف کو دیکھ کر یہ فیصلہ کرنا مشکل ہو سکتا ہے کہ لفظ "بینک" کا مطلب کنارہ ہے یا ندی کا کنارہ اور یہ فراہم کردہ شرائط کی فہرست میں فٹ نہیں ہے۔
LLM پر مبنی ترجمہ (Large Language Model) ترجمہ کے لیے ChatGPT، Claude، Gemini جیسے ہدایات پر مبنی ماڈلز کا استعمال ہے۔ طاقت: ہدایات لیتا ہے - ہدایات کو سمجھتا ہے جیسے کہ "رسمی لہجہ استعمال کریں"، "شرائط کی اس فہرست پر عمل کریں"، "اہداف کے سامعین بچے ہیں"؛ وسیع تر سیاق و سباق کو دیکھتا ہے؛ محاورے اور لہجے کو بہتر طریقے سے پکڑتا ہے۔ کمزوری: بعض اوقات "بہت تخلیقی" ہو سکتا ہے اور ماخذ میں اضافہ کر سکتا ہے (فریب کا خطرہ)، لمبی تحریروں میں ہم آہنگی کھو دیتا ہے، اور کام کے لحاظ سے لاگت/رفتار مختلف ہوتی ہے۔
انگوٹھے کا اصول: سیدھے، بار بار، تکنیکی متن میں NMT عام طور پر تیز اور مناسب ہوتا ہے۔ LLM متن کے ساتھ زیادہ لچکدار ہے جس میں لہجے، سیاق و سباق، الفاظ اور ہدایات میں نظم و ضبط کی ضرورت ہوتی ہے۔ آج کل زیادہ تر پیشہ ور دونوں ایک ساتھ استعمال کرتے ہیں: NMT سے فوری مسودہ، LLM سے ٹون/ٹرم کی اصلاح۔
ٹپ: زبان کے جوڑے کی مشین کا معیار (مثلاً ترکی → انگریزی) مخالف سمت (انگریزی → ترکی) سے مختلف ہو سکتا ہے۔ اجتماعی، لچکدار نحو والی زبانیں، جیسے ترکی، عام طور پر MT کے لیے زیادہ مشکل ہوتی ہیں۔ چند نمونوں کے متن کے ساتھ آپ خود فیصلہ کریں کہ آپ کی اپنی جوڑی میں کون سا انجن بہتر ہے۔
متن کی مشین مطابقت: پہلے یہ پوچھیں۔
ہر متن مشین کے لیے یکساں طور پر موزوں نہیں ہے۔ ترجمہ شروع کرنے سے پہلے، متن کو "مطابقت" فلٹر کے ذریعے منتقل کریں:
- مشین کے لیے موزوں: تکنیکی دستی، مصنوعات کی تفصیل، بار بار انٹرفیس کا متن، معیاری خط و کتابت، ٹیبل/فہرست۔ زبان سادہ ہے، اصطلاحات متعین ہیں، تخلیقی صلاحیتیں کم ہیں۔
- درمیانہ موزوں: خبریں، کارپوریٹ مواد، تعلیمی مواد۔ مشین اچھی خاکہ تیار کرتی ہے لیکن لہجے اور بہاؤ کے لیے سنجیدہ پوسٹ ایڈیٹنگ کی ضرورت ہوتی ہے۔
- مشین کے لیے موزوں نہیں (زیادہ خطرہ): قانونی معاہدہ، طبی متن، اشتہار/نعرہ، ادبی متن، مزاح، شاعری۔ یہاں مشین صرف خیالات دیتی ہے۔ کام زیادہ تر لوگوں پر آتا ہے۔
اگر آپ شروع سے یہ فرق کرتے ہیں، تو آپ دونوں گاہک کو صحیح وقت/قیمت دیں گے اور خام پیداوار پر اندھا اعتماد کرنے سے خود کو بچائیں گے۔
خام آؤٹ پٹ کے معیار کی فوری پیمائش کریں۔
جب آپ MT آؤٹ پٹ دیکھتے ہیں تو آپ سوچتے ہیں "کیا یہ اچھا ہے یا برا؟" سوال کا جواب فوری چیک لسٹ کے ساتھ دیں، وجدان سے نہیں۔ ان پانچ جہتوں کو دیکھیں: درستگی (کیا مطلب ماخذ کے لیے وفادار ہے؟)، مکمل (کیا جملے کو چھوڑ دیا گیا ہے یا شامل کیا گیا ہے؟)، اصطلاحات (کیا یہ درست اور مستقل ہے؟)، روانی (کیا یہ ہدف کی زبان میں فطری ہے؟)، فارمیٹ (کیا ٹیگز، نمبرز، فارمیٹنگ محفوظ ہیں؟)۔ ہم اگلی کوالٹی یونٹ میں ان جہتوں کو گہرا کریں گے۔ ابھی کے لیے، اسے آپ کا پری ڈیلیوری اضطراری رہنے دیں۔
احتیاط: MT آؤٹ پٹ کی سب سے خطرناک غلطیاں "روانی لیکن غلط" ہیں۔ جملہ مکمل ترکی میں ہو سکتا ہے، لیکن ماخذ میں "15% رعایت" کو "50% رعایت" میں تبدیل کر دیا گیا ہے۔ روانی سے باز نہ آئیں۔ ہمیشہ نمبر، منفی اور مناسب اسم کو الگ الگ دیکھیں۔
تین چھوٹے مقدمات
کیس 1 - صحیح انجن نے وقت کو آدھا کر دیا۔ ایک مترجم نے NMT کے ساتھ 12,000 الفاظ کے سافٹ ویئر انٹرفیس اور LLM کے ساتھ اسی حجم کے ایک مارکیٹنگ کتابچے کا ترجمہ کرنے کا انتخاب کیا۔ انٹرفیس پر NMT کی مستقل مزاجی نے کام کو تیز تر بنا دیا۔ کتابچہ میں LLM کی ٹونل لچک نے دوبارہ لکھنے کے بوجھ کو 40% کم کیا۔ دونوں کام ایک ہی انجن کو دینے سے وقت ضائع ہوگا۔
کیس 2 - پیشگی تشخیص نے قیمت کو بچایا۔ ایک دفتر قانونی متن پیش کرنے والا تھا کیونکہ "اسے مشینوں سے بنایا جا سکتا ہے، یہ سستا ہو گا"۔ پیشگی تشخیص میں، 500 الفاظ کے نمونے کا ترجمہ کیا گیا تھا۔ مشین نے غلط سسٹم کے مساوی کے ساتھ دو قانونی شرائط واپس کیں۔ دفتر نے کام کی قیمت "ہیوی پوسٹ ایڈیٹنگ" کے طور پر رکھی اور ایک حقیقت پسندانہ ڈیڈ لائن دی۔ اس نے غلط پیشکش کی وجہ سے پیسے کھونے سے گریز کیا۔
کیس 3 - زبان کے جوڑے میں فرق۔ ایک ٹیم نے سوچا کہ ایک انجن جو انگریزی → جرمن میں بہت اچھا کام کرتا ہے اسی معیار کا ہے ترکی → عربی میں۔ 300 الفاظ کے ٹیسٹ نے ظاہر کیا کہ عربی آؤٹ پٹ میں بہت زیادہ اصلاح کی ضرورت ہے۔ ٹیم نے زبان کے جوڑے کے لحاظ سے مختلف انجن اور مختلف پوسٹ ایڈیٹنگ بجٹ مختص کیے ہیں۔
چار کاپی کرنے کے قابل ٹیمپلیٹس
1) متن کی مناسبیت کی تشخیص:
آپ کا کردار: سینئر MTPE ماہر۔ مشینی ترجمہ کے لیے موزوں ہونے کے لیے درج ذیل متن کی درجہ بندی کریں: لفظی/تکنیکی یا تخلیقی/سیاق و سباق؟ اس کی درجہ بندی کریں (1) بہت مشین دوست، (2) میڈیم، (3) زیادہ خطرہ اور اپنا جواز لکھیں۔ متوقع پوسٹ ایڈیٹنگ بوجھ کو ہلکے/درمیانے/بھاری کے طور پر لگائیں۔ متن کی مثال: [200-300 الفاظ چسپاں کریں]
2) ہدایت شدہ LLM ترجمہ (اصطلاحات اور ٹون کنٹرول کے ساتھ):
اس متن کا ترجمہ کریں [ماخذ] → [ٹارگٹ]۔ سامعین: [کون]۔ لہجہ: [مثلاً سرکاری]۔ میدان: [مثلاً فنانس]. اصطلاحات کی فہرست (استعمال کرنا یقینی بنائیں): [A→a, B→b]۔ قواعد: جو ماخذ میں نہیں ہے اسے شامل نہ کریں، نمبر/تاریخ/نام رکھیں، ہر جملے کو جملے سے بدل دیں۔ جہاں آپ کو یقین نہیں ہے وہاں پر نشان لگائیں [?]۔ متن: [...]
3) دو انجن کا موازنہ:
ذیل میں ایک ہی سورس جملے (A اور B) کے دو مختلف ترجمے ہیں۔ درستگی، اصطلاحات اور فطری کے لحاظ سے ہر ایک کا موازنہ کریں، اور مجھے بتائیں کہ کس میں کم تصحیح کی ضرورت ہوگی، جواز کے ساتھ۔ ماخذ: [...] | ترجمہ A: [...] | ترجمہ B: [...]
4) خام آؤٹ پٹ فوری معائنہ:
ذیل میں ماخذ اور مشینی ترجمہ ہے۔ بس درج ذیل کو نشان زد کریں: (1) چھوڑی گئی/اضافی معلومات، (2) غلط نمبر/تاریخ/نام، (3) نفی کی غلطی، (4) متضاد اصطلاح۔ کوئی تصحیح نہ لکھیں، صرف خطرناک علاقوں کی فہرست بنائیں۔ ماخذ: [...] | ترجمہ: [...]
کمزور فوری / مضبوط اشارہ
ضعیف: "اس عبارت کا ترجمہ کرو اچھا ہو گا۔" (انجن کے لیے، "اچھا" غیر متعینہ ہے؛ کوئی ٹون، کوئی اصطلاح، کوئی ماس نہیں۔)
Güçlü: "اس پروڈکٹ کی تفصیل کا انگریزی سے ترکی میں ترجمہ کریں۔ علاقہ: ای کامرس۔ سامعین: نوجوان صارف۔ لہجہ: دوستانہ لیکن یقین دلانے والا۔ 'چیک آؤٹ' → 'چیک آؤٹ مرحلہ'، 'خواہش کی فہرست' → 'خواہش کی فہرست'۔ نمبر اور برانڈ کا نام تبدیل کریں۔ بغیر کسی ترجمہ کے روانی سے ترکی۔"
فرق: مضبوط پرامپٹ انجن کو ایک قابل پیمائش ہدف دیتا ہے۔ آؤٹ پٹ براہ راست ترمیم کے بعد کے مسودے کا تخمینہ لگاتا ہے۔
NMT بمقابلہ LLM موازنہ چارٹ
سائز
NMT (گوگل، ڈیپ ایل)
ایل ایل ایم (چیٹ جی پی ٹی، کلاڈ)
رفتار
بہت تیز
درمیانہ
ہدایات / ٹون وصول کریں۔
کمزور
مضبوط
اصطلاح کی فہرست کی تعمیل کریں۔
محدود
اچھا (فوراً)
وسیع تناظر
کمزور
اچھا
فریب کا خطرہ
کم
میڈیم (کنٹرول درکار ہے)
سب سے مناسب کام
سیدھا/تکنیکی/بار بار
ٹون/سیاق و سباق/تخلیقی
عام غلطیاں
- ہر کام کے لیے ایک ہی انجن کا استعمال۔ کام کی قسم کے مطابق انجن کا انتخاب نہ کرنے سے وقت اور معیار کا نقصان ہوتا ہے۔
- پیشگی تشخیص کے بغیر قیمت/وقت دینا۔ 200-300 الفاظ کا ٹیسٹ شروع سے ہی حیرتوں کو ظاہر کرتا ہے۔
- درستگی کے لیے روانی کو غلط سمجھنا۔ خوبصورت جملے کا مطلب صحیح جملہ نہیں ہوتا۔
- زبان کے جوڑے اور سمت کے فرق کو نظر انداز کرنا۔ ایک جوڑے میں اچھا انجن دوسرے میں کمزور ہوسکتا ہے۔
- ایل ایل ایم کے اضافے پر غور نہیں کرنا۔ LLM بعض اوقات ایسے جملے شامل کرتا ہے جو "مدد کرنے کے لیے" کے ماخذ میں نہیں ہوتا ہے۔ یہ چیک کریں
سیاق و سباق کی کھڑکی اور مستقل مزاجی۔
LLM کے ساتھ طویل متن کا ترجمہ کرتے وقت، ایک تکنیکی حد کو جاننا ضروری ہے: سیاق و سباق کی ونڈو — متن کی وہ مقدار جسے ماڈل "دیکھ" سکتا ہے اور ایک وقت میں ذہن میں رکھ سکتا ہے۔ اگر متن اس ونڈو سے بڑا ہے، تو آپ کو اسے ٹکڑوں میں تقسیم کرنا پڑے گا، اور ماڈل اگلے حصے میں اصطلاح کے فیصلے یا لہجے کو "بھول" سکتا ہے جو آپ نے پچھلے حصوں میں کیا تھا۔ لہٰذا، ایک لمبی کتاب یا دستاویز کا ایک ٹکڑے میں ترجمہ کرنے کے بجائے، ٹرم بیس اور طرز کے خلاصے کے ہر ٹکڑے کو یاد دلانے سے مستقل مزاجی برقرار رہتی ہے۔ یہ مسئلہ مختصر نصوص میں نہیں ہوتا۔ تاہم، ناولوں اور دستورالعمل جیسے طویل کاموں میں، اقتباسات میں مستقل مزاجی کو بھی جانچنا ضروری ہے۔ عملی حل: ایک "پروجیکٹ میموری" تیار کرنے کے لیے (شرائط + حروف + ٹون فیصلے) اور اسے ہر ٹکڑے کے شروع میں شامل کریں اور ترجمے کے آخر میں ٹکڑوں کے درمیان مستقل مزاجی کے لیے اسکین کریں۔ NMT میں، اس مسئلے کا تجربہ ایک مختلف طریقے سے ہوتا ہے: چونکہ NMT جملے کا ترجمہ جملے سے کرتا ہے، پیراگراف کی لمبائی کی مستقل مزاجی پہلے سے ہی کمزور ہے، اس لیے ٹرم بیس ڈسپلن کی اصطلاح اختیار کرتا ہے۔
خلاصہ میں
مشینی ترجمہ کے دو خاندان ہیں: NMT، جو تیز اور مستقل ہے، اور LLM، جو ہدایات لیتا ہے اور سیاق و سباق اور لہجے کو بہتر طور پر دیکھتا ہے۔ ماسٹر مترجم مشین کے لیے متن کی مناسبیت کو پہلے سے درجہ دیتا ہے، کام کے مطابق انجن کا انتخاب کرتا ہے، ترسیل سے پہلے خام آؤٹ پٹ کے معیار کو تیزی سے ناپتا ہے، اور کبھی بھی روانی کو درستگی کے ساتھ الجھاتا نہیں ہے۔ یہ پری ایویلیویشن ریفلیکس آپ دونوں کو ایک حقیقت پسندانہ وقت/قیمت دینے اور اپنے آپ کو اندھے بھروسے سے بچانے کی اجازت دیتا ہے۔
درخواست کا کام
NMT ٹول اور LLM دونوں کے ساتھ اسی 200 الفاظ کے متن کا ترجمہ کریں۔ پانچ جہتوں (درستگی، مکمل پن، اصطلاحات، روانی، فارمیٹ) پر دو نتائج کا موازنہ کریں اور اسباب لکھیں جن کے لیے اس متن کے لیے کم پوسٹ ایڈیٹنگ کی ضرورت ہے۔ پھر "را آؤٹ پٹ کوئیک چیک" ٹیمپلیٹ کے ساتھ دونوں پر ایشو/ہنگامی/ اصطلاحی خطرات کو جھنڈا لگائیں۔
چیک لسٹ
- میں نے مشین کے لیے متن کی مناسبیت کی درجہ بندی کی (کم/درمیانے/زیادہ خطرہ)۔
- ملازمت کی قسم پر منحصر ہے، میں نے فیصلہ کیا کہ NMT یا LLM استعمال کرنا ہے۔
- میں نے ایک چھوٹے نمونے کے ساتھ ابتدائی تشخیص کی اور اس کے مطابق مدت/قیمت کا تعین کیا۔
- میں نے تیزی سے خام پیداوار کا پانچ جہتوں میں معائنہ کیا۔
- میں نے روانی سے بے وقوف بنائے بغیر نمبر، تاریخ، نام اور منفی کو الگ الگ چیک کیا۔