CC BY
34Б01: 10.24412/с1-37131-2023-1-227-230
Особенности постредактирования машинного перевода
Шишкина Ирина Сергеевна, кандидат филологических наук, доцент ФГБОУ ВО «Вятский государственный университет», г. Киров
Чеглакова Вероника Васильевна,
студент
ФГБОУ ВО «Вятский государственный университет», г. Киров
Аннотация: в эпоху развития технологий и автоматизации жизни человека, говоря о деятельности переводчика, нельзя не упомянуть машинный перевод. При этом следует учитывать, что компьютеру все еще не удалось достичь уровня профессионального переводчика и этап постредактирования текста, переведенного с помощью какой-либо системы, является обязательным. Следовательно, возникает необходимость в понимании процесса работы с существующими системами машинного перевода, а также в изучении различных аспектов, способствующих успешному редактированию текста, переведенного компьютером. Ключевые слова: постредактирование, машинный перевод, системы машинного перевода.
Целью данного исследования является выявление особенностей процесса постредактирования текстов, переведенных при помощи систем машинного перевода (СМП). Для достижения поставленной цели был решен комплекс задач, из которых можно выделить такие как: 1) определение понятия «постредактирование машинного перевода», 2) выявление особенностей процесса постредактирования текста, переведенного компьютером. В ходе исследования использовались такие теоретические методы как анализ и сравнение.
Для начала следует уточнить, что понимается под понятием «постредактирование машинного перевода». Постредактирование машинного перевода - процесс переработки и улучшения автоматически созданных машинных переводов с целью достижения более высокого качества и соответствия лингвистическим стандартам. Лингвисты и редакторы после выполнения автоматического перевода редактируют текст, исправляя ошибки, уточняя смысловые нюансы и улучшая читабельность текста, тем самым доводят конечный перевод до ожидаемого уровня качества.
В своей книге «Современное переводоведение» В. Н. Комиссаров утверждает, что «в настоящее время современные программы машинного перевода не могут обеспечивать высокое качество перевода текстов любой сложности и, естественно не претендуют на полную замену переводчика-человека». Однако машинный перевод успешно применяется в случаях если «в работу включается редактор, который либо готовит текст к переводу (предредактирование), устраняя или разъясняя трудные для машины места, либо редактирует уже переведенный текст (постредактирование), устраняя ошибки и неточности» [Комиссаров 1999: 16].
Поэтому далее хотелось бы рассмотреть ошибки, допущенные онлайн-пе-реводчиками и на их анализе составить перечень аспектов, на которые редактору стоило бы обратить особое внимание во время преобразования текста, сгенерированного машиной.
За основу исследования была взята такая известная СМП как Google Translate. Рассмотрим примеры. В первом столбце оригинал, машинный перевод во втором столбце, верный перевод - в третьем.
Именно зимой лисица меняет свою шубку на более теплую._
It is in winter that the fox changes its coat to a warmer one.
It is in winter that the fox changes its fur to a warmer one.
Анализируя приведенный пример, можно прийти к выводу, что компьютер при обработке определенных языковых единиц может переводить их, не учитывая изначально заложенное в них значение, следовательно, допуская лексико-се-мантические ошибки.
Since that moment he was under a cloud. С этого момента он находился под облаком. С этого момента он находился под подозрением.
Oh hi So Hi! О, привет, так привет! О, привет, Со Хи!
В первом случае онлайн переводчик не учел контекста и перевел идиому во фразе следователя буквально. Что мы также видим и во втором примере. Google Translate перевел корейское женское имя «So Hi» использовав прием калькирования. Поэтому редактору машинного перевода также необходимо учитывать возможные контекстуальные ошибки.
Рассмотрим следующий пример перевода:
[Ni chï-fàn le ma?]
Вы уже поели?
В данном случае фраза переводится компьютером дословно, но, как показывает практика, чаще всего эту фразу в Китае используют, чтобы спросить, как дела у собеседника, или просто в качестве вежливого жеста. Следовательно, человек, который не знаком с китайской культурой и обратившийся за переводом данной реплики к Google Translate может неправильно истолковать вопрос, заданный ему.
Рассмотрим другие примеры перевода Google Translate:
$100 cake торт на 100 долларов
angel food cake ангельский пирог с едой
Вариант, предложенный компьютером, кажется странным и совершенно не отображает суть реалий, представленных в первом столбце. «$100 сакв» представляет из себя популярный шоколадный торт, рецепт которого впервые появился в 1902 году в Америке. Свое название он получил благодаря городской легенде, согласно которой мужчине, попросившему рецепт торта в ресторане,
Студент. Наука. Регион
был выписан счет на сотню долларов. Что же касается второго примера «angel food cake», то в данном случае речь идет о бисквите, получившем свое название благодаря легкости текстуры и белоснежному цвету. Человек, встретивший в тексте перевод, предложенный Google Translate, навряд ли поймет истинную суть данных реалий.
Таким образом, можно сделать вывод что процессу постредактирования машинного перевода характерны следующие черты: 1) Работа с лексико-семан-тическими нюансами; 2) Контекстуальная коррекция; 3) Учет культурных особенностей реалий.
Благодаря знаниям о процессе и специфике постредактирования машинного перевода переводчик без труда сможет воспользоваться доступными ресурсами, автоматизирующими перевод, тем самым облегчив и ускорив процесс создания адекватного, качественного и эквивалентного текста на языке перевода.
Библиографический список
1. Воронович В.В. Машинный перевод. Конспект лекций для студентов 5-го курса специальности «Современные иностранные языки». Минск, 2013 -39 с.
2. Зубов А.В., Зубова И.И. Информационные технологии в лингвистике. М.: Академия, 2004 - 208 с.
3. Комиссаров. В.Н. Современное переводоведение. Курс лекций. М.: ЭТС, 1999 - 192 с.
4. Литвинова Е.М. Машинный перевод. Учебное пособие. М., 2012 - 64 с.
