Barva nebo Colour a Proč AI Překlad Bez Kontextu Nemá Smysl

V některé sdílené složce se nachází dokument, který měl být popisem produktu pro britské publikum. Text byl původně napsán v němčině, přeložen do angličtiny pomocí jednoho z hlavních online překladatelských nástrojů a předán marketingovému týmu. Na první pohled to vypadalo dobře. Gramatika byla správná, věty plynule navazovaly a smysl byl zachován. Pak se někdo v Londýně ozvал. Dokument používal „color" místo „colour", „organize" místo „organise", „center" místo „centre" a „analyze" místo „analyse". Každá jediná volba stavby následovala americké konvence. Pro dokument určený britským zákazníkům, publikovaný na doméně .co.uk, to bylo nepřijatelné.

Frustrující na tom nebylo, že byl překlad špatný. Frustrující bylo, že neexistoval způsob, jak nástroji sdělit, kterou verzi angličtiny má vyprodukovat. Google Translate má jednu možnost: angličtina. DeepL má jednu možnost: angličtina. Ani jeden se neptal, zda je cílem čtenář v Manchesteru nebo v New Yorku. Výstup se vygeneruje, varianta se zvolí podle toho, jaký vzor se nejčastěji vyskytl v tréninkových datech, a uživatel si musí ručně najít a nahradit každou instanci amerického psaní v dokumentu, který měl být britský od začátku.

To by se mohlo zdát jako malá stížnost. Rozdíly v psaní mezi britskou a americkou angličtinou jsou dobře zdokumentované a poměrně předvídatelné. Ale rozdíly jdou daleko za výměnu „ou" za „o" a „ise" za „ize". Slovní zásoba se výrazně liší. „Boot" je kufr. „Bonnet" je kapota. „Trousers" jsou kalhoty, ale „pants" jsou spodní prádlo. „Biscuits" jsou sušenky. „Chips" jsou hranolky, ale „crisps" jsou chipsy. „Flat" je byt. „První patro" je ve skutečnosti druhé patro. Tyto rozdíly ve slovní zásobě mohou vážně zmást čtenáře, když se v jinak dobře napsaném textu objeví chybná varianta.

Pro všechny, kdo spravují vícejazyčný obsah, zejména weby, aplikace nebo marketingové materiály, které musí existovat v britské i americké angličtině, nedostatek kontroly varianty v překladatelských nástrojích vytváří reálnou práci. Každý přeložený dokument potřebuje ručního přezkumu speciálně pro zachycení a opravu neshod variant. Tento přezkum zabere čas, stojí peníze a je zcela zbytečný, pokud by překladatelský nástroj jednoduše věděl, kterou variantu vyprodukovat.

Stejný Jazyk, Různé Konvence, Nula Kontroly

Britská a americká angličtina nejsou jediná dvojice s tímto problémem, ačkoli je nejčastěji se vyskytující. Portugalština se dělí na brazilskou португальštину a evropskou португальštinu s rozdíly v psaní, gramatice, slovní zásobě a dokonce pronominálním použití, která jsou dostatečně významná na to, aby text terčům druhé varianty připadal cizí. Španělština se liší mezi latinskoamerickými a pyrenejskými konvencemi s verbálními formami, slangem a slovní zásobou, která se podstatně liší. Francouzština má zřetelné konvence ve Francii, Kanadě, Belgii a různých africích zemích. Čínština se dělí mezi zjednodušené a tradiční znaky, což není jen rozdíl v psaní, ale úplně jiná sada znaků.

V každém z těchto případů není vytvoření chybné varianty malou kosmetickou záležitostí. Brazilský čtenář, který se setká s evropským португalským psaním v popisu produktu, si to ihned všimne. Vytváří to pocit vzdálenosti, jako by společnosti byl lhostejný správný překlad na konkrétním trhu. Pro podniky, které se snaží vybudovat důvěru na konkrétních místních trzích, tento druh neshody podkopává celé úsilí. Obsah by stejně mohl zůstat nepřeložen, pokud by překlad signalizoval „ve skutečnosti jsme neznáme váš trh".

Průvodce převodem mezi americkou a britskou angličtinou na YEB pokrývá konkrétní zapojená nastavení. V YEB Translate je jazyková varianta jedním z 22 jazykových nastavení dostupných v kontextovém systému. Když je angličtina vybrána jako cílový jazyk, uživatel může určit americkou, britskou, australskou nebo jiné místní varianty. Model AI obdrží tuto preferenci jako součást kontextového řetězce a vytvoří výstup, který konzistentně používá správné konvence psaní, volby slovní zásoby a idiomatické výrazy pro tuto variantu. Bez průchodu následné úpravy.

Stejný mechanismus funguje pro každou jazykovou dvojici, která má místní varianty. Brazilská vs. evropská португalština. Latinoamericka vs. pyrenejská španělština. Zjednodušená vs. tradiční čínština. Kanadská vs. metropolitní francouzština. Nastavení se provede jednou, přetrvá v průběhu relace a platí pro každý kousek textu zpracovaného během dané relace. Pro týmy obsahu zpracovávající lokalizaci v měřítku to eliminuje celou kategorii práce zajišťování kvality.

Proč Zkreslení Tréninkových Dat Činí Toto Horší, Než Se Zdá

Důvod, proč většina překladatelských nástrojů preferuje americkou angličtinu, je jednoduchý: internet obsahuje více amerického anglického textu než britského anglického textu. Tréninková data pro modely AI jsou převážně čerpána z webového obsahu a webový obsah je dominován americkými publikacemi, americkými společnostmi a americkým textem generovaným uživateli. Když se model AI učí, co vypadá „správně" anglicky, učí se z korpusu, který je ve výchozím stavu zaujatý americky.

Toto zkreslení není záměrné, ale je trvalé. I když se překladatelské nástroje aktualizují novějšími modely, základní distribuce dat se nezměnila. Americká angličtina zůstává převládající variantou v tréninkových korpusech, což znamená, že výchozí výstup nadále inklinuje americky bez ohledu na to, zda uživatel potřebuje britskou, australskou, jihoafrickou nebo jakoukoli jinou variantu. Model si nevybírá americkou angličtinu, protože je lepší. Vybírá si ji, protože ji viděl více.

Pro uživatele překládající do angličtiny z jiných jazyků to vytváří neviditelný problém. Výstup vypadá správně, protože je gramaticky správný. Věty mají smysl. Slovní zásoba je vhodná. Ale varianta je špatná pro zamýšlené publikum a pokud uživatel není dostatečně obeznámen s oběma variantami, aby zachytil každý rozdíl, neshoda unikne. Německý marketingový manažer překládající kopii produktu pro britský trh si nemusí všimnout, že „aluminum" by mělo být „aluminium" nebo že „skeptical" by mělo být „sceptical". Toto nejsou chyby, které kontroly gramatiky označují, protože obě psaní jsou platná. Jsou pouze platné v různých zemích.

Kontextový systém v AI překladateli YEB zachází s jazykovou variantou jako s prvotřídním nastavením spíše než jako s dodatečná myšlenkou. To je důležité, protože model AI upravuje nejen psaní, ale také volbu slovní zásoby, idiomů a dokonce strukturu vět na základě varianty. Britská angličtina má tendenci mít mírně více formálních konstrukcí v obchodním psaní. Americká angličtina používá více přímého vyjádření. Australská angličtina má svůj vlastní neformální registr, který se liší od obou. Toto jsou jemné rozdíly, které rodilý mluvčí vytváří nevědomě a které model AI může pouze reprodukovat, je-li mu řečeno, kterou variantu má cílit.

Skutečné Náklady na Nesprávnou Variantu

Pro osobní e-mail nikomu není vhod, zda se „colour" nebo „color" objeví. Pro publikovaný obsah se sázky liší. Webová stránka .co.uk používající americké psaní v celém textu vypadá nedokončeně. Web .com cílící australské čtenáře britským psaním vypadá mírně špatně. Toto nejsou dramatické selhání. Jsou to papírové řezy, které se hromadí a vytváří obecný dojem bezohlednosti.

V regulovaných odvětvích může být konzistentnost variant problémem dodržování předpisů. Právní dokumenty ve Spojeném království se řídí britskými konvencemi. Lékařská literatura pro NHS používá britskou terminologii. Vládní publikace se řídí přísným průvodci stylem, který určuje použití varianty až na jednotlivá slova. Podání přeloženého dokumentu, který používá špatnou variantu v těchto kontextech, není jen neopatrné. Může spustit odmítnutí nebo požadavky na revizi, které zpozdí celé projekty.

Porovnání s DeepL zdůrazňuje toto jako jednu z konkrétních oblastí, ve kterých obecné překladatelské nástroje selhávají. DeepL vytváří vynikající překlady z hlediska plynulosti a přesnosti, ale donedávna nenabízel žádný způsob, jak určit, kterou anglickou variantu vyprodukovat. Uživatelé, kteří potřebovali britskou angličtinu, museli buď přijmout to, co jim model dal, nebo později spustit samostatný krok převodu. Stejné omezení existuje v celém Srovnění hlavních AI překladatelských nástrojů na trhu.

To, co kontextový přístup dělá jinak, je, že volba varianty probíhá před překladem, nikoli po. Model AI nevyrábí americký anglický text a pak jej nepřevádí na britský. Od samého prvního věty vytváří britský anglický text a vybírá správná slova, správná psaní a správné konstrukce. Toto je zásadně jiný přístup než práce hledání a nahrazení následné úpravy a vytváří výsledky, které se v cílové variantě čtou přirozeně spíše než se cítí jako americký text s tenkým britským nátěrem.