צבע או Colour ולמה תרגום AI ללא הקשר הוא חסר משמעות

יש מסמך כלשהו שיושב בתיקייה משותפת שהוא היה אמור להיות תיאור מוצר לקהל בריטי. הטקסט נכתב במקור בגרמנית, תורגם לאנגלית באמצעות אחד מכלי התרגום המרכזיים ברשת, והוסר לצוות השיווק. זה נראה בסדר במבט ראשון. הדקדוק היה נכון, המשפטים זרמו סביר להניח טוב, והמשמעות שומרה. אז מישהו בלונדון הגיב לזה. המסמך השתמש ב- "color" במקום "colour," "organize" במקום "organise," "center" במקום "centre," ו- "analyze" במקום "analyse." כל בחירת איות עקבה אחר כללי אמריקאים. למסמך המכוון לקוחות בריטיים, שפורסם בדומיין .co.uk, זה לא היה קביל.

החלק המתסכל לא היה שהתרגום היה שגוי. החלק המתסכל היה שלא היה דרך להגיד לכלי איזו גרסה של אנגלית לייצר. ל-Google Translate יש אפשרות אחת: אנגלית. ל-DeepL יש אפשרות אחת: אנגלית. שניים לא שואלים האם היעד הוא קוראה מנצ'סטר או קוראה ממנהטן. הפלט נוצר, הגרסה נבחרת על ידי כל דפוס שהופיע הכי הרבה בנתוני ההכשרה, והמשתמש מקבל למצוא והחליף באופן ידני כל מופע של איות אמריקאי במסמך שהוא היה אמור להיות בריטי מתחילה.

זה אולי נשמע כמו תלונה קלה. הבדלי איות בין אנגלית בריטית ואמריקאית מתועדים היטב וצפויים יחסית. אבל ההבדלים הולכים הרבה מעבר לחילוף "ou" ל-"o" ו- "ise" ל- "ize." אוצר מילים מתפצל באופן משמעותי. "boot" הוא trunk. "bonnet" הוא hood. "Trousers" הם pants, אבל "pants" הם underwear. "Biscuits" הם cookies. "Chips" הם fries, אבל "crisps" הם chips. "flat" הוא apartment. "first floor" זה בעצם second floor. הבדלי אוצר מילים אלה יכולים באמת להבלבל קוראים כאשר הגרסה הלא נכונה מופיעה בטקסט אחרת כתוב היטב.

לכל מי שמנהל תוכן רב-לשוני, במיוחד אתרי אינטרנט, יישומים או חומר שיווק שצריך להיות קיים גם באנגלית בריטית וגם באמריקאית, חוסר שליטה בגרסה בכלי תרגום יוצר עבודה אמיתית. כל מסמך מתורגם צריך סיבוב ביקורת ידני באופן ספציפי כדי לתפוס ותקן חוסר התאמה בגרסה. שנסיבוב ביקורת שכזה לוקח זמן, עוגיות כספיות, והוא בהחלט ניתן להימנעות אם כלי התרגום פשוט ידע איזו גרסה לייצר.

אותה שפה, כללים שונים, אפס שליטה

אנגלית בריטית ואמריקאית אינן הצמד היחיד בעיה זו, למרות שהם הנתקלים בהם בתדירות הגבוהה ביותר. פורטוגזית מתפצלת לפורטוגזית ברזילאית ואירופאית, עם הבדלים בהיגוי, דקדוק, אוצר מילים, ואפילו שימוש בכינוי שמובהק מספיק כדי להפוך את הטקסט לזר לקוראים של הגרסה השנייה. ספרדית משתנה בין כללי אמריקנים וחצוף, עם צורות פועל, slang, ואוצר מילים המשתנים באופן משמעותי. צרפתית יש כללים מובהקים בצרפת, קנדה, בלגיה וקומות אפריקאיות שונות. סיני מתפצל בין תווים מפושטים ומסורתיים, וזה לא רק הבדל בהיגוי אלא ערכה לחלוטין שונה של תווים.

בכל אחד מהמקרים הללו, ייצור הגרסה הלא נכונה אינו בעיה קוסמטית קלה. קורא ברזילאי שנתקל בהיגוי פורטוגזי אירופאי בתיאור מוצר יודע מייד. זה יוצר תחושת מרחק, כאילו החברה לא טרחה מספיק כדי להתאים את המקום. לעסקים שמנסים לבנות אמון בשווקים אזוריים ספציפיים, חוסר התאמה מסוג זה מערער את כל המאמץ. התוכן יכול היה בדיוק כמו שנשאר בתרגום אם התרגום חותם "אנחנו בעצם לא יודעים את השוק שלך."

ה- מדריך להמרה בין אנגלית אמריקאית לבריטית על YEB מכסה את ההגדרות הספציפיות המעורבות. ב- YEB Translate, וריאנט השפה הוא אחד מ-22 הגדרות שפה זמינות במערכת ההקשר. כאשר אנגלית נבחרת כשפת היעד, המשתמש יכול לציין וריאנטים אמריקאים, בריטיים, אוסטרליים או אחרים. המודל AI מקבל את ההעדפה הזו כחלק מחוט ההקשר וייצר פלט המשתמש בעקביות בכללי האיות הנכונים, בחירות אוצר המילים, ובתבניות idiom עבור אותו גרסה. לא נדרש סיבוב עריכה.

אותו מנגנון עובד לכל זוג שפה שיש וריאנטים אזוריים. ברזילאי לעומת פורטוגזית אירופאית. אמריקנית לעומת ספרדית חצוף. סיני מפושט לעומת מסורתי. קנדי לעומת צרפתית מטרופוליטנית. ההגדרה נעשתה פעם אחת, חוזרת על עצמה על פני הפעילות, וחלה על כל טקסט מעובד במהלך אותה הפעילות. לצוותי תוכן שטיפול ביישום בקנה מידה גדול, זה מבטל קטגוריה שלמה של עבודת הבטחת איכות.

למה Bias בנתוני הכשרה הופך את זה גרוע מאשר זה נראה

הסיבה שרוב כלי התרגום ברירת מחדל לאנגלית אמריקאית היא פשוטה: האינטרנט מכיל יותר טקסט באנגלית אמריקאית מאשר אנגלית בריטית. נתוני הכשרה למודלים AI מקורם בעיקר מתוכן אינטרנט, והתוכן של אינטרנט נשלט על ידי פרסומים אמריקאיים, חברות אמריקאיות וטקסט שנוצר על ידי משתמשים אמריקאיים. כאשר מודל AI לומד מה "נכון" אנגלית נראית, זה לומד מגוף שמוטה אמריקאי כברירת מחדל.

הטיה זו לא בכוונה, אך היא קבועה. גם כאשר כלי תרגום מעודכנים עם מודלים חדשים יותר, התפלגות הנתונים הבסיסית לא השתנתה. אנגלית אמריקאית נשארת הגרסה הרוב בקורפוסי הכשרה, מה שאומר שהפלט ברירת המחדל ממשיך להישען אמריקאי ללא קשר לשאלה האם המשתמש צריך בריטי, אוסטרלי, דרום-אפריקאי או וריאנט אחר. המודל לא בוחר באנגלית אמריקאית כי זה טוב יותר. הוא בוחר בזה כי ראה יותר ממנה.

עבור משתמשים תרגום לאנגלית מלשונות אחרות, זה יוצר בעיה בלתי נראית. הפלט נראה נכון כי זה תקין מבחינה דקדוקית. המשפטים הגיוניים. אוצר המילים מתאים. אבל הגרסה אינה נכונה לקהל המיועד, והשא המשתמש מכיר מספיק את שני הגרסאות כדי לתפוס כל הבדל, חוסר ההתאמה מחליק דרך. מנהל שיווק גרמני תרגום עותק מוצר עבור שוק הממלכה המאוחדת לא יכול להבחין כי "aluminum" אמור להיות "aluminium" או כי "skeptical" אמור להיות "sceptical." אלה לא שגיאות שמבדקי דקדוק דגל כי שני ההיגויים תקפים. הם פשוט תקפים בדולים שונים.

מערכת ההקשר ב- תרגומן AI של YEB מתייחס לוריאנט שפה כהגדרה מהדרגה הראשונה ולא כמחשבה שנייה. זה חשוב כי מודל AI מתאים לא רק איות אלא בחירת אוצר מילים, בחירת idiom, ואפילו מבנה משפט על בסיס הגרסה. אנגלית בריטית נוטה לכיוון קונסטרוקציות פורמליות מעט יותר בכתיבה עסקית. אנגלית אמריקאית משתמשת בביטויים ישירים יותר. אנגלית אוסטרלית יש רישום לא רשמי משלה שונה משניהם. אלה הבדלים עדינים שדובר מקומי בן אדם מייצר בחוסר הכרה, וכי מודל AI יכול רק לעשות כשאמרו לו איזו גרסה לכוון אליה.

העלות האמיתית של קבלת הגרסה לא בסדר

לדוא"ל אישי, אף אחד לא טורח אם "צבע" או "צבע" מופיע. לתוכן שפורסם, ההימורים שונים. אתר .co.uk באמצעות איות אמריקאי לאורך כל הדרך נראה לא מלוטש. אתר .com מכוון קוראים אוסטרליים עם איות בריטי נראה מעט כבוי. אלה לא כשלים דרמטיים. הם נתחים נייר שמטבח ויוצרים רושם כללי של חוסר זהירות.

בתעשיות מוסדרות, עקביות וריאנט יכולה להיות בעיה עמידה. מסמכים משפטיים בבריטניה עקבו אחר כללים בריטיים. ספרות רפואית עבור ה-NHS משתמשת בטרמינולוגיה בריטית. פרסומי ממשלה עקוב אחר מדריכי סגנון קפדנים המציינים שימוש בגרסה כל דרך לכלים בודדים. הגשת מסמך מתורגם התשתמש בגרסה הלא נכונה בהקשרים אלה זה לא רק slop. זה יכול להציץ דחייה או בקשות תיקון שמעכבות פרויקטים שלמים.

ה- השוואה עם DeepL מדגיש זאת כאחד מהאזורים הספציפיים שבהם כלים תרגום כלליים הם קצרים. DeepL מייצר תרגומים מעולים מבחינת שטף ודיוק, אך עד לאחרונה לא הציע דרך לציין איזה גרסה אנגלית לייצר. משתמשים שהם צריכים אנגלית בריטית היה צורך או לקבל מה שהמודל נתן להם או להריץ שלב המרה נפרד לאחר מכן. אותה מגבלה קיימת בכל מקום ברוב ה- כלים תרגום AI זעירים בשוק.

מה שעושה את גישת ההקשר שונה היא בחירה גרסה קורה לפני התרגום, לא לאחר מכן. מודל AI לא מייצר טקסט אנגלית אמריקאית ואז להמיר אותו לבריטי. זה מייצר טקסט אנגלית בריטית מהתחלה, בחירה המילים הנכונות, האיות הנכון, והקונסטרוקציות הנכונות מהמשפט הראשון. זה גישה שונה מהצד ניגודי עיבוד-לאחר מכן, וזה מייצר תוצאות אשר קוראות באופן טבעי בגרסה היעד ולא מרגישות כמו אנגלית אמריקאית עם קוט בריטי דק.