Szín vagy Colour és Miért Az AI Fordítás Kontextus Nélkül Értelmetlen

Van egy dokumentum egy megosztott mappában valahol, amelyről azt volt szabad, hogy termékleírás egy brit közönségnek. A szöveget eredetileg németből írták, majd az egyik nagy online fordítóeszközzel fordították angolra, és átadták a marketing csapatnak. Első pillantásra jónak tűnt. A nyelvtan helyes volt, a mondatok ésszerűen folytak, és az jelentés megőrzödött. Majd valaki Londonban megjegyezte. A dokumentum az "color" helyett "colour"-t, az "organize" helyett "organise"-t, a "center" helyett "centre"-t, és az "analyze" helyett "analyse"-t használt. Minden egyes helyesírási választás amerikai konvenciókat követett. Egy brit ügyfeleknek szánt dokumentumhoz, amely egy .co.uk doméneon jelent meg, ez nem volt elfogadható.

A frusztráló rész nem az volt, hogy a fordítás rossz volt. A frusztráló rész az volt, hogy semmilyen módon nem lehetett közölni az eszközzel, hogy melyik angol verziót kell létrehoznia. A Google Translate egyetlen opciót kínál: English. A DeepL egyetlen opciót kínál: English. Egyik sem kérdezi meg, hogy a cél egy manchesteri vagy egy manhattani olvasó-e. A kimenet generálódik, a változat azt választja ki, amely a legtöbbet jelent meg a betanítási adatokban, és a felhasználó manuálisan minden amerikai helyesírást meg kell keresnie és cserélnie egy olyan dokumentumban, amelyről a kezdetektől brit volt szabad.

Ez lehet, hogy kisebb panasznak hangzik. A brit és amerikai angol közötti helyesírás-különbségek jól dokumentáltak és viszonylag kiszámíthatóak. De a különbségek jóval túlmutatnak az "ou" felcserélésén az "o" és az "ise" helyett az "ize" helyett. A szókincs jelentősen eltér. A "boot" egy csomagtartó. A "bonnet" egy motorház. Az "trousers" nadrág, de a "pants" alsónemű. A "biscuits" sütik. A "chips" sültkrumpli, de a "crisps" chips. A "flat" egy apartman. Az "first floor" valójában a második emelet. Ezek a szókincs-különbségek valóban meg tudják zavarja az olvasókat, amikor a rossz változat egy máskülönben jól megírt szövegben jelenik meg.

Bárki számára, aki többnyelvű tartalmat kezel, különösen webhelyeket, alkalmazásokat vagy marketing anyagokat, amelyeknek brit és amerikai angol nyelven kell létezniük, a fordítóeszközök nyelvváltozat-ellenőrzésének hiánya valódi munkát hoz létre. Minden fordított dokumentumnak szükséges egy kézi áttekintési folyamat, amely kifejezetten nyelvváltozat-eltéréseket kell keresni és kijavítani. Ez a felülvizsgálati folyamat időt vesz igénybe, pénzbe kerül, és teljes mértékben kerülhető, ha a fordítóeszköz egyszerűen tudná, hogy melyik változatot kell létrehoznia.

Ugyanaz a Nyelv, Eltérő Konvenciók, Nulla Kontroll

A brit és amerikai angol nem az egyetlen pár ezzel a problémával, bár a legtöbbet előforduló. A portugál két részre oszlik: brazil portugál és európai portugál, helyesírás, nyelvtan, szókincs és még pronomen használat tekintetében is jelentős eltérésekkel, amely elég nagy ahhoz, hogy a szöveg idegennek érezze a másik változat olvasóit. A spanyol a latin-amerikai és félszigeti konvenciók között változik, igealakokkal, argóval és szókinccsel, amelyek jelentősen eltérnek. A franciát különálló konvenciók vannak Franciaországban, Kanadában, Belgiumban és különböző afrikai nemzetekben. A kínai az egyszerűsített és hagyományos karakterekre oszlik, amely nem csak helyesírás-különbség, hanem egy teljesen más karakterkészlet.

Mindegyik esetben a rossz változat előállítása nem egy kisebb kozmetikai kérdés. Egy brazil olvasó, aki európai portugál helyesírást talál egy termékleírásban, azonnal észreveszi. Távolságot hoz létre, mintha a vállalat nem gondolt volna kellőképpen a lokalizálásra. Az olyan vállalatok számára, amelyek megbízhatóságot próbálnak építeni az adott regionális piacokon, az ilyen eltérések aláássa az egész erőfeszítést. A tartalom ugyanolyan jól nem lett volna lefordítva, mint a fordítás "nem is ismerjük az Ön piacát" jel.

A útmutató az amerikai angol brit angolra fordításáról a YEB-en az érintett beállításokat ismerteti. A YEB Translate nyelvváltozata a kontextusrendszerben elérhető 22 nyelvbeállítás egyike. Ha az angol a célnyelv, a felhasználó amerikai, brit, ausztrál vagy más regionális változatot adhat meg. Az AI modell ezt a preferenciát a kontextussztring részévé kapja, és konzisztens módon olyan kimenetet hoz létre, amely a helyes helyesírási konvenciókat, szókincs választásokat és kifejezéseket használja az adott változatban. Nincs szükség utó szerkesztési lépésre.

Az ugyanez a mechanizmus működik minden nyelvpárhoz, amely regionális változatokkal rendelkezik. Brazil vs. európai portugál. Latin-amerikai vs. félszigeti spanyol. Egyszerűsített vs. hagyományos kínai. Kanadai vs. párizsi francia. A beállítást egyszer megadják, a munkamenet során megmarad, és a munkamenet során feldolgozott szövegekre érvényes. A lokalizációs tartalomai csapatoknál ezt kiküszöböli a minőség-biztosítás munkájának teljes kategóriáját.

Miért A Betanítási Adatok Elfogultsága Ezt Rosszabbabbá Teszi, Mint Gondolnánk

Az oka, hogy a legtöbb fordítóeszköz az amerikai angolra alapértelmezi: az interneten több amerikai angol szöveg van, mint brit angol szöveg. Az AI modellek betanítási adatait túlnyomórészt webből származó tartalomból szerzik, és a webtartalom az amerikai kiadványokkal, amerikai vállalatokkal és amerikai felhasználó által létrehozott szövegekkel dominál. Amikor egy AI modell megtanul, hogy milyen a "helyes" angol, egy olyan korpuszból tanulja meg, amely alapértelmezés szerint amerikai felé hajlik.

Ez az elfogultság nem szándékos, de kitartó. Még akkor is, ha a fordítóeszközöket újabb modellekkel frissítik, az alapvetően adateloszlás nem változott. Az amerikai angol továbbra is a betanítási korpuszok többségi változata marad, ami azt jelenti, hogy az alapértelmezett kimenet továbbra is amerikai felé hajlik, függetlenül attól, hogy a felhasználónak brit, ausztrál, dél-afrikai vagy bármely más változata szükséges-e. A modell nem azért választja az amerikai angolt, mert jobb. Azért választja, mert többet látott belőle.

Az angolra fordító felhasználók számára ez láthatatlan problémát hoz létre. A kimenet helyesnek tűnik, mert nyelvtanilag helyes. A mondatok értelmesek. A szókincs megfelelő. De a változat rossz a szándékolt közönséghez, és ha a felhasználó nem elég jártas mindkét változatban ahhoz, hogy minden eltérést megragadjon, az eltérés elcsúszik. Egy német marketing-menedzser, aki termékleírást fordít az Egyesült Királyság piacára, nem veszi észre, hogy az "aluminum" legyen "aluminium" vagy hogy a "skeptical" legyen "sceptical". Ezek nem olyan hibák, amelyeket a nyelvtani ellenőrzők jelölnek meg, mert mindkét helyesírás érvényes. Különböző országokban csak érvényesek.

A YEB AI fordítójában a kontextusrendszer a nyelvváltozatot első osztályú beállításként kezeli, nem pedig utólagos gondolatként. Ez azért fontos, mert az AI modell nem csak helyesírást, hanem szókincsét, idiomatikus választását és még mondatszerkezetét is a változat alapján módosítja. A brit angol az üzleti írásban a formális konstrukciók felé hajlik. Az amerikai angol közvetlenebb megfogalmazást használ. Az ausztrál angol saját informális regisztere van, amely mindkettőtől eltér. Ezek olyan finom eltérések, amelyeket egy emberi anyanyelvi beszélő tudatlanul hoz létre, és amelyeket egy AI modell csak akkor tud reprodukálni, ha azt mondják, hogy melyik változatra kell irányulnia.

A Nyelvváltozat Rossz Felismerésének Valódi Költsége

Egy személyes e-mail esetében senki sem gondol arra, hogy az "colour" vagy a "color" megjelenik-e. A közzétett tartalom esetén a tét más. Egy .co.uk weboldal az egész amerikai helyesírásban nem kidolgozottnak tűnik. Egy .com weboldal ausztrál olvasókat célzó brit helyesírással némileg furcsán néz ki. Ezek nem drámai kudarcok. Ezek papírvágatások, amelyek felhalmozódnak és és általános gondolatlansági benyomást hoznak létre.

A szabályozott iparágakban a nyelvváltozat konzisztenciája megfelelőségi probléma lehet. A jogi dokumentumok az Egyesült Királyságban brit konvenciókat követnek. Az NHS-nek szóló orvosi irodalom brit terminológiát használ. A kormányzati kiadványok szigorú stílusutasításokat követnek, amelyek a nyelvváltozat használatot az egyes szavakig adják meg. Egy fordított dokumentumot benyújtani, amely ebben a kontextusban rossz nyelvváltozatot használ, nem csak gondatlan. Elutasítást vagy felülvizsgálati kéréseket válthat ki, amelyek teljes projekteket késleltetnek.

A DeepL-el való összehasonlítás ezt az egyik specifikus területként emeli ki, ahol az általános célú fordítóeszközök elmaradnak. A DeepL kiváló fordításokat hoz létre a folyékonysággal és a pontossággal kapcsolatban, de mostanában semmilyen módon nem kínál lehetőséget arra, hogy megadja, melyik angol változatot kell létrehoznia. Azok a felhasználók, akiknek brit angolra volt szükségük, vagy elfogadták azt, amit a modell adott, vagy egy külön konverziós lépést kellett futtatniuk utána. Ugyanez a korlátozás létezik az piacon lévő legtöbb AI fordítóeszköz között.

Amit a kontextus megközelítés eltérően tesz, az az, hogy a nyelvváltozat kiválasztása a fordítás előtt történik, nem utána. Az AI modell nem hoz létre amerikai angol szöveget, majd nem fordítja le brit-ura. A brit angol szöveget az kezdet kezdetétől hoz létre, a jó szavakat, a jó helyesírást és a jó szerkezeteket választva az első mondattól kezdve. Ez alapvetően más megközelítés, mint a keresési és csere után feldolgozás, és olyan eredményeket hoz létre, amelyek természetesen olvasnak a célnyelv-változatban, nem pedig amerikai szövegnek éreznek, amelyre vékony brit festékréteg van felhordva.