Farba alebo Colour a Prečo AI Preklad Bez Kontextu Nemá Zmysel

Niekde v zdieľanom priečinku leží dokument, ktorý mal byť popisom produktu pre britské publikum. Text bol pôvodne napísaný po nemčine, preložený do angličtiny pomocou jedného z hlavných online prekladateľských nástrojov a odovzdaný marketingovému tímu. Na prvý pohľad to vyzeralo dobre. Gramatika bola správna, vety priam plynulo a význam bol zachovaný. Potom to некто v Londýne upozornil. Dokument používal "color" namiesto "colour", "organize" namiesto "organise", "center" namiesto "centre" a "analyze" namiesto "analyse". Každá voľba pravopisu dodržiavala americké konvencie. Pre dokument určený britským zákazníkom, publikovaný na doméne .co.uk, toto nebolo prijateľné.

Frustrujúca časť nebola, že preklad bol nesprávny. Frustrujúca časť bola, že neexistoval žiadny spôsob, ako nastroj informovať, ktorú verziu angličtiny vyrobiť. Google Translate má jednu možnosť: angličtina. DeepL má jednu možnosť: angličtina. Ani jeden sa nepýta, či sú čitatelia v Manchestri alebo na Manhattane. Výstup sa vygeneruje, varianta sa zvolí na základe toho, aký vzor sa objavil najviac v údajoch o trénovaní, a používateľ dostane možnosť ručne nájsť a nahradiť každú instanciu amerického pravopisu v dokumente, ktorý mal byť britský od začiatku.

Mohlo by sa zdať, že ide o malú sťažnosť. Rozdiely v pravopise medzi britskou a americkou angličtinou sú dobre zdokumentované a relatívne predvídateľné. Ale rozdiely idú ďaleko za jednoduché nahradenie "ou" za "o" a "ise" za "ize". Slovník sa výrazne líši. "Boot" je kufr. "Bonnet" je kapota. "Trousers" sú nohavice, ale "pants" sú spodné prádlo. "Biscuits" sú sušienky. "Chips" sú hranolky, ale "crisps" sú chipsety. "Flat" je byt. "First floor" je v skutočnosti druhé poschodie. Tieto rozdiely v slovníku môžu naozaj zmiasť čitateľov, keď sa v inak dobre napísanom texte objaví nesprávna varianta.

Pre všetkých, ktorí spravujú mnohojazyčný obsah, najmä webové stránky, aplikácie alebo marketingové materiály, ktoré musia existovať v britskej a americkej angličtine, nedostatok kontroly varianty v prekladateľských nástrojoch vytvára skutočnú prácu. Každý preložený dokument potrebuje ročku ručného posúdenia špeciálne na zachytenie a opravu nesúladov varianty. Toto posúdenie trvá čas, stojí peniaze a je úplne zbytočné, ak prekladateľský nástroj jednoducho vedel, ktorú variantu vyrobiť.

Rovnaký Jazyk, Rôzne Konvencie, Nulová Kontrola

Britská a americká angličtina nie sú jedinou dvojicou s týmto problémom, hoci sú to najviac stretávané. Portugalčina sa delí na brazílsku portugalčinu a európsku portugalčinu s rozdielmi v pravopise, gramatike, slovníku a dokonca v používaní zámien, ktoré sú dostatočne významné na to, aby text pôsobil cudzie pre čitateľov druhej varianty. Španielčina sa líši medzi latinoamericko-pénnsulárnymi konvenciami s formami slovies, slankom a slovníkom, ktoré sa výrazne líšia. Francúzština má odlišné konvencie vo Francúzsku, Kanade, Belgicku a rôznych afrických národoch. Čínština sa delí na zjednodušené a tradičné znaky, čo nie je len rozdiel v pravopise, ale úplne iný súbor znakov.

V každom z týchto prípadov výroba nesprávnej varianty nie je malou kozmetickou záležitosťou. Brazílsky čitateľ, ktorý narazí na európsky portugalský pravopis v popise produktu, si to okamžite všimne. Vytvára to pocit vzdialenosti, akoby sa spoločnosti nestarala dosť na to, aby sa lokalizovala správne. Pre podniky, ktoré sa snažia vybudovať dôveru na špecifických regionálnych trhoch, tento druh nesúladu podkopáva celé úsilie. Obsah by bol rovnako dobre ponechaný nepreložený, ak preklad signalizuje "vlastne nepoznáme váš trh".

Príručka o prevode medzi americkou a britskou angličtinou na YEB pokrýva špecifické nastavenia zahrnuté. V YEB Translate je jazyková varianta jedným z 22 nastavení jazyka dostupných v systéme kontextu. Keď je angličtina zvolená ako cieľový jazyk, používateľ môže špecifikovať americké, britské, austrálske alebo iné regionálne varianty. Model AI dostane túto preferenciu ako súčasť reťazca kontextu a produkuje výstup, ktorý konzistentne používa správne konvencie pravopisu, voľby slovníka a idiomatické výrazy pre danú variantu. Bez ročky úprav.

Rovnaký mechanizmus funguje pre každý jazykový pár s regionálnymi variantami. Brazílska vs. európska portugalčina. Latinoamerická vs. Pénnsulárnska španielčina. Zjednodušená vs. tradičná čínština. Kanadská vs. metropolitná francúzština. Nastavenie sa vykoná raz, pretrvá počas relácie a aplikuje sa na každý kus textu spracovaný počas tejto relácie. Pre tímy obsahu spravujúce lokalizáciu vo veľkom meradle to eliminuje celú kategóriu práce na zabezpečení kvality.

Prečo Zaujatosť Trénovacích Údajov to Robí Horšie, Ako to Vyzerá

Dôvod, prečo väčšina prekladateľských nástrojov preferuje americkú angličtinu, je jednoduchý: internet obsahuje viac amerického anglického textu ako britský anglický text. Trénovacie údaje pre modely AI sú v prevažnej miere pochádzajúce z webového obsahu a webový obsah je dominovaný americkými publikáciami, americkými spoločnosťami a americkými používateľmi generovaným textom. Keď sa model AI naučí, ako vyzerá "správna" angličtina, učí sa z korpusu, ktorý je v predvolenom nastavení skloňovaný smerom k americkej angličtine.

Táto zaujatosť nie je zámená, ale je trvalá. Aj keď sa prekladateľské nástroje aktualizujú s novšími modelmi, základné rozdelenie údajov sa nezmenilo. Americká angličtina ostáva majoritnou variantou v trénovacích korpoch, čo znamená, že výstup v predvolenom nastavení naďalej má sklon k americkej angličtine bez ohľadu na to, či používateľ potrebuje britskú, austrálsku, juhoafrikanskú alebo akúkoľvek inú variantu. Model si nevybral americkú angličtinu, pretože je lepšia. Vybrala si ju, pretože ju videla viac.

Pre používateľov prekladajúcich do angličtiny z iných jazykov to vytvára neviditeľný problém. Výstup vyzerá správne, pretože je gramaticky správny. Vety majú zmysel. Slovník je vhodný. Ale varianta je nesprávna pre zamýšľané publikum a pokiaľ používateľ nie je dostatočne oboznámený s oboma variantami, aby zachytil všetky rozdiely, nesúlad prejde. Nemecký marketingový manažér prekladajúci kópiu produktu pre britský trh si nemusí všimnúť, že "aluminum" by malo byť "aluminium" alebo že "skeptical" by malo byť "sceptical". Toto nie sú chyby, ktoré by kontrolóri gramatiky označili, pretože oba pravopisy sú platné. Sú jednoducho platné v rôznych krajinách.

Systém kontextu v prekladači YEB AI považuje jazykovu variantu za nastavenie prvej triedy namiesto neskôrého návrhu. Toto je dôležité, pretože model AI neupravuje len pravopis, ale aj voľbu slovníka, idiómu a dokonca aj štruktúru vety na základe varianty. Britská angličtina má tendenciu smerom k mierne formálnejším konštrukciám v obchodnom písaní. Americká angličtina používa priamejšie formulácie. Austrálska angličtina má svoj vlastný neformálny register, ktorý sa líši od oboch. Toto sú jemné rozdiely, ktoré človek rodený hovorcom vyprodukuje bezvedomie a ktoré model AI môže reprodukovať len vtedy, keď mu je povedané, ktorá varianta má byť cieľová.

Skutočné Náklady na Chybnú Variantu

Na osobný e-mail nikto nedbá, či sa objaví "colour" alebo "color". Pri zverejnenom obsahu sú stavy iné. Webová stránka .co.uk používajúca americké pravopisy v celom rozsahu vyzerá nedovŕšene. Webová stránka .com zameraná na austrálskych čitateľov s britským pravopisom vyzerá mierne nesprávne. Toto nie sú dramatické zlyhania. Sú to papierové rezné, ktoré sa hromadia a vytvárajú všeobecný dojem nepečlivosti.

V regulovaných odvetviach môže konzistencia varianty byť problémom súladu. Právne dokumenty v Spojenom kráľovstve nasledujú britské konvencie. Medicínska literatúra pre NHS používa britskú terminológiu. Vládne publikácie nasledujú prísne štýlové príručky, ktoré špecifikujú používanie varianty až po jednotlivé slová. Predloženie prelúčeného dokumentu, ktorý používa nesprávnu variantu v týchto kontextoch, nie je len nešikovné. Môže to spustiť odmietnutie alebo požiadavky na revíziu, ktoré oneskorujú celé projekty.

Porovnanie s DeepL zdôrazňuje toto ako jednu zo špecifických oblastí, kde všeobecné prekladateľské nástroje zaostávajú. DeepL vytvára vynikajúce preklady z hľadiska plynulosti a presnosti, ale až donedávna neponúkal žiadny spôsob, ako špecifikovať, ktorú anglickú variantu vyrobiť. Používatelia, ktorí potrebovali britskú angličtinu, museli buď prijať to, čo im model dal, alebo spustiť samostatný krok konverzie neskôr. Rovnaké obmedzenie existuje v celom rozsahu väčšiny hlavných nástrojov AI na trhu.

To, čo robí prístup kontextu iný, je, že voľba varianty sa stáva predtým, ako dôjde k prekladu, nie potom. Model AI neprodukovuje americký anglický text a potom ho konvertuje na britský. Vytvára britský anglický text od začiatku, volia správne slová, správne pravopisy a správne konštrukcie od úplne prvej vety. Toto je zásadne iný prístup ako post-spracovanie nájti a nahradiť a vytvára výsledky, ktoré sa čítajú prirodzene v cieľovej variante namiesto toho, aby pôsobili ako americký text s tenkým britským náterom farby.