Color ose Colour dhe Pse Përkthimi i AI pa Kontekst Është i Pakuptimtë

Ka një dokument i shëmtuar në një dosje të përbashkët diku që supozohej të ishte një përshkrim produkti për audiencën britanike. Teksti origjinal ishte shkruar në gjermanisht, përkthyer në anglisht duke përdorur një nga mjetet kryesore të përkthimit në internet, dhe dorëzuar në ekipin e marketingut. Dukej mirë në pamje të parë. Gramatika ishte e saktë, frazat rrjedhnin mjaft mirë, dhe kuptimi ishte ruajtur. Pastaj dikush në Londër e shënoi. Dokumenti përdorte "color" në vend të "colour," "organize" në vend të "organise," "center" në vend të "centre," dhe "analyze" në vend të "analyse." Çdo zgjedhje drejtshkrimi ndjekej konventat amerikane. Për një dokument të synuar për klientët britanikë, publikuar në një domenë .co.uk, kjo nuk ishte e pranueshme.

Pjesa më frustruese nuk ishte që përkthimi ishte i gabuar. Pjesa më frustruese ishte se nuk kishte asnjë mënyrë për t'i thënë mjetit cilën version të anglishtes të prodhonte. Google Translate ka një opsion: English. DeepL ka një opsion: English. Asnjëra nuk pyet nëse synimi është një lexues në Manchester apo një lexues në Manhattan. Rezultati gjenerohet, varianti zgjidhet sipas cilësdo kombinimi që u shfaqën më shumë në të dhënat e trajnimit, dhe përdoruesi merr në dorë të gjendet dhe të zëvendësojë çdo shembull të drejtshkrimit amerikan në një dokument që supozohej të ishte britanik nga e fillimi.

Kjo mund të tingëllojë si një ankesë e vogël. Dallimet në drejtshkrimin midis anglishtes britanike dhe amerikane janë mirë të dokumentuara dhe relativisht të parashikueshme. Por dallimet shkojnë shumë më larg se zëvendësimi i "ou" me "o" dhe "ise" me "ize." Fjalorit ndryshon ndjeshëm. Një "boot" është një kapakë. Një "bonnet" është një kapak. "Trousers" janë pantalona, por "pants" janë në veshje të brendshme. "Biscuits" janë biskvita. "Chips" janë patate të skuqura, por "crisps" janë çips. Një "flat" është një apartament. "First floor" është në fakt dyshemeja e dytë. Këto ndryshime fjalori mund të ngatërojnë vërtet lexuesit kur përshfaqet varianti i gabuar në një tekst tjetër të shkruar mirë.

Për këdo që menaxhon përmbajtje shumëgjuhëshe, veçanërisht faqet e internetit, aplikacionet ose materialet e marketingut që duhet të ekzistojnë në anglisht britanike dhe amerikane, mungesa e kontrollit të variantit në mjetet e përkthimit krijon punë të vërtetë. Çdo dokument i përkthyer ka nevojë për një kalim manual të rishikimit posaçërisht për të kapur dhe korrigjuar mospërputhjet e variantit. Ky kalim rishikimi merr kohë, kuston para, dhe është plotësisht i shmangshëm nëse mjeti i përkthimit thjesht e dinte cilën variant të prodhonte.

E Njëjta Gjuhë, Konvencione të Ndryshme, Asnjë Kontroll

Anglishtja britanike dhe amerikane nuk janë çifti i vetëm me këtë problem, megjithëse janë më të zakonshmet. Португалиshtja ndahet në Portugalisht Brazilian dhe Portugalisht Evropian, me ndryshime në drejtshkrimin, gramatikën, fjalorin, dhe madje edhe përdorimin e zëmëravet që janë domethënëse mjaftueshëm për ta bërë tekstin të ndjehet i huaj për lexuesit e variantit tjetër. Spanishta ndryshon midis konventave latinoamerikane dhe peninsula, me forma foljesh, fjalëparime, dhe fjalor që ndryshojnë ndjeshëm. Frenjshtja ka konvencione të dallueshme në Francë, Kanada, Belgjikë, dhe vende të ndryshme afrikane. Kineja ndahet midis karaktereve të thjeshtuar dhe tradicionale, e cila nuk është thjesht një ndryshim i drejtshkrimit, por një grup karakteresh plotësisht i ndryshëm.

Në secilën nga këto raste, prodhimi i variantit të gabuar nuk është një çështje e vogël kozmetike. Një lexues brazilian që has normin e portugalisht evropian në një përshkrim produkti do ta vërejë menjëherë. Ajo krijon një ndjenjë distance, sikur kompania nuk dukej e mjaftueshme për lokalizim të duhur. Për bizneset që përpiqen të ndërtojnë besim në treg rajonal të caktuar, kjo lloj mospërputhje nënkupton tërë përpjekjen. Përmbajtja mund të jetë aq mirë nëse nuk ishte përkthyer nëse përkthimi sinjalon "nuk e njohim vërtet tregun tuaj."

Udhëzuesi i konvertimit midis anglishtes amerikane dhe britanike në YEB mbulon cilësimet specifike të përfshira. Në YEB Translate, varianti i gjuhës është një nga 22 cilësimet e gjuhës të disponueshme në sistemin e kontekstit. Kur anglishtja zgjidhet si gjuha e synimit, përdoruesi mund të specifikojë variantet amerikane, britanike, australiane, ose rajone të tjera. Modeli i AI merr këtë preferencë si pjesë e vargut të kontekstit dhe prodhon rezultat që në mënyrë konsistente përdor konventat e duhura të drejtshkrimit, zgjedhjet e fjalorit, dhe shprehjet idiomatike për atë variant. Nuk kërkohet kalim post-redaktim.

Mekanizmi i njëjtë punon për çdo çift gjuhësh që ka variantë rajonale. Braziliane vs. Portugalisht Evropian. Latinoamerike vs. Spanisht Peninsular. E thjeshtuar vs. Kinezare Tradicionale. Kanadeze vs. Frenjsht Metropolit. Cilësimet bëhen një herë, mbeten në sesion, dhe zbatohen në çdo pjesë teksti të përpunuar gjatë seancës. Për ekipet e përmbajtjes që trajtojnë lokalizimin në shkallë, kjo elemizon një kategori të plotë të punës së sigurimit të cilësisë.

Pse Paragjykimi i të Dhënave të Trajnimit e Bën Këtë më të Keq sesa Duket

Arsyeja pse shumica e mjeteve të përkthimit parazgjedhin anglishten amerikane është e drejtpërdrejtë: interneti përmban më shumë tekst në anglisht amerikan sesa tekst në anglisht britanik. Të dhënat e trajnimit për modelet e AI-t janë përgjithësisht të mbuluara nga përmbajtje në internet, dhe përmbajtja e internetit dominohet nga publikacione amerikane, kompani amerikane, dhe tekst i gjeneruar nga përdoruesit amerikan. Kur një model i AI mëson se si duket "e drejtë" anglishtja, mëson nga një korpus që prirë amerikan si parazgjedhje.

Ky paragjykim nuk është qëllimor, por është i vazhdueshëm. Madje edhe kur mjetet e përkthimit azhurnohen me modele më të reja, shpërndarja bazë e të dhënave nuk ka ndryshuar. Anglishtja amerikane mbetet varianti i shumicës në korpuset e trajnimit, që do të thotë se rezultati i parazgjedhjes vazhdon të prirë amerikan pavarësisht nëse përdoruesi i nevojitet britanike, australiane, e Afrikën e Jugut, ose ndonjë variant tjetër. Modeli nuk zgjidh anglishten amerikane sepse është më mirë. E zgjidh sepse e ka parë më shumë të saj.

Për përdoruesit që përkthejnë në anglisht nga gjuhë të tjera, kjo krijon një problem të padukshëm. Rezultati duket i saktë sepse është gramatikisht i saktë. Frazat kanë kuptim. Fjalorin është i përshtatshëm. Por varianti është i gabuar për audiencën e synuar, dhe përveç nëse përdoruesi është mjaftueshëm i njohur me të dy variantet për të kapur çdo ndryshim, mospërputhja rrëshqet përmes. Një menaxher germani i marketingut që përkthehet kopje produkti për tregun britanik mund të mos vërejë se "aluminum" duhet të jetë "aluminium" ose se "skeptical" duhet të jetë "sceptical." Këto nuk janë gabime që kontrolluesit e gramatikës shënojnë sepse të dy drejtshkrimet janë të vlefshme. Ato janë thjesht të vlefshme në vende të ndryshme.

Sistemi i kontekstit në përkthyes i AI-t të YEB trajton variantin e gjuhës si një cilësim me klasë të parë sesa si një mendim i dytë. Kjo ka rëndësi sepse modeli i AI përshtat jo vetëm drejtshkrimin, por zgjedhjen e fjalorit, përzgjedhjen e idiomave, dhe madje edhe strukturën e frazës bazuar në variant. Anglishtja britanike tenton drejt ndërtimesh paksa më formale në shkrimin e biznesit. Anglishtja amerikane përdor më shumë shprehje të drejtpërdrejtë. Anglishtja australiane ka regjistrin e saj të paformalt që ndryshon nga të dyja. Këto janë dallime të delikate që një lexues indijent nëntokar i prodhon në mënyrë të pavetëdijshme, dhe që një model i AI mund të riprodhojë vetëm kur i thuhet se cili variant të synojë.

Kostoja e Vërtetë e Marrjes Gabim të Variantit

Për një email personal, askush nuk shqetësohet nëse shfaqet "colour" ose "color". Për përmbajtje të publikuar, kazinot janë të ndryshme. Një faqe interneti .co.uk që përdor drejtshkrime amerikane gjatë duket e papoliruar. Një faqe interneti .com që synon lexuesit australianë me drejtshkrimin britanik duket pak jashtë. Këto nuk janë dështime dramatike. Ato janë copat e letrës që grumbullohen dhe krijojnë një përshtypje të përgjithshme të pakujdesshmerisë.

Në industri të rregulluara, konsistenca e variantit mund të jetë çështje përputhje. Dokumentet ligjore në MB ndjekin konvencet britanike. Letërsia mjekësore për NHS përdor terminologjinë britanike. Publikacionet e qeverisë ndjekja udhëzue të rreptë të stilit që specifikoni përdorimin e variantit poshtë në fjalë individuale. Dorëzimi i një dokumenti të përkthyer që përdor variantin e gabuar në këto kontekste nuk është thjesht i papastër. Mund të shkaktojë refuzim ose kërkesa rishikimi që vonojnë projektë të tëra.

Krahasimi me DeepL thekson këtë si njëra nga zona të caktuara ku mjetet e përgjithshme të përkthimit nuk arrijnë. DeepL prodhon përkthime të shkëlqyer në aspektin e rrjedhshmërisë dhe saktësisë, por deri kohët e fundit nuk ofroi asnjë mënyrë për të specifikuar se cilën variant anglisht të prodhuatë. Përdoruesit që kishin nevojë për anglisht britanike duhej ose të pranojnë atë që modeli u dha ose të ekzekutojnë një hap konvertimi të veçantë më vonë. I njëjti kufizim ekziston në të gjithë shumicën e mjeteve kryesore të përkthimit të AI në treg.

Ç'i bën qasjen e kontekstit të ndryshme është që përzgjedhja e variantit ndodh përpara përkthimit, jo pas. Modeli i AI nuk prodhon tekst në anglisht amerikan dhe pastaj e konverton në britanik. Ajo prodhon tekst në anglisht britanik nga e fillimi, duke zgjedhur fjalët e duhura, drejtshkrimet e duhura, dhe ndërtimet e duhura nga vetë e para fjali. Kjo është një qasje në themel të ndryshme sesa post-përpunimi i gjetjes dhe zëvendësimit, dhe ajo prodhon rezultate që lexuhen natyrisht në variantin e synimit sesa të ndjehen si tekst amerikan me një shtresë të hollë britanike boje.