Boja ili Colour i Zašto AI Prevod Bez Konteksta Nema Smisla

Negde u deljenom fasciklu leži dokument koji je trebao biti opis proizvoda za britansku publiku. Tekst je originalno napisan na nemačkom jeziku, preveden na engleski pomoću jednog od glavnih onlajn alata za prevod i dostavljen marketinškom timu. Na prvi pogled je izgledao dobro. Gramatika je bila ispravna, rečenice su tekle razumno dobro, a značenje je sačuvano. Zatim je neko iz Londona primetio problem. Dokument je koristio "color" umesto "colour", "organize" umesto "organise", "center" umesto "centre" i "analyze" umesto "analyse". Svaki izbor pisanja je bio u skladu sa američkim konvencijama. Za dokument namenjen britanskim kupcima, objavljen na domeni .co.uk, to nije bilo prihvatljivo.

Frustrirajući deo nije bio što je prevod bio pogrešan. Frustrirajući deo je bio što nije bilo načina da se alatu kaže koja verzija engleskoga da se koristi. Google Translate ima jednu opciju: English. DeepL ima jednu opciju: English. Nijedan ne pita da li je cilj čitalac u Mančesteru ili čitalac u Njujorku. Rezultat se generiše, varijanta se bira prema onome što se pojavilo najviše u podacima za obuku, a korisnik mora ručno da pronađe i zameni svaku instancu američkog pisanja u dokumentu koji je od početka trebao biti britanskog.

Ovo može zvučati kao manja zamerka. Razlike u pisanju između britanskog i američkog engleskoga su dobro dokumentovane i relativno predvidive. Ali razlike idu daleko dalje od zamene "ou" sa "o" i "ise" sa "ize". Vokabular se značajno razlikuje. "Boot" je prtljažnik. "Bonnet" je poklopac motora. "Trousers" su pantalone, ali "pants" su donje rublje. "Biscuits" su keks. "Chips" su pomfrit, ali "crisps" su čips. "Flat" je stan. "Prvi sprat" je zapravo drugi sprat. Ove razlike u vokabularu mogu zaista zbuniti čitaoce kada se pogrešna varijanta pojavi u inače dobro napisanom tekstu.

Za svakoga ko upravlja višejezičkim sadržajem, posebno web sajtovima, aplikacijama ili marketinškim materijama koji moraju da postoje i na britanskom i na američkom engleskome, nedostatak kontrole varijante u alatima za prevod stvara pravi posao. Svaki preveden dokument treba ručnu pretragu specifično da se procene i isprave neslaganja varijanti. Ta pretraga traje, košta novac i potpuno se može izbići ako alat za prevod jednostavno zna koju varijantu da koristi.

Isti Jezik, Različite Konvencije, Nula Kontrole

Britanski i američki engleski nisu jedini par sa ovim problemom, iako su najviše srećani. Portugalski se deli na brazilski portugalski i evropski portugalski, sa razlikama u pisanju, gramatici, vokabularu i čak korišćenju zamena koje su dovoljno značajne da tekst bude stran čitaocima druge varijante. Španac se razlikuje između latinoameričkih i pirenejskih konvencija, sa glagolskim oblicima, žargonom i vokabularom koji se značajno razlikuju. Francuski ima različite konvencije u Francuskoj, Kanadi, Belgiji i raznim afričkim nacijama. Kineski se deli između pojednostavljenih i tradicionalnih karaktera, što nije samo razlika u pisanju već potpuno drugačiji set karaktera.

U svakom od ovih slučajeva, proizvodnja pogrešne varijante nije manji kozmetski problem. Brazilski čitalac koji naiđe na evropsku portugalsku pisanu verziju u opisu proizvoda će to odmah primetiti. To stvara osećaj distanciranosti, kao da kompaniji nije do toga da pravilno lokalizuje. Za preduzeća koja pokušavaju da izgrade poverenje na određenim regionalnim tržištima, ova vrsta neslaganja podriva ceo napor. Sadržaj bi mogao biti ostavljen neprevedesan ako prevod signalizira "mi zapravo ne znamo vaše tržište".

Vodič za konverziju između američkog i britanskog engleskoga na YEB pokriva specifične postavke uključene. U YEB Translate, jezička varijanta je jedna od 22 jezičke postavke dostupne u sistemu konteksta. Kada je engleski odabran kao ciljni jezik, korisnik može da specificira američke, britanske, australijske ili druge regionalne varijante. AI model prima ovu preferencu kao deo stringa konteksta i proizvodi izlaz koji konzistentno koristi ispravne konvencije pisanja, izbore vokabulara i idijomatske izraze za tu varijantu. Nije potrebna nikakva pretraga nakon uređivanja.

Isti mehanizam radi za svaki par jezika koji ima regionalne varijante. Brazilski vs. evropski portugalski. Latinoamerički vs. pirenejski španac. Pojednostavljeni vs. tradicionalni kineski. Kanadski vs. metropolitanski francuski. Postavka se napravi jednom, ostaje tokom sesije i primenjuje se na svakom komadu teksta obrađenog tokom te sesije. Za timove sadržaja koji rukuju lokalizacijom u skali, ovo eliminiše celu kategoriju rada na osiguranju kvalitete.

Zašto Pristrasnost Podataka za Obuku Čini Ovo Lošije Nego Što Se Čini

Razlog zbog kojeg većina alata za prevod koristi američki engleski kao podrazumevanu opciju je direktan: internet sadrži više američkog engleskog teksta nego britanskog engleskog teksta. Podaci za obuku za AI modele se prepodno nabavljaju iz web sadržaja, a web sadržaj dominiran je američkim publikacijama, američkim kompanijama i američkim korisnički generisanim tekstom. Kada AI model nauči kako izgleda "korektni" engleski, uči iz korpusa koji je pristran prema Americi po defaultu.

Ova pristrasnost nije namerna, ali je trajanja. Čak i kada se alati za prevod ažuriraju sa novijim modelima, osnovna distribucija podataka se nije promenila. Američki engleski ostaje majoritetna varijanta u korpusima za obuku, što znači da podrazumevano izlaz nastavlja da se naginje prema Americi bez obzira da li korisnik treba britanskog, australijskog, južnoafričkog ili bilo koje druge varijante. Model ne bira američki engleski jer je bolji. On ga bira jer je video više od njega.

Za korisnike koji prevode na engleski iz drugih jezika, ovo stvara nevidljiv problem. Izlaz izgleda ispravno jer je gramatički ispravan. Rečenice imaju smisla. Vokabular je odgovarajući. Ali varijanta je pogrešna za nameravanu publiku, i osim ako korisnik nije dovoljno pozvan sa obe varijante da prosledi svaku razliku, neslaganje prolazi. Nemački menadžer marketinga koji prevodi kopiju proizvoda za britansko tržište možda neće primetiti da "aluminum" treba biti "aluminium" ili da "skeptical" treba biti "sceptical". Ovo nisu greške koje detektori gramatike žandarmer jer su oba pisanja validna. Ona su jednostavno validna u različitim zemljama.

Sistem konteksta u YEB AI prevoditelju tretira jezičku varijantu kao postavku prvog reda umesto kao afterthought. Ovo je važno jer AI model prilagođava ne samo pisanje već vokabular, izbor idijoma i čak strukturu rečenice na osnovu varijante. Britanski engleski teži ka malo formalnim konstrukcijama u poslovnom pisanju. Američki engleski koristi direktnije formulacije. Australijski engleski ima svoju neformalno registar koji se razlikuje od oba. Ovo su male razlike koje čovjek koji govori kao materni jezik proizvodi nesvesno, a koju AI model može reproducirati samo kada mu se kaže koja varijanta da ciljan.

Prava Cena Ako Greška Varijantu

Za ličnu e-poruku, nikoga nije briga da li se pojavi "colour" ili "color". Za objavljeni sadržaj, ulozi su drugačiji. Sajtova .co.uk koji koristi američko pisanje tokom izgleda nepoliran. Sajt .com koji ciljan australijske čitaoce sa britanskim pismom izgleda malo čudno. Ovo nisu dramatični neuspesi. Oni su papirni rezovi koji se akumuliraju i stvaraju opšti utisak nepažnje.

U regulisanim industrujama, konzistentnost varijante može biti problem usklađenosti. Pravni dokumenti u Velikoj Britaniji prate britanske konvencije. Medicinska literatura za NHS koristi britansku terminologiju. Vladine publikacije prate stroge vodiče za stil koji specificiraju upotrebu varijanti do pojedinačnih reči. Predložiti prevedeni dokument koji koristi pogrešnu varijantu u ovim kontekstima nije samo neurednog. To može izazvati odbijanje ili zahteve za revizijom koji odložu čitave projekte.

Poređenje sa DeepL-om ističe ovo kao jednu od specifičnih oblasti gde opšti alati za prevod padaju. DeepL proizvodi odličan prevod u pogledu tečnosti i tačnosti, ali do nedavno nije nudio način da se specificira koja se engleska varijanta pristvori. Korisnici koji su trebali britanski engleski morali su ili da prihvate ono što je model dao ili da pokrenuu odvojena koraka konverzije nakon toga. Isto ograničenje postoji kroz većinu glavnih AI alata za prevod na tržištu.

Ono što pristup konteksta razlikuje je da izbor varijante dogoditi se pre prevoda, ne posle. AI model ne proizvodi tekst na američkom engleskome i potom ga ne pretvara u britanski. Proizvodi tekst britanskog engleskoga od početka, biranjem pravilne reči, ispravnog pisanja i ispravnih konstrukcija iz prvog reda. Ovo je fundamentalno drugačiji pristup nego nalaženje i zamena post-obrade, i on proizvodi rezultate koji se čitaju prirodno u ciljnoj varijanati umesto da se osećaju kao američki tekst sa tankom britanskom plasticom.