Bir Çevirinin Tanınmaz Hale Gelmesine Neden Olan On Bağlam Kategorisi

Basit bir İngilizce cümleyi ele alalım: "We need to close this quickly." (Bunu hızlı bir şekilde kapatmamız gerekiyor.) Şimdi bunu Almancaya çevirin. Herhangi bir bağlam olmadan, bir çeviri aracı genel ve teknik olarak doğru bir şey üretecektir. Fiil seçimi nötr olacak, resmiyet ortada bir yerde olacak ve ton düz olacak. Şimdi bağlam ekleyin: bu bir hukuk ekibi, sözleşme müzakeresini tartışıyor. Almanca çıktı değişir. "Close" (kapatmak), bir anlaşmayı sonlandırmak için özel bir hukuki terime dönüşür. Resmiyet düzeyi, resmi kayda kaymış olur. "Quickly" (hızlı) ile ima edilen aciliyet, bir Alman avukatın aslında kullanacağı sözcük dağarcığı aracılığıyla ifade edilir. Aynı kaynak metni, tamamen farklı çıktı.

Şimdi bağlamı tekrar değiştirin. Aynı cümle, ancak bu sefer bir yazılım geliştirme ekibinden geliyor ve bir hata biletini kapatmak hakkında konuşuyor. Almanca çeviri bir kez daha değişir. "Close" (kapatmak) şimdi proje yönetimi araçlarında kullanılan teknik terimi eşleştirir. Kayıt resmiyet düzeyine düşer. Sözcük dağarcığı, Alman geliştiricilerin standuplarda ve Slack kanallarında konuştukları şekille uyum sağlar. Cümle hala İngilizcede aynı anlama gelir. Almanca versiyonları birbirlerine hiç benzemiyor ve benzememeleri de gerekir, çünkü tamamen farklı durumları açıklıyorlar.

Bu, bağlam içermeyen çevirinin temel problemidir. Kaynak metni belirsizdir ve çevirmen bu belirsizliği tahmin ederek çözer. Bazen tahmin doğru olur. Genellikle, teknik açıdan doğru ancak anlamsal olarak hatalı bir çıktı üretir; teknik olarak doğru şeyi söyleyen ama hiçbir ana dili konuşan kişinin o belirli durumda asla kullanmayacağı bir şekilde söyleyen metin. YEB Translate içindeki on bağlam kategorisi, tam olarak bu tahmini ortadan kaldırmak için mevcuttur. Her bir kategori, yapay zeka modeline çeviri sırasında daha iyi seçimler yapması için ihtiyaç duyduğu bilgiyi sağlar ve birlikte genel makine çıktısını, sanki durumu gerçekten anlayan birisi tarafından yazılmış gibi okunan metne dönüştürürler.

Sektör, Kitle ve Amaç

İlk üç kategori herhangi bir çeviri bağlamının temelini oluşturur. Sektör, modele metnin hangi alan ait olduğunu söyler ve bu, teknik sözcük dağarcığı seçimini doğrudan kontrol eder. "Protocol" gibi bir sözcük, bir tıbbi bağlamda, ağ bağlamından veya diplomatik bağlamdan tamamen farklı sözcük dağarcığını tetikler. Sektör ayarı olmadan, model eğitim verilerinde en sık gördüğü anlamı seçer; "protocol" için bu genellikle teknolojiye geri döner. Sektörü sağlık hizmetlerine ayarlayın ve çıktı, otomatik olarak doğru tıbbi terminolojiyi kullanır.

Kitle, çevrilen metni kimin okuyacağını belirtir. Mühendislere yönelik teknik bir belge, genel bir kitle için yazılan aynı bilgiden farklı sözcük dağarcığı kullanır ve farklı arka plan bilgisini varsayar. Tüketiciler için bir ürün açıklaması, geliştirme ekibi için bir iç spesifikasyon belgesinden daha basit bir dil ve daha ikna edici bir çerçeve kullanır. Kitle kategorisi, neyin söylendiğini değiştirmez. Nasıl söylendiğini değiştirir, okuyucunun beklenen seviyesi ile eşleşmesi için karmaşıklığı, jargon yoğunluğunu ve varsayılan bilgiyi ayarlar.

Amaç, metinin arkasındaki niyeti yakalar. Bu, eğitim amacı taşıyan bilgilendirici içerik mi? Satış amacı taşıyan ikna edici içerik mi? Rehberlik amacı taşıyan talimatlar mı? Bağlama koşulmak amacı taşıyan yasal içerik mi? Her amaç, çıktıda farklı dilsel desenleri etkinleştirir. Almancada ikna edici metin, bilgilendirici metinden farklı cümle yapıları kullanır. Yasal Fransızca, konuşma Fransızcasından tamamen uyumsuz kuralları takip eder. Amaç kategorisi, modele sadece metnin ne söylediğini değil, aynı zamanda ne başarmaya çalıştığını söyler ve çıktı, hedef dildeki bu niyeti yansıtır.

Bu üç kategori yalnız, değiştirildiğinde son derece farklı çıktılar üretir. "Performansı iyileştirme" hakkındaki bir cümle, bilgilendirici amaçlı bir sağlık hizmetleri kitlesi için çevrildiğinde, klinik, ölçülü bir dil oluşturur. Aynı cümle, ikna edici amaçlı bir pazarlama kitlesi için çevrildiğinde, dinamik, fayda odaklı bir dil oluşturur. Yapay zeka metin çevirmen özellik sayfası, bu farkları yan yana gören herkes için örnekler gösterir.

Resmiyet, Kayıt ve Ton

Resmiyet, özellikle resmi ve resmi olmayan cevap sistemlerine sahip diller için belki de en acil etkisi olan kategoridir. Resmiyet seviyesi bire ayarlayın ve arkadaş içinde kısa mesaj gibi okunan rahat, kısaltılmış bir çıktı üretin. Bunu beşe ayarlayın ve bir hukuki sözleşme veya resmi hükümet yazışması gibi okunan hassas, yapılandırılmış bir çıktı üretin. Profesyonel ses için yeniden ifadeleme rehberi, çeviriler yaparken resmiyet ve yeniden ifadelemenin nasıl etkileşim kurduğunu inceleyerek, çok daha belirgin bir etkiye sahiptir çünkü pek çok dilin farklı resmiyet seviyeleri için tamamen ayrı sözcük dağarcığı ve dilbilgisel yapıları vardır.

Japonca en dramatik örnektir. Rahat Japonca ile resmi Japonca arasındaki fark o kadar önemlidir ki, resmiyet seviyesi birindeki bir cümle, seviye beş eşdeğeri ile yalnızca kök fiilleri paylaşabilir. Her fiil sonu değişir. Zamirler değişir. Parçacıklar değişir. Saygılı ön ekler görünür veya kaybolur. Çeviriye resmiyet hesap etmeyen bir çeviri aracı, resmiyet spektrumunda esasen rastgele bir çıktı üretiyordu ve bu, zamanın yaklaşık yarısında sonucun iş bağlamında uygunsuz şekilde rahat veya arkadaş konuşması için gereksiz yere katı olacağı anlamına gelir.

Kayıt resmiyet ile birlikte çalışır ancak buna eş değildir. Kayıt, belirli bir sosyal bağlamda kullanılan dilsel çeşitliliği tanımlar. Akademik kayıt, teknik kayıt, gazetecilik kaydı, edebiyat kaydı. Her birinin cümle yapısı, sözcük dağarcığı ve söylev araçları için kendi kuralları vardır. Akademik kayıtta çevrilen bir metin, pasif yapılar, duyma dili ve alıntı dostu ifade kullanır. Gazetecilik kaydında aynı metin aktif ses, daha kısa cümleler ve doğrudan atıf kullanır. Resmiyet, metnin ne kadar nazik veya rahat ses geldiğini kontrol eder. Kayıt, neye benzediğini kontrol eder.

Ton duygusal katmanı ekler. Nötr, iyimser, acil, dikkatli, empatik, otoriter. Ton kategorisi connotation düzeyinde sözcük seçimini etkiler. "The deadline is approaching" (son tarih yaklaşıyor) nötr bir tonda düz kalır. Acil bir tonda, sözcük dağarcığı baskı ve aciliyeti iletişim kuran sözcüklere doğru kaymış olur. Dikkatli bir tonda, yumuşak, korungan, daha diplomasite hale gelir. Ton, en doğrudan okuyucunun metin hakkında nasıl hissettiğini etkileyen kategoridir ve bunu yanlış almak, sempati bulunan bir mesajı soğuk görünüştürmek veya profesyonel bir güncellemeyi panik görünüştürebilir.

Domain, Cinsiyet, Varyant ve Konu Başlığı

Kalan dört kategori, ilk altının kaplayamadığı özel durumları ele alır. Domain terminolojisi, modelin hangi uzmanlık sözcük dağarcığı seçeneğini çizeceğini kontrol eder. Bu endüstriden daha ince tanelemelidir. Teknoloji endüstrisi içinde, domain bulut bilişim, mobil geliştirme, siber güvenlik veya veri bilimi olabilir. Her birinin kendi argonu, kendi kısaltma kuralları ve günlük kullanımlarından farklı olan belirli anlamlara sahip bir dizi terim vardır.

Konuşmacı cinsiyeti, Rusça cinsiyet rehberinde tartışıldığı gibi, modeli çizeceği cinsiyeti kontrol eder. Bu, cinsiyet gerektiren diller için seçimli değildir. Rusça, Arapça, İbrani, Hintçe ve pek çok başka dilde geçmiş zaman fiilleri ve sıfatlar konuşmacının cinsiyeti ile eşleşmelidir. Bu kategoriyi bir kez ayarlamak, tüm çıktı boyunca tutarlı ve doğru cinsiyet işaretçilerini sağlar.

Bölgesel varyant, hedef dilin hangi sürümünün üretileceğini kontrol eder. Britanya veya Amerikan İngiltercesi. Brezilya veya Avrupa Portekizcesi. Basitleştirilmiş veya Geleneksel Çince. Latin Amerika veya Yarımada İspanyolcası. Bu kategori, hedeflenen kitlenin bölgesinin kuralları ile eşleşmesi için çıktıyı sağlamak için 22 dile özel ayar ile birlikte çalışır; yazım, sözcük dağarcığı ve deyimsel ifadeleri de içerir. Britanya vs Amerikan İngiltercesi rehberi en sık talep edilen varyant çifti için bunu ayrıntılı olarak kapsar.

Konu başlığı, belirsizliği çözmede yardımcı olan konuya dayalı bağlamı sağlar. Birden çok kategori aynı anda ayarlandığında, yapay zeka modeli, çeviri sırasında yaptığı her kararı yönlendiren zengin bir bağlam dizesi alır. Tüm on kategorinin kombinasyonu, 117 bireysel seçeneği ile, tüketik çeviriler yerine tam durumlara özel çeviriler üretmeye yeterince spesifik olan bir bağlam parmak izi oluşturur.

117 Seçenek Pratikte Gerçekten Ne Demek

Sayı büyük görünüyor, ancak pratikte sistem çoğu kullanıcının belirli bir görev için birkaç kategoriye ayarlaması gerektirecek şekilde tasarlanmıştır. API belgelerini çeviren bir geliştirici sektörü teknolojiye, domaini yazılım geliştirmeye, resmiyet seviyesini üçe ve kaydını teknik olarak ayarlayabilir. Bu dört ayar, belki otuz saniye yapılandırma ve ortaya çıkan çeviriler, tüm oturum boyunca doğru teknik terminolojiyi, uygun resmiyet seviyesini ve profesyonel kaydı kullanır.

Kampanya kopyasını çeviren bir pazarlama profesyoneli sektörü pazarlamaya, kitleyi tüketicilere, amacı ikna ediciye, tonu iyimser ve resmiyet seviyesini ikiye ayarlayabilir. Beş ayar, hala bir dakika altında yapılandırma ve oturumdaki her çeviri bu seçimleri yansıtır. Kullanım rehberi, yapılandırma sürecini adım adım gösterir.

On kategoriye dağıtılan 117 seçenek, hepsi aynı anda kullanılması için amaçlanmamıştır. Gerçek kullanıcıların karşılaştığı durumlara tam kapsamı sağlamak için amaçlanmıştır. Bir yasal çevirmen, sosyal medya yöneticisinden farklı seçenekler gerektirir. Bir tıbbi araştırmacı, seyahat blogurusundan farklı seçenekler gerektirir. Sistem, her kullanıcıdan her seçeneği anlaması gerektirmeden tüm bu kullanım durumlarına hizmet etmek için yeterli ince tanelililiği sağlar. Görev için önemli olan kategorileri ayarlayın, geri kalanını varsayılana bırakın ve yapay zeka modeli aldığı her bağlamı yerleştirir.

Bunun genel çeviriden temelde farklı kılan şey, modelin varsayılan bir çeviri üretmemesi ve sonra ayarlamamasıdır. Bağlam, ilk kelimeden itibaren çıktıyı şekillendirir. Kelime seçimi, cümle yapısı, terminoloji, kayıt ve resmiyet, tümü ilk çeviri kelimesi üretilmeden önce bağlam tarafından belirlenir. Farklı bağlam ayarları ile çıktı neden bu kadar dramatik şekilde farklı görünebileceğini bu açıklayıcı var. Ayarlanmış aynı çeviri değildir. Tamamen farklı bir kısıtlama seti tarafından yönlendirilen, sıfırdan oluşturulan başka bir çeviri olmasıdır.