Color hay Colour và Tại Sao Dịch AI Không Có Ngữ Cảnh Là Vô Ích

Có một tài liệu nằm trong một thư mục được chia sẻ ở đâu đó được cho là một mô tả sản phẩm cho khán giả Anh quốc. Văn bản ban đầu được viết bằng tiếng Đức, được dịch sang tiếng Anh bằng một trong các công cụ dịch trực tuyến chính, và được giao cho nhóm tiếp thị. Ngơn đầu tiên nó trông ổn. Ngữ pháp là chính xác, các câu chảy khá tốt, và ý nghĩa được bảo toàn. Sau đó ai đó ở London tìm thấy vấn đề. Tài liệu sử dụng "color" thay vì "colour," "organize" thay vì "organise," "center" thay vì "centre," và "analyze" thay vì "analyse." Mỗi lựa chọn cách viết đều tuân theo quy ước Mỹ. Đối với một tài liệu nhằm vào khách hàng Anh, được xuất bản trên miền .co.uk, điều này là không chấp nhận được.

Phần thất vọng không phải là bản dịch sai. Phần thất vọng là không có cách nào để nói cho công cụ biết phiên bản nào của tiếng Anh để tạo ra. Google Translate chỉ có một tùy chọn: English. DeepL chỉ có một tùy chọn: English. Không ai hỏi liệu mục tiêu là người đọc ở Manchester hay người đọc ở Manhattan. Đầu ra được tạo ra, biến thể được chọn bởi bất cứ mô hình nào xuất hiện nhiều nhất trong dữ liệu huấn luyện, và người dùng phải tìm và thay thế thủ công mỗi trường hợp của cách viết Mỹ trong một tài liệu được cho là từ Anh ngay từ đầu.

Điều này nghe có vẻ như một khiếu nại nhỏ. Sự khác biệt về cách viết giữa tiếng Anh Anh và Mỹ được ghi chép rõ ràng và tương đối dễ dự đoán. Nhưng những khác biệt vượt xa việc hoán đổi "ou" cho "o" và "ise" cho "ize." Từ vựng khác nhau đáng kể. Một "boot" là cốp xe. Một "bonnet" là nắp ca pô. "Trousers" là quần, nhưng "pants" là đồ lót. "Biscuits" là bánh quy. "Chips" là khoai tây chiên, nhưng "crisps" là bánh snack. Một "flat" là một căn hộ. "First floor" thực sự là tầng hai. Những khác biệt từ vựng này có thể thực sự gây nhầm lẫn cho độc giả khi biến thể sai xuất hiện trong một văn bản được viết tốt.

Đối với bất cứ ai quản lý nội dung đa ngôn ngữ, đặc biệt là các trang web, ứng dụng hoặc tài liệu tiếp thị cần tồn tại bằng cả tiếng Anh Anh và Mỹ, sự thiếu kiểm soát biến thể trong các công cụ dịch tạo ra công việc thực sự. Mỗi tài liệu được dịch cần một bước xem xét thủ công cụ thể để bắt và sửa chữa các không khớp biến thể. Bước xem xét đó mất thời gian, tốn tiền, và hoàn toàn có thể tránh được nếu công cụ dịch đơn giản là biết biến thể nào để tạo ra.

Cùng Một Ngôn Ngữ, Các Quy Ước Khác, Không Có Kiểm Soát

Tiếng Anh Anh và Mỹ không phải là cặp duy nhất gặp phải vấn đề này, mặc dù chúng là cặp được gặp phải nhiều nhất. Tiếng Bồ Đào Nha chia thành Tiếng Bồ Đào Nha Brazil và Tiếng Bồ Đào Nha Châu Âu, với những khác biệt trong cách viết, ngữ pháp, từ vựng, và thậm chí cách sử dụng đại từ đủ rõ rệt để làm cho văn bản cảm thấy xa lạ đối với độc giả của phiên bản khác. Tiếng Tây Ban Nha khác nhau giữa các quy ước Mỹ Latinh và Bán đảo, với các dạng động từ, lóng và từ vựng khác nhau đáng kể. Tiếng Pháp có các quy ước riêng biệt ở Pháp, Canada, Bỉ, và các quốc gia Châu Phi khác. Tiếng Trung chia thành ký tự đơn giản và truyền thống, không chỉ là sự khác biệt trong cách viết mà là một tập ký tự hoàn toàn khác.

Trong mỗi trường hợp này, sản xuất biến thể sai là không phải là một vấn đề mỹ phẩm nhỏ. Một độc giả Brazil gặp phải cách viết Bồ Đào Nha Châu Âu trong mô tả sản phẩm sẽ nhận thấy ngay lập tức. Nó tạo ra một cảm giác khoảng cách, như thể công ty không quan tâm đủ để bản địa hóa đúng cách. Đối với các doanh nghiệp cố gắng xây dựng niềm tin ở các thị trường khu vực cụ thể, loại không khớp này làm suy yếu toàn bộ nỗ lực. Nội dung cũng có thể đã bị để lại chưa được dịch nếu bản dịch báo hiệu "chúng tôi không thực sự biết thị trường của bạn."

The guide on converting between American and British English on YEB covers the specific settings involved. In YEB Translate, the language variant is one of 22 language settings available in the context system. When English is selected as the target language, the user can specify American, British, Australian, or other regional variants. The AI model receives this preference as part of the context string and produces output that consistently uses the correct spelling conventions, vocabulary choices, and idiomatic expressions for that variant. No post-editing pass required.

Cơ chế tương tự hoạt động cho mọi cặp ngôn ngữ có các biến thể khu vực. Tiếng Bồ Đào Nha Brazil vs. Châu Âu. Tiếng Tây Ban Nha Mỹ Latinh vs. Bán đảo. Tiếng Trung đơn giản vs. truyền thống. Tiếng Pháp Canada vs. Metropolitan. Cài đặt được thực hiện một lần, duy trì trong suốt phiên, và áp dụng cho mỗi phần văn bản được xử lý trong phiên đó. Đối với các nhóm nội dung xử lý bản địa hóa quy mô lớn, điều này loại bỏ toàn bộ danh mục công việc đảm bảo chất lượng.

Tại Sao Sai Lệch Dữ Liệu Huấn Luyện Làm Cho Điều Này Tệ Hơn So Với Vẻ Ngoài Của Nó

Lý do hầu hết các công cụ dịch mặc định sử dụng tiếng Anh Mỹ là đơn giản: internet chứa nhiều văn bản tiếng Anh Mỹ hơn văn bản tiếng Anh Anh. Dữ liệu huấn luyện cho các mô hình AI được lấy chủ yếu từ nội dung web, và nội dung web được thống trị bởi các ấn phẩm Mỹ, các công ty Mỹ, và văn bản do người dùng Mỹ tạo ra. Khi một mô hình AI học "tiếng Anh chính xác" trông như thế nào, nó học từ một corpus khiêng Mỹ theo mặc định.

Sai lệch này không có ý định, nhưng nó là bền vững. Thậm chí khi các công cụ dịch được cập nhật bằng các mô hình mới hơn, phân bố dữ liệu cơ bản chưa thay đổi. Tiếng Anh Mỹ vẫn là biến thể chiếm đa số trong các corpus huấn luyện, điều này có nghĩa là đầu ra mặc định tiếp tục nghiêng Mỹ bất kể người dùng có cần Anh, Úc, Nam Phi hay bất kỳ biến thể nào khác. Mô hình không chọn tiếng Anh Mỹ vì nó tốt hơn. Nó chọn nó vì nó đã thấy nhiều hơn nó.

Đối với những người dùng dịch sang tiếng Anh từ các ngôn ngữ khác, điều này tạo ra một vấn đề vô hình. Đầu ra trông đúng vì nó về mặt ngữ pháp là đúng. Các câu có ý nghĩa. Từ vựng là phù hợp. Nhưng biến thể sai cho khán giả dự định, và trừ khi người dùng quen thuộc đủ với cả hai biến thể để bắt mọi sự khác biệt, sự không khớp trượt qua. Một nhà quản lý tiếp thị Đức dịch bản sao sản phẩm cho thị trường Anh có thể không nhận thấy rằng "aluminum" nên là "aluminium" hoặc "skeptical" nên là "sceptical." Đây không phải là những lỗi mà trình kiểm tra ngữ pháp gắn cờ vì cả hai cách viết đều hợp lệ. Chúng chỉ hợp lệ ở những quốc gia khác nhau.

Hệ thống ngữ cảnh trong trình dịch AI của YEB coi biến thể ngôn ngữ là một cài đặt hạng nhất hơn là một suy nghĩ muộn. Điều này quan trọng vì mô hình AI điều chỉnh không chỉ cách viết mà cả lựa chọn từ vựng, thành ngữ, và thậm chí cấu trúc câu dựa trên biến thể. Tiếng Anh Anh có xu hướng sử dụng cách dựng hình thức hơn một chút trong viết lách kinh doanh. Tiếng Anh Mỹ sử dụng cách diễn đạt trực tiếp hơn. Tiếng Anh Úc có sổ đăng ký không chính thức riêng khác với cả hai. Đây là những sự khác biệt tinh tế mà một người nói tiếng mẹ đẻ sản xuất không tự giác, và mà một mô hình AI chỉ có thể tái tạo khi được nói biến thể nào để nhắm tới.

Chi Phí Thực Sự Của Việc Nhận Biến Thể Sai

Đối với một email cá nhân, không ai quan tâm liệu "colour" hay "color" xuất hiện. Đối với nội dung được xuất bản, các cược khác nhau. Một trang web .co.uk sử dụng cách viết Mỹ xuyên suốt trông không hoàn chỉnh. Một trang web .com nhắm vào độc giả Úc với cách viết Anh trông hơi lạ. Đây không phải là những thất bại ngoạn mục. Chúng là những vết cắt giấy tích lũy và tạo ra một ấn tượng chung về chứng quên.

Trong các ngành được quy định, tính nhất quán biến thể có thể là một vấn đề tuân thủ. Các tài liệu pháp lý ở Anh tuân theo các quy ước Anh. Tài liệu y tế cho NHS sử dụng thuật ngữ Anh. Các ấn phẩm của chính phủ tuân theo các hướng dẫn phong cách nghiêm ngặt xác định cách sử dụng biến thể xuống các từ riêng lẻ. Gửi một tài liệu được dịch sử dụng biến thể sai trong các ngữ cảnh này không chỉ là lơ là. Nó có thể kích hoạt yêu cầu từ chối hoặc đánh giá lại trì hoãn toàn bộ các dự án.

The comparison with DeepL highlights this as one of the specific areas where general-purpose translation tools fall short. DeepL produces excellent translations in terms of fluency and accuracy, but until recently offered no way to specify which English variant to produce. Users who needed British English had to either accept what the model gave them or run a separate conversion step afterward. The same limitation exists across most of the major AI translation tools on the market.

Cái khiến phương pháp ngữ cảnh khác nhau là lựa chọn biến thể xảy ra trước bản dịch, không phải sau. Mô hình AI không sản xuất văn bản tiếng Anh Mỹ và sau đó chuyển đổi nó sang Anh. Nó sản xuất văn bản tiếng Anh Anh từ đầu, chọn các từ đúng, các cách viết đúng, và các cấu trúc đúng từ câu đầu tiên. Đây là một cách tiếp cận hoàn toàn khác so với hậu xử lý tìm và thay thế, và nó tạo ra kết quả đọc tự nhiên trong biến thể mục tiêu thay vì cảm thấy như tiếng Anh Mỹ với một lớp Anh mỏng.