Орфографические ошибки.
В ходе сравнительного анализа переводов было обнаружено, что СМП Yandex - единственная среди исследуемых систем, которая допускает орфографические ошибки в выходном тексте. Некоторые примеры отображены в Таблице 16: безщеточным, тяжел-датчиком, мор-идя отделкой, регулярн осмотра.
Таблица 16 - Орфографические ошибки
|
Исходный текст (ИТ) |
Перевод Translate (Т) |
Перевод Yandex (Ya) |
Перевод Google (G) |
Отредактир. перевод (ОП) |
||
|
1 |
An exclusive TK486VG (EPA Tier 2) direct injection diesel engine drives a brushless generator to produce 15 KW of output power at 49 C (120 F) ambient temperature. |
Исключительный TK486VG (Уровень EPA 2) дизельный двигатель прямого впрыска топлива заставляет бесщеточный генератор производить 15 кВт выходной мощности в 49 C (120 F) температура окружающей среды. |
Исключительный двигатель дизеля непосредственного впрыска Tk486vg (яруса 2 EPA) управляет безщеточным генератором для того чтобы произвести 15 KW силы выхода на температуре окружающей среды 49 C (120 F) |
Эксклюзивный дизельный двигатель прямого впрыска TK486VG (EPA Tier 2) управляет бесщеточным генератором для производства 15 кВт выходной мощности при температуре окружающей среды 49 C (120 F). |
Эксклюзивный дизельный двигатель с прямым впрыском TK486V (EPA Tier 2) приводит в действие бесщёточный генератор, обеспечивающий выходную мощность 15 кВт при окружающей температуре 49 °C (120 °F). |
|
|
2 |
Each unit features a welded, heavy-gauge steel frame with special sea-going finish; |
Каждая единица показывает сварную, стальную раму тяжелого прибора со специальным мореходным концом; |
Каждый блок отличает рамкой сваренной, тяжел-датчиком стальной с специальной мор-идя отделкой; |
Каждый блок имеет сварную, тяжелую стальную раму с особым морским покрытием; |
Каждый агрегат имеет сварную раму из толстолистовой стали со специальной обработкой для морских условий, |
|
|
3 |
However, please note that units equipped with the EMI 3000 package still require regular inspection in accordance with Thermo King pretrip inspection and maintenance recommendations. |
Однако обратите внимание на то, что модули, оборудованные пакетом EMI 3000 все еще, требуют регулярного контроля в соответствии с Термо контролем Короля перед прохождением и рекомендациями обслуживания. |
Однако, пожалуйста заметьте что блоки оборудованные с пакетом EMI 3000 все еще требуют регулярн осмотра в соответствии с термо-королем pretrip рекомендации осмотра и обслуживания. |
Однако учтите, что устройства, оснащенные пакетом EMI 3000, по-прежнему требуют регулярной проверки в соответствии с рекомендациями Thermo King по предпродаже и техническому обслуживанию. |
Однако примите к сведению, что установки, оборудованные комплектом EMI 3000, всё так же требуют регулярной проверки в соответствии с рекомендациями компании Thermo King по предрейсовым проверкам и техническому обслуживанию. |
Выводы к подразделу
В процессе исследования и оценки качества выходного текста были проанализированы переводы научно-технического текста (общим объемом около 9300 слов), выполненные системами машинного перевода Translate, Yandex и Google. Полученные данные позволяют сделать вывод, что у всех онлайн-переводчиков в разной мере наблюдаются лексические, грамматические, стилистические ошибки, выявляются ошибки согласования, подмена частей речи, лексика вызывает трудности в понимании, страдает синтаксис, а также наблюдаются ошибки по искажению смысла. Необходимо отметить, что СМП Yandex, в отличии от других СМП, выдает и орфографические ошибки.
Сводные данные представлены в Диаграмме 5, из которой видно количество ошибок, которые были допущены каждый из исследуемых СМП.
Диаграмма 5 - классификация ошибок
_____ - лексические ошибки
_____ - грамматические ошибки (в т.ч. синтаксические)
_____ - стилистические ошибки
_____ - сужение контекста (не все слова переведены)
_____ - искажение смысла
_____ - орфографические ошибки
СМП Translate и Yandex допускают большинство ошибок на лексическом уровне, ошибки СМП Yandex одинакова велики как на лексическом, так и на грамматическом уровне. СМП Google ошибается меньше остальных, однако доля ошибок по искажению смысла достаточно велика.
Выводы к главе
Сравнительный анализ переводов, выполненных в ноябре 2017 и в мае 2018 показал, что СМП Yandex развивается активнее СМП Translate и Google, однако в выходном тексте стали появляться ошибки, которые раньше СМП не допускала. Очевидно, что все СМП эволюционируют на уровне лексики - автоматические словари пополняются, однако проблема лексической омонимии и полисемии остается нерешенной. Стоит отметить, что, наряду с эволюцией, качество перевода СМП Translate в некоторых случаях понизилось. В переводах СМП Google выявлены наименьшие изменения. Анализ переводов с точки зрения обнаружения ошибок и сравнения их количества показал, что качество переводов, выполненных данной СМП, по сравнению с СМП Translate и Yandex значительно выше.
В процессе анализа текстов перевода были выявлены многочисленные ошибки на лексическом, грамматическом и стилистическом уровне, а также случаи искажения текста. В отличии от остальных ошибок, искажение смысла - самая коварная ошибка. Внешняя "ровность" текста может вызвать доверие у пользователя и он не станет перепроверять достоверность информации. Подобные ошибки в переводах технической литературы могут представлять опасность для конечного пользователя. Известны случаи, когда, в целях экономии, инструкции по эксплуатации переводятся не профессиональными техниками переводчиками, а при помощи СМП. Данное исследование доказывает, что такая экономия может привести не только к непониманию смысла текста, но и в некоторых случаях даже к серьезным проблемам, начиная от поломки техники и до угрозы жизни и здоровью человека, применяющему подобную инструкцию.
Заключение
В результате исследования было раскрыто понятие автоматического перевода, рассмотрена история появления МП, определены его функции. В данной работе машинный перевод рассматривается как процесс перевода некоторого текста с одного естественного языка на другой, полностью реализуемый компьютером. Главными достоинствами МП являются его скорость и низкая стоимость.
В настоящее время существует большое количество систем машинного перевода. В процессе исследования были определены наиболее популярные среди пользователей системы МП: Translate, Yandex и Google. СМП Translate использует машинный перевод, основанный на правилах, в отличие от СМП Google, до недавнего времени использующей статистический метод перевода. В марте 2017 года компания Google полностью перешла на нейросети для повышения качества выходного текста. Компания Yandex внедрила гибридную систему, которая умеет выбирать между нейронным машинным переводом и статистической моделью.
Рассмотрение методик оценки эффективности СМП привело к выводу, что многообразие подходов и методик оценки качества машинного перевода свидетельствует о продолжающихся исследованиях в данной области и отсутствии единого стандарта определения эффективности действующих систем.
В настоящей работе был предпринят эксперимент по исследованию эволюции автоматизированного перевода (в пределах 6 месяцев) и выполнен сравнительный анализ качества выходного текста (по состоянию на май 2018 года).
Для проведения исследования эволюции СМП были переведены одни и те же тексты научно-технический направленности с помощью трех онлайн-переводчиков в ноябре 2017 года и в мае 2018 года (Приложение 4). Также, одним из переводчиков выступал человек. Таким образом, по каждому исследуемому фрагменту имелось несколько вариантов машинного перевода для сверки и оценки качества (Приложение 1,2,3). Результаты сравнительного анализа переводов с разницей в 6 месяцев позволяют сделать следующие выводы:
1. СМП Yandex развивается активнее остальных исследуемых СМП (32% изменений), однако вместе с развитием система выдает переводы, сравнительный анализ которых свидетельствуют об ухудшении качества выходного текста, в т.ч. появление орфографических ошибок, которых не было ранее;
2. Изменения в переводах СМП Translate составляют около 10%, но данный результат нельзя отнести к эволюции - были выявлены многочисленные случаи по снижению качества перевода, система по-прежнему имеет ряд неразрешенных задач;
3. Переводы СМП Google претерпели наименьшие изменения (2%), важным фактом является то, что эволюция системы приводит только к повышению качества перевода.
Сравнительный анализ переводов показал, что все СМП эволюционируют на уровне лексики. Это свидетельствует о том, что автоматические словари пополняются; тем не менее проблема лексической омонимии и полисемии остается нерешенной.
В результате сравнительного анализа переводов научно-технической литературы, выполненных системами МП (по состоянию на май 2018 года), в разной мере были выявлены грамматические ошибки, лексические несоответствия, а также незначительные морфологические и синтаксические ошибки, в ряде случаев стилистические черты технического текста были утеряны. И это далеко не полный список.
Результаты сравнительного анализа качества переводов СМП Translate, Yandex и Google позволяют сделать вывод:
1. Среди исследуемых машинных переводчиков качество перевода СМП Google оказалось на самом высоком уровне. Учитывая полученный результат, относительную стабильность (изменения за 6 месяцев всего 2%) и развитие системы, направленное только на повышение качества перевода, можно предположить, что ошибки перевода СМП Google в обозримом будущем будут сведены к минимуму;
2. СМП Yandex занимает второе место по уровню качества выходного текста. Однако, эту систему можно назвать самой нестабильной: СМП "справляется" с трудностями перевода там, где другие ошибаются и "ломается" в самых неожиданных местах. Учитывая что СМП Yandex стремительно развивается, можно предположить, что в ближайшем будущем система выйдет на достойный уровень по качеству перевода;
3. СМП Translate выдает наибольшее количество ошибок. Принимая во внимание факт по снижению качества перевода данной системы, выявленный в процессе исследования эволюции, трудно спрогнозировать ее дальнейшую работу.
Перевод научно-технических текстов должен дать точное значение исходного текста. Очень важно предотвратить потерю и искажение информации, содержащейся в исходном тексте, с чем на данном этапе МП не справляются. Тем не менее, стоит признать, что с точки зрения скорости и понимания смысла (хотя бы частично) СМП являются успешным помощником для переводчиков, особенно это касается обработки больших объемов текстов.
Данная работа позволяет сделать вывод о том, что на практике пока нельзя всерьез говорить о способности машинного перевода конкурировать с человеком - на сегодняшний день ни одна компания не может удовлетвориться качеством машинного перевода текста. Зачастую, переводы не поддаются ни редактированию, ни пониманию. Следует признать, что расходов на письменные переводы научно-технической литературы в уважающей себя компании, работающей с иностранными партнерами, не избежать, пока только человек способен верно передать смысл, стилистические оттенки и нюансы иностранного научно-технического текста.
Список сокращений
МП, МТ - Machine Translation, машинный перевод, автоматический перевод
СМП - система машинного перевода
RBMT - Rule-based Machine Translation, Машинный перевод, основанный на правилах
SMT - Statistical Machine Translation, Статистический машинный перевод
HMT - Hybrid Machine Translation, Гибридный машинный перевод
TM - Translation Memory, Память переводов
ИЯ - исходный язык
унк - одно универсальное нажатие клавиши
ИТ - исходный текст
Т - перевод, выполненный СМП Translate
YA - перевод, выполненный СМП Yandex
G - перевод, выполненный СМП Google
NMT - Neural Machine Translation, Нейронный машинный перевод
GNMT - Google Neural Machine Translation system, Система нейронного машинного перевода
Список использованной литературы
1. Воронович В.В. Машинный перевод. Конспект лекций для студентов 5-го курса специальности "Современные иностранные языки". Минск, 2013 - 39 с.
1. Вейзе А.А, Киреев Н.Б., Мирончиков К. Перевод технической литературы с ангилийского языка на русский. - Минск, 1997
2. Фролов С.В., Паньков Д.А. ГОУ ВПО ПРОБЛЕМЫ ПОСТРОЕНИЯ СИСТЕМ МАШИННОГО ПЕРЕВОДА "Тамбовский государственный технический университет"; ОАО "Тамбовская областная сбытовая компания", г. Тамбов, УНИВЕРСИТЕТ им. В.И. ВЕРНАДСКОГО. №1(11). 2008. Том 2.
3. ЛЕОНТЬЕВА Н.Н., АВТОМАТИЧЕСКОЕ ПОНИМАНИЕ ТЕКСТОВ, СИСТЕМЫ, МОДЕЛИ, РЕСУРСЫ, Для студентов лингвистических факультетов вузов, Москва, ACADEMA, 2006 (стр 37)
4. Ванников Ю.В. Проблемы адекватности перевода: Типы адекватности, виды перевода и переводческой деятельности // Текст и перевод. - М., 1988. - С. 34-37
5. Ванников Ю.В. Виды адекватности типология перевода.- кн.: Совершенствование перевода научно-технической литературы и документов: Тез. докл. всесоюзн. конф. 1982
6. Ванников Ю.В. Понятие адекватности текста и типы адекватности перевода В кн.: Уровни текста и методы его лингвистического анализа. М., 1982а.
7. Мартемьянов Ю.С., Синтез: трансформирование глубинной структуры в поверхностную, в кн.: Современное состояние теории и практики машинного перевода и автоматизации информационных процессов, М., 1977
8. Мартемьянов Ю.С. Эквивалентность в порождающей грамматике-В кн.: Теория перевода и научные основы подготовки переводчиков: Тез. всесоюзн. конф. М., 1975 II
9. Шаляпина З.М. К проблеме построения формальной модели процесса перевода в кн.: Теория перевода и научные основы подготовки переводчиков: Тез. Докл. всесоюзн. конф. М., 1975.
10. Коняева Л.А. О НЕКОТОРЫХ ТРУДНОСТЯХ НАУЧНО-ТЕХНИЧЕСКОГО ПЕРЕВОДА, Перевод и сопоставительная лингвистика. Выпуск № 11, стр 53, 2015