TOTAL översättningsbyrå

Könsrelaterade fördomar inom maskinöversättning

Innehållsförteckning

Maskinöversättning bygger fortfarande på ett rudimentärt ramverk som kallas frasbaserad statistisk maskinöversättning, vilket avser ett tillvägagångssätt för att hantera språk där textdata organiseras efter fraser på ett sätt som gör det lättare att extrahera meningselement.

Detta har lett till att maskinöversättningen gradvis ökat sin noggrannhet, men att den fortfarande inte kan bemästra de komplexa könsrelaterade och referentiella systemen i naturligt språkbruk.

Könsrelaterade fördomar i språk

Maskinöversättningens inverkan på språket och samhället ökar för varje dag som går. Tjänster som Google Translate gör det möjligt för användare att kommunicera med varandra på dussintals språk. De potentiella fördomar som kan finnas i det översatta resultatet gör det dock särskilt svårt att bedöma kvaliteten på sådana översättningar. Det blir därför alltmer uppenbart att det krävs en ändring av de traditionella översättningsramarna för att motverka könsrelaterade fördomar i maskinöversättningsprocessen.

I sin mest grundläggande form kan könsrelaterade fördomar i översättningar påverka hur en mening översätts och tolkas. Detta kan ske på mikro- och makronivå (med hänvisning till hur ett ord översätts och tolkas på olika språk) och i olika skeden av en översättningsprocess.

När fenomenet könsrelaterad betydelse kombineras med ett ramverk för neuroöversättning som inte tar hänsyn till den mänskliga kontexten och avsikten med de språkliga elementen i den inmatade texten, är det troligt att fördomar kommer att smyga sig in och påverka både noggrannhet och korrekthet. Den typ av fördomar som uppstår i neuroöversättning beror på en bristande överensstämmelse mellan indata och en statistiskt korollateral intern representation, och den felaktiga utdata som den ger upphov till. Med andra ord påverkar könsrelaterade fördomar dess förmåga att förstå könsrelaterade begrepp och ge korrekta och oproblematiska representationer av texten på originalspråket.

Genus i översättning

Olika kulturella normer och till och med språkgemenskaper kan lägga tonvikt på vissa fraser för att kompensera för bristen på allmänna, generiska fraser som förkroppsligar begreppet i fråga. I många fall kan det leda till olyckliga könsstereotyper och förstärkning av andra kulturella normer på ett oavsiktligt sexistiskt sätt. Google Translate har till exempel historiskt sett översatt den turkiska frasen ”Han/hon är läkare” till den maskulina formen – men bara när den översätts från turkiska till engelska. Tvärtom har Google alltid översatt ”han/hon är sjuksköterska” till den feminina formen.

Denna preferens för könsspecifikt språkbruk är en fördom som har vuxit fram ur det historiska behovet, i de flesta språk, av könsbestämda meningar och ord för att förmedla allmänna, standardiserade begrepp. Sådana förvrängningar i språket är ett aktivt forskningsområde och lär oss att om vi baserar våra modeller på förvrängda data kommer de troligen också att bli förvrängda.

Problemet kompliceras av det faktum att översättningar som rör genus (t.ex. att använda rätt pronomen) är särskilt känsliga, eftersom de direkt kan hänvisa till människor och hur de identifierar sig själva. Även om dessa problem kan låta abstrakta är de inte teoretiska. Många grupper har uttryckt oro över Google Translates noggrannhet och har till och med publicerat studier som dokumenterar hur könsbundna neuroöversättningar kan vara benägna att göra fel när de försöker producera könsneutralt innehåll.

Som en del av sina ansträngningar för att öka medvetenheten om fördomar i maskinöversättning och för att ta itu med problemet har Google släppt datasetet Translated Wikipedia Biographies (2021). Syftet är att skapa en struktur för långsiktiga framsteg inom området maskinöversättning genom att upprätta en enhetlig uppsättning data för självbedömning och förbättring av inlärningssystem med inriktning på genus i översättning.

Lösningar

I en perfekt värld skulle en neurobaserad maskinöversättningsstruktur kunna representera den inmatade texten som en exakt representation av det mänskliga språket, utan några som helst variationer.

De senaste framstegen inom maskinöversättning och hantering av naturliga språk ger nya toppmoderna resultat, inklusive prestanda som ligger nära mänsklig nivå för vissa språkpar. Även om imponerande framsteg har gjorts har maskinöversättning av hög kvalitet visat sig vara svår att uppnå av många skäl – språksystem tenderar att återspegla de värderingar som deras skapare har. Om man grundar sådana system på data som systematiskt visar könsrelaterade fördomar kommer det oundvikligen att ge fördomsfulla resultat, eftersom maskinöversättningssystemen lär sig fördomarna och internaliserar dem som en del av inmatningsprocesserna.

Med tanke på deras förmåga att forma kulturella sammanhang kommer forskningen under nästa årtionde troligen att belysa hur språk och översättning kan påverka samhället i stort, samhällets beslut och politik och/eller till och med kulturerna själva. Men om du vill garantera korrekta och könsneutrala översättningar, även om det kan handla om maskinöversättning, kan du anlita professionella språktjänsteleverantörer. Fråga om vår ”mänskliga touch” för att upptäcka och korrigera eventuella könsrelaterade fördomar, vilket är en integrerad del av våra tjänster för efterredigering som syftar till att höja vilken maskinöversättning som helst till professionell nivå.

error:
TOTAL
Search