Maskinöversättning har under en längre tid varit ett kraftfullt språkverktyg som används av många olika sektorer för att hjälpa dem att uppnå sina översättningsmål, särskilt eftersom det bidrar till att spara tid och sänka kostnader. Trots de snabba framstegen krävs det dock fortfarande mänskliga översättare och redaktörer för att granska, förfina och kvalitetssäkra det ”råa” resultatet som tekniken producerar.
Vad är maskinöversättning?
Maskinöversättning, ibland även kallad automatisk översättning, är en process där ett datorprogram analyserar en text på ett källspråk och automatiskt genererar en motsvarande text på ett målspråk utan direkt mänsklig inblandning i själva översättningsögonblicket. Målet är att skapa en förståelig och användbar version av originalinnehållet på ett annat språk.
Hur fungerar maskinöversättning?
Kärnan i modern maskinöversättning är avancerade algoritmer som tränas på enorma datamängder bestående av befintliga översättningar, så kallade parallella korpusar. Genom att analysera relationen mellan källspråket och målspråket i dessa datamängder lär sig systemet mönster, grammatiska strukturer och ordföljder. När en ny text matas in använder algoritmen dessa inlärda mönster för att förutsäga den mest sannolika översättningen.
Vilka typer av maskinöversättning finns det?
Maskinöversättning har utvecklats genom flera olika generationer och metoder. De huvudsakliga typerna som har haft störst inverkan är:
- Regelbaserad maskinöversättning (RBMT)
- Statistisk maskinöversättning (SMT)
- Neural maskinöversättning (NMT)
- Hybrid maskinöversättning
Regelbaserad maskinöversättning (RBMT)
Regelbaserad maskinöversättning fungerar genom att tillämpa en omfattande uppsättning lingvistiska regler och ordböcker som skapats av språkexperter. Systemet analyserar källtextens grammatiska struktur, översätter de enskilda komponenterna baserat på de inbyggda reglerna och bygger sedan upp en ny mening på målspråket. Denna metod kräver en stor initial investering i att definiera regler för varje språkpar. Kvaliteten är starkt beroende av hur fullständiga ordböckerna och de grammatiska reglerna är, vilket kan göra systemen rigida och tidskrävande att utveckla och underhålla.
Statistisk maskinöversättning (SMT)
Statistisk maskinöversättning var den dominerande tekniken under många år och representerade ett stort steg framåt från RBMT. SMT fungerar med hjälp av statistiska modeller som härleds från analysen av mycket stora mängder tvåspråkig text. Istället för att förlita sig på fasta regler, beräknar systemet sannolikheten för att ett visst ord eller en viss fras i källspråket motsvarar ett ord eller en fras i målspråket. Ju mer data systemet tränas på, desto bättre blir precisionen.
En fördel med SMT var att systemen kunde byggas snabbare än regelbaserade system, förutsatt att tillräckligt med träningsdata fanns tillgänglig. En betydande nackdel är dock att SMT ofta översätter i kortare segment (fraser), vilket kan leda till bristande flyt och svårigheter att hantera det bredare sammanhanget i en mening eller ett stycke.
Neural maskinöversättning (NMT)
Neural maskinöversättning är den nuvarande toppmoderna metoden och har i stort sett ersatt SMT i ledande plattformar som Google Translate och DeepL. NMT bygger på artificiella neurala nätverk, en form av maskininlärning som är inspirerad av den mänskliga hjärnans struktur. Till skillnad från SMT analyserar NMT-modeller hela meningen på en gång, vilket ger dem en mycket bättre förmåga att förstå sammanhang, hantera tvetydigheter och producera översättningar som är betydligt mer flytande och naturliga.
Neural översättning anpassar och lär sig kontinuerligt genom träning på ny data. Det är den mest avancerade typen av maskinöversättning som finns kommersiellt tillgänglig idag och har dramatiskt höjt kvalitetsribban.
Hybrid maskinöversättning
Hybridöversättning syftar till att kombinera styrkorna från olika metoder. Tidiga hybridsystem kunde till exempel kombinera regelbaserad översättning med statistiska komponenter för att förbättra resultaten. I praktiken kan ett hybridsystem använda regler för att förbehandla text eller statistiska modeller för att väga olika översättningsalternativ som genererats av ett neuralt nätverk. Målet är att kompensera för svagheterna hos en enskild metod genom att integrera styrkorna från en annan.
Vilka är fördelarna med maskinöversättning?
Maskinöversättning erbjuder flera betydande fördelar, särskilt för hantering av stora volymer text:
- Hastighet: Den främsta fördelen är hastigheten. Maskinöversättning kan producera en första version av en text på några sekunder eller minuter, en process som skulle ta en mänsklig översättare timmar eller dagar.
- Kostnadseffektivitet: För innehåll där ”tillräckligt bra” förståelse räcker, eller som underlag för mänsklig efterredigering, kan MT sänka de totala översättningskostnaderna. Istället för att betala för en fullständig översättning från grunden, betalar man för en redigeringstjänst.
- Konsistens: När en motor har tränats på specifik terminologi kan den tillämpa termer konsekvent över stora dokumentmassor, vilket kan vara svårare att upprätthålla manuellt med flera olika översättare.
Hur man förbättrar resultatet från maskinöversättning
Kvaliteten på den översatta texten är direkt beroende av kvaliteten på källtexten. Principen ”skräp in, skräp ut” gäller i högsta grad. För att inte förvirra maskinöversättningsmotorn och maximera chansen till ett bra resultat bör källtexten vara så tydlig och välskriven som möjligt. Överväg därför följande:
- Använd enkla och välstrukturerade meningar: Undvik överdrivet komplexa meningsbyggnader och håll meningarna relativt korta och koncisa.
- Undvik tvetydighet: Undvik jargong, slang, idiom och kulturella referenser som maskinen sannolikt kommer att misstolka bokstavligt. Var konsekvent med terminologi.
Förväntningar, verklighet och den mänskliga faktorn
Maskinöversättningens utveckling har varit häpnadsväckande, och dagens resultat överträffar vida förväntningarna från bara ett decennium sedan. För att uppnå professionell kvalitet räcker dock sällan rådata från en maskin. Den bästa strategin är ofta att kombinera det bästa av två världar: AI:ns hastighet och människans nyansförståelse.
Detta uppnås genom Tjänsten kallas efterredigering (PEMT – Post-Editing Machine Translation), där en professionell mänsklig översättare granskar och korrigerar den maskinöversatta texten. En erfaren översättningsleverantör kan ge råd om när maskinöversättning är lämpligt och tillhandahålla specialiserade redaktörer för att säkerställa att slutprodukten uppfyller de kvalitetskrav som ställs.
