Automatisk översättning, mer känt som maskinöversättning (MT), har genomgått en dramatisk utveckling under de senaste åren. Utvecklingen sträcker sig från specialiserade enheter och applikationer som möjliggör omedelbar samtalsöversättning på språk vi inte behärskar, till kamerabaserade appar som tolkar text på skyltar och affischer i realtid. I spetsen för denna revolution finns neurala översättningsmotorer, likt den Google använder, som kontinuerligt lär sig och uppdaterar sig själva baserat på enorma datamängder.
Denna teknologi har transformerat arbetsflödet för professionella översättare och introducerat en ny dynamik i relationen mellan kund och översättningsbyrå. Maskinöversättning är inte längre bara ett hjälpmedel för privatpersoner, utan har blivit en integrerad del av branschen, ofta i form av efterredigering (PEMT), där en mänsklig översättare granskar och korrigerar en maskinöversatt text.
Men trots alla framsteg har maskinöversättningen fortfarande tydliga begränsningar
Det kanske mest framträdande exemplet på maskinöversättningens brister är dess fullständiga otillräcklighet vid översättning av litterära och kreativa texter. En neural motor kan analysera och förstå syntaktiska förhållanden mellan meningar, det vill säga meningsbyggnaden. Däremot kan den (än så länge) inte uppfatta de subtila nyanserna mellan synonymer, förstå den kulturella kontexten bakom en metafor eller metonymi, eller återskapa humor på målspråket. Maskinöversättning kan troligen hantera en hundrasidig handbok för anställda relativt väl, men den kommer att misslyckas kapitalt med att fånga essensen i den första raden av Walt Whitmans dikt ”Sången om mig själv” (från samlingen Leaves of Grass).
Kvaliteten på källtexten är avgörande
Eftersom maskinöversättningsmotorer saknar mänsklig förmåga att tolka tvetydigheter och fylla i luckor, presterar de dåligt när källtexten är bristfälligt skriven. Om originaltexten innehåller otydliga formuleringar, tvetydigheter eller stavfel, kan maskinöversättningen inte hantera detta på ett tillförlitligt sätt. Resultatet blir ofta obegripligt eller direkt felaktigt. Det är därför förredigering av källtexten kan vara nödvändig innan man använder motorn, för att säkerställa ett användbart resultat. Ett belysande exempel från spanskan är hur MT-motorer kämpar med ord som saknar deiktiska markörer (accenter) och därmed har olika betydelser: skillnaden mellan ”si” (om) och ”sí” (ja), ”que” (som/att) och ”qué” (vad), eller ”como” (som) och ”cómo” (hur) kräver en kontextuell förståelse som motorn ofta saknar.
Utmaningar med fackspråk och specialiserade domäner
Användning av maskinöversättning rekommenderas inte heller när texten som ska översättas är alltför tekniskt komplex eller nischad. Visst kan man använda MT för att få en generell uppfattning om innehållet i en bruksanvisning för en mobiltelefon. Det vore dock i praktiken omöjligt att korrekt översätta en underhållsmanual för en hydraulisk kran utan omfattande ämneskunskap. Samma princip gäller för många juridiska texter. Rättssystemen skiljer sig markant mellan olika länder, vilket innebär att översättningen av en specifik term varierar beroende på den juridiska kontexten. Ordet ”domstol” kan illustrera detta: på spanska i Argentina är den korrekta termen ofta ”Tribunal” (förutom i Högsta domstolen), medan ”Corte” ofta används som standardöversättning i Spanien. En maskinöversättning klarar sällan av att göra denna typ av åtskillnad utan mänsklig expertis.
En balanserad syn på framtidens verktyg
Avsikten med detta blogginlägg är inte att kritisera användningen av maskinöversättning, utan snarare att belysa några av de nuvarande begränsningarna. Det är viktigt att förstå när MT är ett lämpligt verktyg och när det krävs mänsklig expertis för att garantera kvalitet och korrekthet. På TOTAL översättningsbyrå uppmuntrar vi användning av MT i lämpliga projekt och följer noga utvecklingen, eftersom vi ser hur teknologin ständigt förbättras och skapar nya möjligheter för effektiv kommunikation.
