مترجم مبتنی بر هوش مصنوعی به این زودیها جای مترجمان را نمیگیرد
- 19 بهمن 1399
- هوش مصنوعی
ارتقاء کیفیت مترجم مبتنی بر هوش مصنوعی (AI) بسیاری از افراد حقیقی و حقوقی را وسوسه کرده تا با بهرهگیری از آن موجب کاهش هزینههای خودشان شوند. حتی شما نیز ممکن است پیامدهای مالی جایگزینی مترجمان با ترجمه ماشینی (مثل گوگل ترنسلیت) را تحلیل کرده باشید.
به باور عدهای، هوش مصنوعی میتواند ترجمهای شبیه انسانها، آن هم با قیمتی خیلی کمتر یا حتی رایگان ارائه دهد. با این حال این دیدگاه مخالفان بسیار زیادی دارد. لذا شبکه مترجمین راستین قصد دارد تا در این مطلب به مقوله مذکور نگاهی دقیقتر بیاندازد.
شرکتهای پیشگام در زمینه تلفیق هوش مصنوعی با خدمات ترجمه
هوش مصنوعی به لطف توسعه یادگیری ماشین، شبکههای عصبی و مهارت فهم اطلاعات در سالهای اخیر با رشد چشمگیری همراه بوده است. غولهای فناوری مانند مایکروسافت (Microsoft) و گوگل در حال سرمایه گذاریهای عظیمی بر روی AI هستند تا سیستمهایی را به وجود آوردند که بتواند برگردانی با دقت انسانی ارائه دهد.
مثلا گوگل جدیداً ویژگی جدیدی را منتشر کرده که به نرم افزار امکان میدهد تا محتوای صوتی را ضبط کرده و نسخه متنی ترجمه شده را به صورت آنی تحویل دهد. مایکروسافت نیز در زمینه توسعه نرم افزاری، پیشرفت چشمگیری داشته است. مسئولین این شرکت در سال 2018 عنوان کردند که در زمینه ترجمه خودکار به نوعی برابری انسانی رسیدهاند. در ضمن شرکت DeepL که یکی از محبوبترین ارائهدهندگان خدمات MT در بازار است؛ اخیراً اعلام کرده که به پیشرفتهای قابل ملاحظهای در زمینه مترجم مبتنی بر AI دست پیدا کرده است.
همچنین ثابت شده که ابزارهای قدرت یافته از طریق هوش مصنوعی در هنگام بازنویسی محتوا از یک زبان به زبان دیگر بسیار دقیق هستند. این مزایا را واقعاً نمیتوان نادیده گرفت. ماشینها سریعتر از مترجمان انسانی و با کسری از هزینه آنها کار میکنند. حال این سوال پیش میآید که نتیجه چیست؟ آیا اکنون افراد متقاضی ترجمه تخصصی مقاله و یا شرکتها میتوانند بدون نیاز به خدمات تخصصی با موانع زبانی مقابله کنند؟
چرا شرکتها و افراد حقیقی نباید به مترجم مبتنی بر هوش مصنوعی اعتماد کنند؟
سه سال پیش مدیر اجرایی شرکت One Hour Translation در مصاحبهای به فوربز (Forbes) گفت که سیستمهای NMT (ترجمه ماشینی عصبی) میتوانند 21 هزار دارالترجمه و بیش از نیم میلیون مترجم را بیکار کنند. با توجه به این اظهارات انتظار میرود که طی چند سال آینده ابزارهای هوش مصنوعی، حیطه خدمات زبانی در زمینه تجارت بینالملل و موضوعات آکادمیک را به تصرف خود درآورند. با شنیدن این موضوع شاید با خود فکر کنید که دیگر در این روند نیازی به حضور مترجمان حرفهای نیست. اما صبر کنید این ایده حداقل فعلاً کمی جاهطلبانه است؛ آن هم به دلایل زیر:
حتما بخوانيد: بررسی شیوه کاری ترجمه ماشینی عصبی (NMT)
1. در درک تفاوتهای ظریف زبانی با مشکل مواجه است
ماشینها شاید بتوانند چیزی فراتر از برگردان کلمه به کلمه ارائه دهند؛ اما باز هم قادر به تضمین 100% کارشان نیستند. سیستمهای NMT اغلب کلمات مناسب را براساس زمینه کاری انتخاب میکنند؛ با این حال نمیتوانند تفاوتهای ظریفی مانند لحن صدا یا عناصر ارتباطی خاص مخاطب را تشخیص دهند.
هر چند مترجم مبتنی بر هوش مصنوعی میتواند هوشمند باشد؛ اما باز هم درک مفاهیم سخنان انسان برایش دشوار است. علاوه بر این، نرمافزار به تنهایی نمیتواند مفاهیم ارتباطی را با بخشهای مختلف مخاطبان تطابق دهد.
احتمال دارد ابزارهای MT بتوانند به سطح خاصی از تفکر مستقل برسند و الگوهای ارتباطی را به زبان اصلی تشخیص بدهند؛ اما این بدان معنی نیست که قادرند تا همه تفاوتهای ظریف را به زبانی دیگر باز تولید کرده و ترجمهای باکیفیت ارائه دهند. همچنین آنها هنوز نمیتوانند اصطلاحات، شوخیها، احساسات یا واژگان خاص را توصیف کرده یا بازتولید نمایند.
2. قادر به تشخیص المانهای فرهنگی نیست
مترجم مبتنی بر هوش مصنوعی شاید ترجمه برخی متون را به صورت دقیق به سرانجام برساند؛ اما نمیتواند ارجاعات فرهنگی را توضیح دهد و یا اینکه مخاطبان را مجاب کند تا با پیام اصلی همگام شوند. در ضمن کلمات کلیدی را به صورت طبیعی در متون قرار نمیدهد؛ از اینرو محتواها نمیتوانند با هنجارهای محلی ادبی متناسب شوند.
در حالت کلی بدون داشتن دیدگاهی فرهنگی، محتوای برگردانده شده سطحی و عاری از احساسات انسانی به نظر میآید. بنابراین احتمال اینکه بتواند با مخاطب تعامل برقرار کند کمتر است؛ در این صورت هیچ کمکی در راستای دستیابی به اهداف نخواهد کرد. در این زمینه مترجمان انسانی، شریکی عالی برای شرکتهایی هستند که قصد دارند تا از طریق ایجاد روابطی بلند مدت با مشتریان خود به سود بیشتری برسند.
3. غلبه بر سوگیری الگوریتم مشکل است
سوگیری الگوریتم (Algorithmic Bias) یکی سختترین و پیچیدهترین مشکلات مرتبط با تکنولوژی هوش مصنوعی به شمار میآید که غلبه بر آن با چالشهای فراوانی همراه است. در واقع سوگیری الگوریتم از انسانهایی که آنها را به وجود آوردهاند و در محیطی که مورد آموزش قرار گرفتهاند به ارث رسیده است. تصور کنید یک نوع الگوریتم به گونهای طراحی شده که برای پیش بینی کار فقط از تصویر صورت استفاده میکند. همانطور که میدانید مشاغل به طور نامتناسب توسط جنسیت، نژاد، سن و سایر گروههای مردم تحت تأثیر قرار میگیرند؛ بنابراین استفاده از این نوع الگوریتم نمیتواند تمام اهداف برنامه نویسان را به درستی منعکس نماید.
در سیستمهای مترجم مبتنی بر هوش مصنوعی، رایجترین شکل سوگیری به جنسیت مربوط میشود که در اغلب موارد شخصیتهای مرد و زن به درستی توسط نرم افزار معنی نمیگردند. این مسئله از آنجا ناشی میشود که بیشتر زبانها بر روی ضمایر جنسیتی کمتر از زبان انگلیسی تکیه میکنند. در این حالت بعضی نرم افزارها مانند گوگل ترنسلیت (Google Translate) با فراهم کردن برگردان هر دو جنسیت سعی کردهاند تا حدودی این مشکل را حل نمایند.
شکلهای دیگری از سوگیری وجود دارند که ترجمههای ماشینی مستعد ابتلا به آنها نیز هستند. الگوریتمها اغلب نسبت به طول سوگیری دارند. در نتیجه وقتی از الگوریتمهای MT استفاده میگردد؛ متوجه میشویم که ترجمه نسبت به حالت واقعیش کوتاهتر است و جملات شکسته هستند. این چیزی نیست که کاربران و مشتریان انتظار دریافت آن را داشته باشند؛ بنابراین نسبت به این نوع برگردان معترض میگردند و خواهان اصلاح آن توسط مترجمان حرفهای خواهند شد.
حتما بخوانيد: ترجمه ماشینی چیست: تاریخچه + معرفی 4 سیستم MT
4. دقت ترجمه کلمات تخصصی زیاد نیست
مهارت فهم اطلاعات در سالهای گذشته پیشرفت بسیاری داشته است. مهمترین این پیشرفتها ماحصل تکنولوژی محاسباتی سریعتر و قدرتمندتر بوده که میتواند اعداد بیشتری (برای محاسبات) را در یک بازه زمانی کوتاهتر متراکم نماید. تمام توسعههای انجام گرفته پیرامون هوش مصنوعی بر روی سریعتر و بیشتر شدن تعداد محاسبات متمرکز بوده است. این موضوع الگوریتمها را قادر ساخته تا از پایگاه داده وسیعتری استفاده کنند و الگوهای بیشتری را اتخاذ نمایند.
این اتفاق به نوبه خود منجر به افزایش دقت برگردان کلمات در ماشینها شده است؛ چون تعداد بیشتری از کلمات توانستهاند تا وارد حافظهشان شوند و اصطلاحات تخصصیتری در آنها جای گرفته است. با این حال این روند به کندی پیش میرود، و شاید در آینده سطح دقت ترجمه کلمات تخصصی بتواند برای افراد حرفهای و مترجمان متخصص نیز کارآمد باشد.
5. برای متون حساس نمیتوان به آن اعتماد کرد
مترجمان در برخی از زمینهها، نقش مهمی در اطمینان از انطباق متون ترجمه شده ایفا میکنند. مثلاً در زمان ترجمه متون پزشکی با چم و خم صنایع دارویی و بهداشتی آشنا هستند. آنها علاوه بر داشتن مهارتهای زبانی، از تحولاتی که در این زمینه رخ میدهد و پیش شرطهای خاصی که مقامات محلی برای حمایت از مصرف کنندگان در نظر گرفتهاند نیز آگاهی دارند.
شرکتی که در زمینه داروسازی فعالیت میکند؛ برای مستندات حساسی مانند آزمایشات بالینی، گزارشات موردی یا خلاصهای از مشخصات محصولات دارویی (SmPC) تنها نمیتواند به MT اتکا کند. این موضوع در مورد هر صنعتی صدق میکند. قراردادها، اطلاعات مرتبط با محصول، ترجمه کتابچه راهنمای مصرف کننده، بیانیه سلب مسئولیت، سیاستهای حفظ حریم شخصی و صدها سند دیگر قبل از اینکه در دسترس عموم قرار بگیرند، باید توسط متخصصین بررسی شوند.
هر چند بهرهگیری از مترجم مبتنی بر هوش مصنوعی جهت آماده سازی پیش نویس برای اینگونه اسناد کاری ارزشمند است؛ اما این ابزار نمیتواند عناصر الزامی و مقررات محلی را در برگردان متون ادغام کند. همیشه برای اطمینان از مطابقت ترجمهها به یک تیم از متخصصان محلی نیاز است.
آینده مترجم مبتنی بر هوش مصنوعی و کار مترجمان
به نظر میرسد که پیشرفت در سیستم مترجم مبتنی بر هوش مصنوعی یک ضرورت باشد؛ چرا که این فناوری به مترجمان حرفهای کمک میکند تا ضمن ارائهای سریعتر، کارهای باکیفیت بالاتری نیز تحویل دهند. ضمناً این نوع ابزار میتواند ارتباط بین تیمهای بینالمللی را در زمان ادغام نرمافزارهای اینترنتی یا اپلیکیشنهای پیام رسان گروهی سادهتر کند.
با این حال برندهایی که قصد دارند تا در خارج از مرزهای سرزمین خود فعالیت کنند؛ باید توجه داشته باشند که نمیتوانند فقط به مترجم مبتنی بر AI اتکا نمایند. اینگونه شرکتها به شریکی قابل اعتماد نیاز دارند؛ شریکی که میداند چگونه در راستای ارائه راهکارهای ترجمه مقرون به صرفه، فناوری را با منابع انسانی ادغام نماید.
در ادامه حتما بخوانيد: چت بات های چند زبانه مجهز به هوش مصنوعی