بهترین روش‌ های پسا ویرایش ترجمه ماشینی

همانند هر روش ترجمه دیگری باید ابتدا متن اصلی با دقت آماده شده و یا پیش ویرایش گردد؛ در این صورت می‌توان مطمئن شد که ویرایشگران و موتورهای هوش مصنوعی به نحو احسن کار خود را انجام می‌دهند. خطاهای اولیه ممکن است بسیار پیچیده باشند و باعث به وجود آمدن مشکلاتی گردند. به همین دلیل در ابتدای کار تا جاییکه ممکن است باید مطمئن شوید که متن اصلی فاقد اشتباهات املایی و نگارشی است. واژه‌های متن و فرمت آن باید با هم متناسب باشند. متن باید به گونه‌ای باشد که گویا قرار است کاملاً توسط مترجم انسانی مدیریت شود.

اگر قصد دارید به بهترین نتیجه دست پیدا کنید؛ باید متن خود را مخصوص MT آماده نمایید. هر چند که روند ترجمه ماشینی سریعاً در حال بهبود است؛ اما می‌توانید با برداشتن گام هایی به افزایش کیفیت خروجی کمک نمایید. به طور کلی هر چه متن ورودی مختصرتر و شفاف‌تر باشد؛ عملکرد آن بهتر خواهد بود. یک جمله ایده‌آل باید کمتر از 20 کلمه و حاوی دستور زبانی ساده‌ای باشد. جملات پیچیده و یا تکه جملات تیتر‌وار برای این ابزار مناسب نیستند.

ابزارهای MT زیادی وجود دارند که به طور پیوسته به تعداد و کیفیت آنها افزوده می‌شود. همه آنها مثل هم نیستند؛ عملکرد برخی نسبت به سایرین بسیار برتر است. چالش‌های مترجم هوش مصنوعی باعث گردیده تا برخی از آنها برای معدودی از جفت‌ های زبانی مناسب نباشند؛ با این حال بعضی فقط برای موضوعات خاصی عملکرد خوبی دارند. با انتخاب مناسب‌ترین ابزار برای پروژه‌‌تان میتوانید در وقت و تلاش خود صرفه جویی کنید.

طیفی از موتورهای عمومی ترجمه ماشینی را در نظر بگیرید و آنها را با استفاده از نمونه متن‌ها یا تجربیات گذشته‌تان ارزیابی نمایید. هر چند که تدوین یک روش تحلیل سفارشی ممکن است گزینه‌ای زمان‌بر باشد؛ اما می‌تواند در بلند مدت به راه‌حل‌های مقرون به صرفه‌ای بیانجامد. گزینه دیگری که بهتر است گوشه چشمی به آن داشته باشید؛ در نظر گرفتن یک ابزار ترجمه سفارشی است که با استفاده از داده‌های خودتان آن را آموزش داده اید. این مسئله در کل باعث می‌شود تا بتوانید به نتایج مناسب‌تری در زمینه مطالبی که عادتاً با آنها کار می‌کنید، دست بیابید.

خروجی موتور MT به صورت جامع در پسا ویرایش کامل (Full Post-editing) مورد بررسی قرار می‌گیرد تا از عدم وجود هیچگونه خطایی اطمینان حاصل شود. روش LPE بر ضروریات یک متن مثل دقت و خوانایی آن متمرکز می‌شود؛ در حالیکه FPE چندین عامل را در نظر می‌گیرد که تعدادی از آنها عبارتند از:

• متناسب کردن متن با فرهنگ زبان مقصد (مانند اصطلاحات کنایه‌ای).

پیش‌نیازها همیشه باید متناسب با یک پروژه خاص تعریف گردند. با این طرز تفکر به روش‌های پسا ویرایش جزئی و کامل به جای انتخاب‌های باینری توجه کنید؛ قطعاً این نوع دیدگاه بسیار مفید خواهد بود. اولویت‌های پسا ویرایش را براساس عواملی مانند زمان، هزینه و کیفیت مطلوب، گلچین و انتخاب نمایید. این کار می‌تواند در زمینه اولویت‌بندی و انتخاب برخی از بخش‌ها که ارزش تجاری بالاتری نسبت به بقیه دارند، بسیار موثر باشد.

ویراستاران و مدیران باید نسبت به ابزارهای مختلفی که می‌توانند در روند پسا ویرایش به آنها کمک نمایند، شناخت کافی داشته باشند. تقریباً همه پلتفرم‌های ترجمه به کمک رایانه (CAT) از این فرآیند پشتیبانی می‌کنند. در اینجا چند ابزار به صورت مختصر معرفی می‌گردد.

1. با استفاده از ابزار سیستم‌های مدیریت ترمینولوژی می‌توانید به ویراستاران اطمینان دهید که کار آنها از انسجام کافی برخوردار است. این سیستم‌ها شامل حافظه ترجمه (Translation Memories)، پایگاه اصطلاحات (Term Bases) و اسناد مرجع مفید است. تمامی این موارد باید برای استفاده در پروژه‌های بعدی به روز شوند.

2. از ابزار برآورد کیفی ترجمه ماشینی (Machine Translation Quality Estimation) کمک بگیرید. این ابزار مجهز به هوش مصنوعی است که در ویرایشگر Memsource Editor وجود دارد و می‌تواند تمامی خروجی‌های MT را از نظر کیفی امتیازبندی نماید، و به سردبیران نشان دهد که هر بخش به چه میزان کار نیاز دارد. این ابزار می‌تواند در زمینه شناسایی بخش‌هایی که برای ویرایش باید در اولویت قرار گیرند به زبان‌شناسان و مدیران پروژه‌ها کمک نماید.

یکی از اولین مواردیکه باید مد نظر قرار گیرد، پرداختن به تصورات غلط درباره سرویس‌های پسا ویرایش ترجمه ماشینی است: ویراستار این فرآیند، مترجم نیست. هر چند ماهیت کاری که انجام می‌دهد به گونه‌ای با ترجمه همپوشانی دارد؛ اما مهارت‌های دقیق مورد نیاز یک ویراستار از چند جهت با متخصص خدمات زبانی متفاوت است.

به منظور ارتقاء نتایج روش پسا ویرایش ترجمه ماشینی می‌بایست روند کار و نتایج با استفاده از داده‌ها و بازخوردها به صورت مستمر ارزیابی شوند. فرآیند پسا ویرایش را یک فرآیند تکراری در نظر بگیرید که با گذشت زمان و کسب تجربه بهبود پیدا می کند.

ابزارهای زیادی برای کمک به تحلیل پسا ویرایش در دسترس هستند. مثلا ابزار ویرایشگر Memsource، کار لازم بعد از فرآیند پسا ویرایش را محاسبه می‌کند؛ از اینرو به زبان‌شناسان نشان می‌دهد که برای نهایی کردن متن ترجمه به چه مقدار کار نیاز دارند. این اطلاعات می‌توانند جزئیات لازم را به تفصیل شرح دهند. دانستن اینکه چه بخش‌های خاصی به میزان نامتوازنی از پسا ویرایش نیازمند هستند، می‌تواند به روند پروژه‌های بعدی بسیار کمک کند: شاید لازم باشد تا متن اصلی را به گونه‌ای با روند کار مطابقت داد و یا اینکه اسناد مرجع مفید در اختیار ویراستاران پسا ویرایش قرار گیرد.

چشم‌انداز خدمات ترجمه تا سال 2050 نشان می‌دهد که سرویس‌های مذکور در سال‌های آینده به یک گرایش برتر تبدیل می‌گردند. MT نه تنها برای بسیاری از کسب و کارها (به دلیل سرعت و هزینه آن) جذاب است؛ بلکه شواهد زیادی وجود دارد که نشان می‌دهد استفاده از آن و اصلاح با سرویس PEMT، سریعتر (و در نتیجه مقرون به صرفه‌تر) از برگردان متن از همان ابتداست.

دانشگاه‌های گرونینگن (Groningen) هلند و دوبلین سیتی (Dublin City) ایرلند بر روی یک فصل از رمان جنگ‌ شکن (Warbreaker)، نوشته براندون ساندرسون تحقیق انجام داده‌اند. آنها سه روش؛ یعنی ترجمه از ابتدا، پسا ویرایش آماری مبتنی بر عبارت ترجمه ماشینی و پسا ویرایش ترجمه ماشینی عصبی (PENMT) را با هم مقایسه نموده‌اند. نتایج این مطالعه نشان می‌دهد که استفاده از روش پسا ویرایش آماری مبتنی بر عبارت ترجمه ماشینی باعث افزایش بهره‌وری به میزان 18% می‌شود؛ در حالیکه کارآیی PENMT در حدود 36% بالاتر از روش نخست است.