حدود الترجمة الآلية في استراتيجية التوطين

قد يتم التغاضي عن حدود الترجمة الآلية عندما تكون متحمسًا لدخول سوق جديد. يمكن أن تكون الترجمة الآلية أداة مفيدة، لكنها ليست حلاً كاملاً. طالما أنك مستعد لاستخدامه كوسيلة مساعدة للتوطين وليس كحل كامل، يمكنك الاستمتاع بفوائده مع الحفاظ على المعايير مرتفعة. الترجمة الآلية والترجمة البشرية ليستا متعارضتين. MT هي أداة إنتاجية. يمكن أن يساعد المترجمين على العمل بشكل أسرع والحصول على نتائج ذات جودة أعلى. في بعض الحالات، من الممكن حتى أتمتة أجزاء كبيرة من المنتج باستخدام نظام تم إنشاءه بمهارة. ومع ذلك، نادراً ما يكون حلاً مستقلاً للتوطين، ولهذا السبب من الحكمة فهم حدوده.

الاستمتاع بالأتمتة ضمن حدود الترجمة الآلية

غالبًا ما تأتي حدود الترجمة الآلية جنبًا إلى جنب مع البيانات المحدودة. يتم تدريب MT لاستخدام البيانات لتقديم اقتراحات للمترجمين. لإنشاء برنامج فعال للترجمة الآلية، ستحتاج إلى ما لا يقل عن مليون كلمة من المحتوى المترجم بواسطة البشر وذو الجودة العالية.

هذه هي أكبر مشكلة تواجهها معظم الشركات لأنها لا تستطيع الوصول إلى بيانات التدريب هذه، والمعروفة باسم corpora أو مجموعة النصوص. حتى لو كان لديهم بيانات لتدريب هذه المحركات، فإنها غالبًا ما تكون محددة للغاية في موضوعها - كما هو الحال مع الوثائق الفنية. تلك المعلومات الموجزة دقيقة للغاية ويمكنها أتمتة ترجمة العديد من قطع المحتوى باستخدام واتباع الأنماط.

هذا هو السبب في أن استخدام الترجمة الآلية (MT) عادة ما يكون الأفضل في الحالات التي تكون فيها المادة منخفضة القيمة للغاية، حيث لا يتم عرضها كثيرًا ولم يتم تصميمها لتكون لها الكثير من "الشخصية". علاوة على ذلك، فإن معظم الأشخاص الذين ينظرون إلى الترجمة الآلية كطريقة لأتمتة الترجمة يفعلون ذلك لأنهم يريدون توفير المال. ومع ذلك، لتدريب الترجمة الآلية، سيتعين عليهم الاستثمار بشكل كبير في إنشاء المحتوى واستخراج البيانات لبناء النظام بشكل فعال، مما سيقضي على أي ROI from the project.

الميزانية هي المكان الذي تنهار فيه العديد من مشاريع الترجمة الآلية حيث يكتشفون أن إنشاء النظام سيكون أكثر تكلفة من إدارة المترجمين البشريين له. أخيرًا، أحد أهم حدود الترجمة الآلية يأتي من المترجمين البشريين أنفسهم. كان هناك في البداية الكثير من المقاومة لاستخدام MT عندما ظهر لأول مرة بسبب مفهوم ما هو "جيد بما فيه الكفاية". قيل للمترجمين إن عليهم فقط "تعديل" المحتوى الآلي لجعله أفضل، ولكن غالبًا لم يُعطوا معيارًا لما يُعتبر جيدًا. بالإضافة إلى ذلك، قامت هذه الأدوات بتخفيض معدلات الأجور وزيادة أهداف الإنتاجية. نتيجة لذلك، في أي وقت تستخدم الترجمة الآلية وتكملها بتحرير لاحق، سترغب في وضع معايير واضحة ومقاييس لتحقيق المحتوى الأمثل.

تقييم الترجمة الآلية للجودة

حد آخر للترجمة الآلية هو نقص التوحيد القياسي لتحديد الجودة. يعد التقييم ثنائي اللغة، أو BLEU، المعيار الأكثر قبولًا ولكنه يعاني من بعض العيوب القاتلة. نظرًا لاستخدامه معايير مرجعية ثابتة، فإنه يتعلق أقل بقياس التحسين في الجودة وأكثر بالالتزام ببنية صارمة. في هذه الحالة، لا ينبغي أبداً أن تكون درجة BLEU هي المعيار الوحيد لتحديد نجاح الترجمة.يجب أن تأتي معايير الترجمة للنجاح من معايير موضوعية تتمحور حول الإنسان مثل:

• هل انخفضت الإيرادات أم ارتفعت بعد استخدام المحتوى MT؟
• هل كانت هناك شكاوى أقل من المستخدمون؟
• هل تمكن المستخدمون من التنقل في البرنامج بشكل أفضل والتقدم أكثر؟
• هل انخفضت مسافة التحرير—الوقت الذي استغرقه من الترجمة الآلية إلى التحريرات البشرية إلى المحتوى الناجح؟

أفضل المقاييس لفهم حدود الترجمة الآلية الخاصة بك هي التي يقودها المستخدمون. عندما تنخفض الشكاوى، ترتفع الإيرادات، ويتعمق الناس في استخدام البرنامج. في هذه الحالة، من السهل رؤية أنهم يفهمون المحتوى ويتفاعلون معه. أيضًا، عندما يتم بناء المواد، تحصل على مزيد من الوصول إلى البيانات، مما سيحسن التدريب على البرنامج. طالما أن هذا النظام هو أداة وليس حلاً نهائيًا، فإن معظم جهود الترجمة الآلية تستحق الاستثمار على الرغم من قيودها.