Maschinelle Übersetzungsgrenzen in der Lokalisierungsstrategie

Die Grenzen der maschinellen Übersetzung können übersehen werden, wenn Sie darauf bedacht sind, in einen Markt einzutreten. MT kann ein nützliches Werkzeug sein, aber es ist keine vollständige Lösung. Solange Sie bereit sind, es als Lokalisierungshilfe und nicht als vollständige Lösung zu verwenden, können Sie von seinen Vorteilen profitieren und gleichzeitig hohe Standards beibehalten. MT und menschliche Übersetzung schließen sich nicht gegenseitig aus. MT ist ein Produktivitätswerkzeug. Es kann Übersetzern helfen, schneller zu arbeiten und qualitativ hochwertigere Ergebnisse zu erzielen. In einigen Fällen ist es sogar möglich, einen Großteil des Produkts mit einem fachmännisch erstellten System zu automatisieren. Es ist jedoch selten eine eigenständige solution to localization, daher ist es ratsam, seine Grenzen zu verstehen.

Genießen von Automatisierung innerhalb der Grenzen der maschinellen Übersetzung

Die Grenzen der maschinellen Übersetzung gehen oft Hand in Hand mit begrenzten Daten. MT ist darauf trainiert, Daten zu verwenden, um Übersetzungsvorschläge für Übersetzer zu machen. Um ein effektives maschinelle Übersetzung Programm zu erstellen, benötigen Sie mindestens eine Million Wörter hochwertigen, menschlich übersetzten Inhalts.

Das ist das größte Problem, mit dem die meisten Unternehmen konfrontiert sind, da sie keinen Zugriff auf diese Trainingsdaten haben, die auch als Korpora oder Textkorpus bekannt sind. Selbst wenn sie Daten haben, um diese Engines zu trainieren, sind sie oft sehr fachspezifisch - wie bei technischer Dokumentation. Um ein effektives maschinelles Übersetzungsprogramm zu erstellen, benötigen Sie mindestens eine Million Wörter hochwertigen, menschlich übersetzten Inhalts. Das ist das größte Problem, mit dem die meisten Unternehmen konfrontiert sind, da ihnen diese Schulungsdaten, auch bekannt als Korpora oder Textkorpus, nicht zur Verfügung stehen. Selbst wenn sie Daten haben, um diese Engines zu trainieren, sind sie oft sehr spezifisch für bestimmte Fachgebiete, wie z.B. technische Dokumentation. Diese prägnanten Informationen sind sehr sachlich und können die Übersetzung vieler Inhalte automatisieren, indem sie Muster verwenden und befolgen. Deshalb ist der Einsatz von maschineller Übersetzung in der Regel am besten geeignet, wenn der Inhalt einen sehr geringen Wert hat, d.h. er wird nicht oft angesehen und ist nicht darauf ausgelegt, viel "Persönlichkeit" zu haben. Darüber hinaus nutzen die meisten Menschen maschinelle Übersetzung als Methode zur Automatisierung von Übersetzungen, weil sie Geld sparen wollen.

Deshalb ist der Einsatz von maschineller Übersetzung in der Regel am besten, wenn es sich um Material handelt, das einen sehr geringen Wert hat, da es nicht oft angesehen wird und nicht darauf ausgelegt ist, viel "Persönlichkeit" zu haben. Darüber hinaus nutzen die meisten Menschen maschinelle Übersetzung als Methode zur Automatisierung der Übersetzung, weil sie Geld sparen wollen. Um jedoch maschinelle Übersetzung zu trainieren, müssten sie viel in Inhalteerstellung und Datenerfassung investieren, um das System effektiv aufzubauen, was jeden ROI aus dem Projekt zunichte machen würde.

Das Budget ist der Punkt, an dem viele maschinelle Übersetzungsprojekte scheitern, da sie feststellen, dass die Erstellung des Systems teurer wäre als die Verwaltung durch menschliche Übersetzer. Schließlich stammt eine der bedeutendsten Grenzen der maschinellen Übersetzung von den menschlichen Übersetzern selbst. Als MT zum ersten Mal auf den Markt kam, gab es anfangs viel Widerstand gegen die Verwendung, aufgrund des Konzepts von dem, was "gut genug" ist. Übersetzern wurde gesagt, dass sie nur MT-Inhalte "anpassen" müssten, um sie zu verbessern, aber oft wurde ihnen kein Maßstab dafür gegeben, was als gut qualifiziert. Darüber hinaus haben diese Tools ihre Bezahlung reduziert und ihre Produktivitätsziele erhöht. Als Ergebnis sollten klare Kriterien und Standards für optimalen Inhalt festgelegt werden, wenn Sie MT verwenden und es mit Post-Editing ergänzen.

Bewertung der maschinellen Übersetzung für Qualität

Ein weiteres Limit der maschinellen Übersetzung ist ein Mangel an Standardisierung zur Bestimmung der Qualität. Der bilinguale Evaluationsassistent, oder BLEU, ist der am häufigsten akzeptierte Maßstab, leidet jedoch unter einigen schwerwiegenden Mängeln. Da er feste Referenzstandards verwendet, geht es weniger darum, die Verbesserung der Qualität zu messen, sondern eher darum, sich an eine starre Struktur zu halten. Da dies der Fall ist, sollte der BLEU-Score niemals das einzige Kriterium für den Erfolg einer Übersetzung sein. Übersetzungsstandards für den Erfolg sollten aus objektiven, menschenzentrierten Kriterien stammen wie:

• Ist der Umsatz nach der Verwendung des maschinellen Übersetzungsinhalts gesunken oder gestiegen?
• Gab es weniger Beschwerden von Benutzern?
• Haben Benutzer die Software besser navigiert und sind weiter vorangekommen?
• Hat sich die Editierdistanz - die Zeit, die von der maschinellen Übersetzung über die menschlichen Bearbeitungen bis zum erfolgreichen Inhalt benötigt wurde - verringert?

Die besten Metriken zur Einschätzung der Grenzen Ihrer maschinellen Übersetzung sind nutzerorientiert. Wenn Beschwerden abnehmen, steigt der Umsatz und die Benutzer navigieren weiter in die Software hinein. In diesem Fall ist es leicht zu erkennen, dass sie den Inhalt verstehen und sich damit beschäftigen. Außerdem erhalten Sie durch den Ausbau des Materials mehr Zugang zu Daten, was das Training für das Programm verbessern wird. Solange dieses System ein Werkzeug und keine endgültige Lösung ist, werden die meisten maschinellen Übersetzungsanstrengungen trotz ihrer Einschränkungen eine lohnende Investition sein.

‍Bureau Works kann Ihre Übersetzungs- und Lokalisierungsbemühungen verbessern, indem maschinelle Übersetzung mit Experten-Post-Editoren kombiniert wird, die wissen, wie man Inhalte zum Strahlen bringt.Kontaktieren Sie unser Team um Ihre Übersetzung auf die nächste Stufe zu heben.

‍