번역 메모리와 용어베이스는 놀라운 발전이었지만... 1970년대에요. 거의 50년 전이고 여전히 같은 고대 기술을 사용하고 있습니다. 기계 번역을 개선하고 적응형 기계 번역을 도입했지만, 기본 패러다임은 변경되지 않았습니다.
번역을 하려면 두 가지 주요 도구가 있습니다: 번역 메모리와 용어집. 다른 산업을 혼란시키는 기술과 비교해보면, 우리는 사냥술사 시대의 네안더탈 스타일로 번역을 하고 있습니다. TM과 TB에는 본질적으로 잘못된 점이 없습니다. 그들은 훌륭한 도구입니다.
문제는 그들이 파일의 정적 덤프이며 언어 워크플로의 동적인 특성을 제대로 고려하지 않는다는 것입니다. 다음은 예시입니다. 번역가는 용어베이스에 용어를 추가해야 한다고 생각합니다. 그들은 작업 중인 CAT 도구에 용어를 제안하거나 공유 스프레드시트에 추가하거나 프로젝트 관리자에게 이를 전달하는 등의 다른 옵션을 선택할 수 있습니다. 하지만 이 모든 방법은 용어의 전체적인 여정을 완료하는 데는 부족합니다.
4가지 쉬운 단계가 여기 있습니다: 생성, 번역, 승인 및 게시.
용어는 통계 또는 AI 마이닝에서 태어나야 하며, 편집자는 문맥과 관련성을 평가해야 합니다. 한 번 용어로 간주되면, 번역이 필요합니다. 어떤 종류의 번역이든, 핵심 용어에 대해 철저히 연구되고 문맥에 맞는 사려깊은 번역이 필요합니다.
이러한 번역은 해당 용어에 대해 승인을 받아야 하는 전문 편집자에게 전달되어야 합니다. 이 작업이 완료되면 용어가 게시됩니다. 이제 앞으로의 모든 번역에 대해 해당 용어가 게시되었으므로, 용어가 용어집 수준으로 승격되기 전에 관리되었던 전체 언어 말뭉치를 어떻게 처리해야 할까요? 예를 들어 "펜"의 번역을 "스틸로그래프"로 변경했다고 가정해 봅시다. 한 번 그 작업이 완료되면 용어가 게시됩니다. 이제 앞으로의 모든 번역에 대해 해당 용어가 게시되었으므로, 그 용어가 용어집 수준으로 승격되기 전에 관리되던 전체 언어 말뭉치를 어떻게 처리해야 할까요? "펜"의 번역을 "스틸로그래프"로 변경했다고 가정해 봅시다. 이제 모든 번역 메모리를 업데이트해야 하며, 문자열은 재게시되어야 할 수도 있으며, 이 모든 것은 수동으로 시간이 많이 소요되고 오류가 발생할 수 있는 과정입니다. 우리는 용어베이스가 시간이 지남에 따라 변경될 수 있고, 변경되어야 한다고 믿습니다.
우리는 용어베이스가 시간이 지남에 따라 변경되어야 하는 동적인 개체라고 믿습니다. 용어베이스를 정적인 개체로 다루는 주된 이유 중 하나는 변경 사항이 번역 메모리와 전체 작업 내용에 미치는 파급 효과를 관리하기가 너무 복잡하기 때문입니다.
그래서 기술적 한계로 인해 우리는 게으르고 안주하는 경향이 생깁니다. 수십 개의 언어로 수백 개의 용어를 지속적으로 업데이트하는 것은 악몽 같은 상황입니다. 하지만 이제 더 이상 그럴 필요가 없습니다.
저희 용어 관리 도구는 용어를 살아 숨 쉬는 적응 가능한 개체로 취급하여 시간이 지나면서 변화를 겪습니다. 우리의 기술은 이러한 워크플로우를 추적하고 올바른 사람들이 용어를 제안하고 번역하며 승인할 수 있는 적절한 수준에서 참여하도록 하는 데 초점을 맞추고 있습니다.
또한, 이전보다 여러 개의 TMs에 걸쳐 전역적인 변경을 더 쉽게 수행할 수 있는 도구도 제공합니다. 그러나 진정한 비전은 용어 사전이 번역 메모리를 동적으로 상호 참조하여 일관성이 유지되도록 불일치 사항을 식별하고 수정하는 것입니다.
이것은 지식 관리가 얼마나 약하고 우리가 언어 관리에서 진정으로 빛나지 못하게 하는 작은 예시에 불과합니다. 만약 기술이 사람들이 실제로 작업하는 방식에 기반하여 사용 사례를 해결하는 데 초점을 맞추고 50년 전의 구식 기능 세트를 개선하는 것이 아니라면, 문자열 관리, 번역 메모리 및 용어 관리 측면에서 훨씬 더 많은 일을 할 수 있을 것입니다.
Gabriel Fairman이 작성함
Gabriel은 Bureau Works의 창립자이자 CEO입니다. 그는 변화를 좋아하며 풀을 먹는 것을 좋아합니다.
.avif){kind=spacer}
.avif)
.avif)
%2520(1).avif)
