I dagens snabba översättningsvärld har det blivit nödvändigt att använda teknik för att optimera effektiviteten. Gabriel Fairman dyker in i diskussionen om maskinöversättning Post-Editing (MTPE) och Augmented Translation, två avgörande teknologier som kan forma framtiden för översättningstjänster, särskilt ur ett finansiellt perspektiv.
Vad är maskinöversättning efterredigering (MTPE)?
Maskinöversättning (MT) avser automatisk översättning av text med hjälp av programvara, utan någon mänsklig inblandning. Olika typer av motorer kan användas, från statistiska och regelbaserade till neurala nätverk, som Google, Microsoft eller AWS.
Men som Gabriel Fairman förklarar, MTPE involverar mänsklig inblandning för att förfina och korrigera maskinens utdata:
“Efterredigering avser den process som en människa ägnar sig åt för att säkerställa att de granskar maskinöversättning förslag och justerar dem vid behov för att säkerställa att de är genomförbara översättningar.”
Komplexiteten i MTPE varierar avsevärt, och i vissa fall kan det vara lika svårt som att översätta från grunden. Gabriel varnar för att efterredigering inte alltid garanterar effektivitet:
"Det kan ofta vara väldigt missvisande, väldigt komplext och mycket mer smärtsamt än att faktiskt översätta från grunden."
Utmaningarna med MTPE
Även om MTPE har ett löfte om att snabba på översättningsprocessen, levererar det inte alltid som förväntat. Några av de viktiga frågor Gabriel lyfter fram inkluderar:
- Oförutsägbar Kvalitet: Maskinöversättningar kan vara inkonsekventa, ibland producera felfria meningar, medan de andra gånger är fulla av fel.
- Dolda misstag: Fel kan vara begravda i texten, till exempel kulturella förskingringar, ordagranna översättningar eller till och med pinsamma misstag.
- Varierat ämnesområde: Prestanda varierar mellan olika områden. Till exempel kan MTPE fungera bra för finans men dåligt för Marknadsföring.
Fairman sammanfattar begränsningarna med MTPE:
“Den grundläggande fördelen med maskinöversättning är att den levererar detta löfte om större effektivitet, men utmaningen är att MTPE är ohanterlig.”

Ange Förbättrad Översättning
Förbättrad Översättning introducerar ett nytt sätt att arbeta med maskingenererat innehåll. Denna teknik fokuserar på kontextkänsliga översättningar, vilket säkerställer att översättarens redigeringar kontinuerligt integreras i systemet och förbättrar översättningens kvalitet över tid.
Enligt Gabriel ligger den stora fördelen med förstärkt översättning i dess dialogiska natur:
"Det fina med den kontextkänsliga översättningen är att även om den på ytan verkar väldigt lik MTPE, fungerar den i ett helt annat paradigm. Det lär sig av dina val, det blir bättre och mer i samklang med din stil, diktion, ton och syntax.
Viktiga skillnader mellan MTPE och förstärkt översättning
- Kontinuerligt lärande: Förstärkta översättningssystem justerar sig baserat på översättarens inmatningar, vilket förbättrar förslag för framtida översättningar.
- Semantisk verifiering: Dessa system kan uppfatta nyanser som traditionella QA-verktyg ofta missar, inklusive könsfördomar, kulturell missappropriering och olämpliga toner.
- Förbättrad effektivitet: Genom att minska antalet upprepade fel och integrera realtidsinlärning minskar förstärkt översättning den kognitiva ansträngningen och ökar belåtenhet för översättare.

Finansiella överväganden
Ur ett finansiellt perspektiv kan förstärkt översättning erbjuda mer stabila och förutsägbara resultat jämfört med MTPE. Även om MTPE kan resultera i hög variabilitet i Kvalitet och ansträngning, effektiviserar förstärkt översättning processen genom att kontinuerligt förfina översättningen baserat på användarens input.
Fairman påpekar att även om redigeringsavstånd i förstärkt översättning kan vara en användbar mätning för att mäta ansträngning, ligger den verkliga utmaningen i att koppla det till kognitiv ansträngning och övergripande Kvalitet. Han konstaterar:
“Det kommer fortfarande att vara utmanande att koppla redigeringsavstånd till faktisk kognitiv ansträngning, och det är ännu svårare att koppla kognitiv ansträngning till översättningskvalitet.”
Slutsats
Sammanfattningsvis, även om MTPE hade ett starkt löfte om effektivitet, har förstärkt översättning visat sig vara ett mer sofistikerat och pålitligt alternativ. Det minskar inte bara tiden som läggs på repetitiva redigeringar utan erbjuder också en mer naturlig och givande upplevelse för översättare.
Gabriel avslutar med en stark rekommendation att prova augmented translation:
"Det är annorlunda på så sätt att det är betydligt bättre, mer sofistikerat, dialogiskt, ständigt utvecklande, och det känns bara organiskt och levande."