Czy AI rozumie, co tłumaczy? Co tłumacz AI robi z kontekstem

Mówczyni mówi: „Danach gehen wir noch zur Bank.” („Potem pójdziemy jeszcze do Bank”). O jaki „Bank” chodzi? Osoby siedzące na sali z reguły wiedzą to od razu. Tłumacz AI musi natomiast wywnioskować to z kontekstu – podczas gdy przemówienie trwa dalej. Pojawia się więc pytanie, które ma znaczenie dla każdego tłumaczenia symultanicznego na kongresach, konferencjach i wydarzeniach firmowych: czy AI właściwie rozumie, co tłumaczy? W tym artykule wyjaśniamy, jak systemy AI radzą sobie z kontekstem, wieloznacznością i terminologią fachową, gdzie leżą ich granice – i na czym ostatecznie polega tłumaczenie podczas wydarzeń.

Jedno proste słowo, kilka znaczeń

Niemieckie słowo „Bank” może oznaczać instytucję finansową albo miejsce do siedzenia. Dla ludzi znaczenie w trakcie rozmowy jest zazwyczaj od razu oczywiste: kto mówi o kontach i odsetkach, nie ma na myśli ławki w parku. Kto opowiada o spacerze, nie ma na myśli oddziału banku.

Dla tłumaczenia to rozróżnienie ma kluczowe znaczenie. W języku angielskim instytucja finansowa to „bank”, a miejsce do siedzenia to „bench”. Patrząc wyłącznie na pojedyncze słowo, nie da się ustalić właściwego wariantu. System AI musi więc wywnioskować znaczenie z otoczenia zdania.

Ten przykład pokazuje w małej skali to, co dotyczy każdego tłumaczenia symultanicznego: tłumaczenie to coś więcej niż zamiana pojedynczych słów. Przekazywane jest znaczenie – a znaczenie powstaje dopiero w kontekście.

Jak tłumacz AI przetwarza kontekst

Nowoczesne modele językowe uczą się zależności statystycznych na podstawie dużych zbiorów danych. Rejestrują, jakie słowa, sformułowania i struktury zdań zwykle występują razem, dzięki czemu potrafią rozpoznawać także złożone wzorce. Jeśli „Bank” pojawia się w zdaniu obok słów „konto” i „przelew”, obraz jest inny niż w sąsiedztwie słów „park” i „odpocząć”.

Na tej podstawie modele zestawiają ze sobą informacje językowe. W efekcie powstają zaskakująco dobre tłumaczenia.

Rozpoznawanie wzorców czy rozumienie języka?

To, czy te umiejętności można utożsamiać z ludzkim rozumieniem języka, jest jednak kwestią sporną z naukowego i filozoficznego punktu widzenia. Model językowy przetwarza wzorce i powiązania – czy przy tym w ludzkim sensie „wie”, o co chodzi, nie da się jednoznacznie rozstrzygnąć.

Dla organizatorów to fundamentalne pytanie jest zwykle mniej pilne niż kwestia praktyczna: czy treść dociera do gości w poprawnej formie? Jak w tym kontekście oceniać systemy AI i tłumaczy konferencyjnych, omawiamy w artykule Tłumacz AI czy człowiek: czy tłumacz symultaniczny stanie się zbędny?

Kontekst zmienia znaczenie

Nie tylko pojedyncze słowa, lecz także całe zdania mogą bez swojego otoczenia być wieloznaczne. Zdanie takie jak „Ostatnim razem to nie zadziałało” samo w sobie jest trudne do zinterpretowania: czym jest „to” i kiedy był „ostatni raz”? Odpowiedź tkwi w tym, co zostało powiedziane wcześniej.

Dopiero wcześniejsze wypowiedzi, wiedza fachowa lub konkretna sytuacja rozmowy czynią znaczenie jednoznacznym. Ludzie, którzy śledzą wystąpienie od początku, rozwiązują takie odniesienia w zupełnie naturalny sposób.

Dlatego dla systemów tłumaczenia AI szczególnie interesujące jest przetwarzanie dłuższego przebiegu rozmowy. Im więcej z dotychczasowego przebiegu wystąpienia lub dyskusji może zostać uwzględnione w tłumaczeniu, tym więcej wskazówek jest dostępnych, aby prawidłowo przyporządkować odniesienia. W przypadku tłumaczenia symultanicznego dochodzi jeszcze jedna szczególna cecha: powstaje ono w trakcie trwającego przemówienia. To, co mówczyni wyjaśni dopiero później, w momencie tłumaczenia nie jest jeszcze znane.

Terminologia fachowa jako wyzwanie na kongresach i konferencjach branżowych

Granice szczególnie wyraźnie widać w przypadku języka specjalistycznego. Na konferencjach technicznych często używa się terminów, które w ogólnych danych treningowych występują rzadko. Model po prostu rzadko lub nigdy nie widział takich słów w odpowiednim otoczeniu.

Typowe pułapki to:

• nazwy produktów, które muszą pozostać nazwami własnymi, ale mogą brzmieć jak zwykłe słowa,
• skróty, które w danej branży są jednoznaczne, ale poza nią mogą oznaczać coś zupełnie innego,
• sformułowania branżowe, których sensu nie da się wywnioskować z poszczególnych słów.

Wszystko to może prowadzić do błędów. W przypadku tłumaczenia na kongresach i konferencjach branżowych nie jest to kwestia marginalna, ponieważ właśnie tam precyzyjne terminy niosą treść.

Co mogą zapewnić glosariusze i listy terminologiczne

Listy terminologiczne i glosariusze mogą pomóc w celowym uwzględnieniu takich terminów – o ile zastosowany system obsługuje te funkcje. W MILA to przygotowanie jest stałym elementem procesu: terminy fachowe i nazwy własne z programu konfigurujemy z wyprzedzeniem.

Zawsze obowiązuje przy tym jedno ograniczenie: system może prawidłowo przyporządkować termin tylko wtedy, gdy jest on wyraźnie słyszalny w sygnale audio. Dlaczego technika audio jest więc równie ważna jak przygotowanie językowe, opisujemy w artykule Tłumaczenie AI i technika audio: dlaczego wszystko zaczyna się od mikrofonu.

Dlaczego przekonujące błędy są niebezpieczne

Błędne tłumaczenie AI nie musi brzmieć ewidentnie źle. Czasami system tworzy zdanie poprawne gramatycznie, które mimo to zmienia pierwotną treść.

Właśnie na tym polega ryzyko. Niezgrabne tłumaczenie zwraca uwagę – słuchacze zauważają, że coś się nie zgadza. Płynne, naturalnie brzmiące zdanie zazwyczaj zostaje natomiast przyjęte za prawdziwe. Kto nie rozumie języka oryginału, nie ma możliwości porównania go z tym, co zostało powiedziane.

Właśnie podczas profesjonalnych wydarzeń taki rodzaj błędu jest problematyczny: gdy chodzi o wypowiedzi merytoryczne, liczby lub decyzje, nie liczy się to, jak dobrze brzmi zdanie, lecz to, czy jest prawdziwe. Pokrewne ryzyko dotyczy zresztą tonu – gdy system dodaje emocje, których osoba mówiąca wcale nie chciała wyrazić. Więcej na ten temat przeczytają Państwo w artykule Czy AI potrafi tłumaczyć emocje?

Co to oznacza dla planowania Państwa wydarzenia

Z ograniczeń technologii można wyciągnąć bardzo praktyczne wnioski, jeśli planują Państwo tłumaczenie symultaniczne na konferencję, kongres lub wydarzenie firmowe:

• Udostępnić program i terminologię z wyprzedzeniem: nazwy produktów, skróty oraz nazwiska prelegentek i prelegentów można skonfigurować tylko wtedy, gdy są znane przed wydarzeniem.
• Zadbać o dźwięk: czysty sygnał wejściowy jest warunkiem tego, by kontekst i terminy fachowe w ogóle mogły zostać rozpoznane.
• Zaplanować obsługę na miejscu: w MILA na miejscu zawsze obecny jest technik systemowy. Planuje wszystko razem z Państwem, montuje sprzęt, nadzoruje tłumaczenie w trakcie wydarzenia, a następnie demontuje sprzęt.

Perspektywa MILA: rzetelność merytoryczna zamiast samej elegancji

W MILA nie postrzegamy jakości tłumaczenia wyłącznie jako elegancji językowej. Decydujące jest to, czy informacje są przekazywane poprawnie i zrozumiale.

Dlatego zajmujemy się przetwarzaniem kontekstu, terminologią fachową i metodami oceny jakości. Profesjonalne tłumaczenie mowy z wykorzystaniem AI nie musi jedynie brzmieć naturalnie. Przede wszystkim musi być rzetelne pod względem merytorycznym.

Pytanie, czy AI w ludzkim sensie rozumie, co tłumaczy, będzie nam jeszcze długo towarzyszyć. Dla Państwa wydarzenia liczy się to, co można zaplanować: staranne przygotowanie języków, symultaniczne tłumaczenie AI działające lokalnie na naszym własnym sprzęcie w miejscu wydarzenia oraz technik systemowy, który nadzoruje je na miejscu. Jak to wygląda w szczegółach – od opłaty podstawowej po dodatkowe języki – znajdą Państwo na naszej stronie poświęconej usługom. Jeśli planują Państwo konkretne wydarzenie, chętnie porozmawiamy o programie, językach i technice.