Jak doskonałe są tłumaczenia maszynowe medycznych artykułów naukowych na angielski ?

Jak dokładne są tłumaczenia maszynowe wykonywane przez dedykowane programy?

Artykuł niniejszy powstał na kanwie wniosków i uwag zawodowego tłumacza medycznego wniesionych do maszynowego tłumaczenia artykułu naukowego z zakresu medycyny, ściśle endokrynologii. Była to translacja z języka polskiego na język angielski przy pomocy komercyjnej wersji programu tłumaczącego DeepL. Ogólne wrażenie, jakie wywarł program na weryfikatorze było sporym zaskoczeniem in plus. Sztuczna inteligencja (po angielsku artificial intelligence, w skrócie AI) świetnie poradziła sobie z wieloma aspektami translatoryki. Ba, można wręcz wyróżnić wiele przewag AI nad człowiekiem-tłumaczem.

Zalety tłumaczeń maszynowych

Brak pominięć w tłumaczeniu maszynowym DeepL

W tłumaczeniu maszynowym (po angielsku machine translation) rzeczonego artykułu naukowego nie było żadnych pominięć, które nierzadko mają miejsce w transpozycjach tekstu na język drugi wykonywanych przez spory odsetek ludzi (po angielsku human translations), w tym również zawodowych tłumaczy przysięgłych. W ślad za łacińską sentencją Errare humanum est nie istnieją bowiem ludzie nieomylni. Zmęczenie, znużenie, gorszy dzień etc. powodują, że tłumaczowi-człowiekowi zdarzy się pominąć pojedyncze słowo, zdanie czy nawet cały akapit w tłumaczeniu. Zwyczajnie w swej nieroztropności nie zauważy fragmentu tekstu i w tłumaczeniu będą braki. Natomiast maszyna się nie męczy, „zawsze jest wyspana” i się nie myli w zakresie, w jakim została zaprogramowana.

Fenomenalna interpretacja akronimów w tłumaczeniu maszynowym

Kolejną zaletą tłumaczenia medycznego wykonanego przez maszynę jest fakt, iż potrafi ona przełożyć poprawnie akronim (skrótowiec) w języku polskim na tożsamy akronim w języku angielskim, orientując się doskonale w otoczeniu kontekstowym, w którym on wystąpił zarówno w zdaniu, jak i w szerszym kontekście, akapitu jak również całego tekstu artykułu. Przykładowo program DeepL od razu bezbłędnie zamienia skrótowiec OB (odczyn Biernackiego) na ESR (erythrocyte sedimentation rate, dosłownie „szybkość opadania krwinek czerwonych”). Z racji tego, iż tłumaczenia artkułów naukowych z dziedziny medycyny obfitują, ba, zwykle wręcz naszpikowane są akronimami medycznymi, taka funkcjonalność tłumaczeń maszynowych niesamowicie skraca czas pracy tłumacza medycznego podczas postedycji tłumaczenia maszynowego. Postedycja tłumaczenia maszynowego to nic innego, jak tylko poprawa przez człowieka błędów tłumaczenia wygenerowanego przez program, To inaczej wygładzenie tekstu, z wnikliwą analizą porównawczą z tekstem źródłowym, bardzo ważny etap pracy z tekstem. Inaczej to weryfikacja tłumaczenia maszynowego przez człowieka.

Doskonała analiza i interpretacja drobnych przejęzyczeń i błędów literowych przez program do tłumaczeń maszynowych DeepL

DeepL jest w stanie poprawnie interpretować słowa, które mają błędną pisownię w tekście źródłowym przeznaczonym do tłumaczenia, gdzie pominięto lub przekręcono jedną, dwie bądź trzy litery. Genialnie wręcz wyłapuje z szerszego kontekstu poprawne brzmienie słowa i przeważnie proponuje trafne jego tłumaczenie. Domyśla się znaczenia błędnego słowa od razu. Człowiek-tłumacz niejednikrotnie musiałby się zastanawiać, co pochłaniałoby czas. W tym zakresie weryfikator może zaoszczędzić cenną energię i czas.

Nienaganna składnia angielskich zdań, naturalność języka oraz stosowanie bogatych i trafnych związków frazeologicznych przez maszyny tłumaczące

Można odnieść wrażenie, iż niejeden zawodowy tłumacz-człowiek nie potrafiłby budować tak pięknych, trafnych i obfitujących w rozmaite związki frazeologiczne zdań w swoim tłumaczeniu z polskiego na angielski, co program DeepL. Zdania są krótkie, proste, lecz niesłychanie trafnie oddające znaczenie oryginału w języku polskim.

Poprawna interpretacja przeplatanki polsko-angielskiej przez program do tłumaczeń maszynowych DeepL

Maszyna DeepL potrafi poprawnie interpretować typową składnię zdań przygotowaną przez naukowców, którzy korzystają zarówno ze źródeł polsko-, jak i anglojęzycznych, przygotowując manuskrypt do tłumaczenia jako mieszaninę fragmentów w języku polskim i języku angielskim. Takie mieszanie języków może dotyczyć zarówno odrębnych zdań, jak i fragmentów wewnątrz pojedynczego zdania. DeepL poprawnie składa takie zdania w monolity w języku angielskim. Niesamowite!

Mankamenty tłumaczeń maszynowych

Na przykładzie programu DeepL wśród wad tłumaczeń maszynowych można wyróżnić ewidentne braki programistyczne, czyli te aspekty, które należałoby doprecyzować w pracowni programistów.

Proste błędy językowe maszyny tłumaczącej

Czasem będą to oczywiste, proste błędy, a czasem niedokładności wynikające z braków pojedynczych pojęć terminologii fachowej w bazie programu w kontekście tłumaczeń tekstów specjalistycznych, choćby tłumaczeń medycznych.

Niewłaściwe terminy fachowe w tłumaczeniach maszynowych DeepL

Wówczas maszyna tłumacząca podaje słowo funkcjonujące w języku potocznym zamiast użyć terminu medycznego bądź innego pojęcia specjalistycznego.

Brak synonimizowania w tłumaczeniach maszynowych

Tłumaczenie artykułu naukowego wykonane przez maszynę DeepL bardzo łatwo można rozpoznać po tym, że stosuje ubogie słownictwo i zwykle na ten sam sposób tłumaczy daną frazę, np. „W dodatku”, „Ponadto” spójnie tłumaczy na język angielski jako „In addition” w obrębie całego artykułu naukowego. Zatem w przekładzie może wystąpić nawet 10 razy fragment „In addition” i ani razu jego synonimy w brzmieniu „Moreover„, „Additionally„, „Furthermore„, „Apart from that” czy „Besides„.

Drugim klasycznym przykładem pozwalającym rozpoznać tekst artykułu naukowego bądź studium przypadku medycznego w języku angielskim jako tłumaczenie maszynowe z języka polskiego jest przesadne użycie sformułowania „A study showed” etc. wszędzie, gdzie to tylko możliwe. Badnie mogło coś wykazać, ujawnić, zademonstrować, udokumentować etc., a nie tylko „pokazać”. Zatem w profesjonalnych tłumaczeniach naukowych należałoby zastosować synonimiozowanie owej myśli przy pomocy następujących sformułowań: „Our/My study (…) demonstrated, revealed, documented, found, shed the light to” itd. Występuje cała masa pięknych i wyjątkowych synonimów służących do wzbogacenia języka i uczynienia tekstu piękniejszym. Tłumaczenia maszynowe demonstrują w tym zakresie bardzo ograniczone horyzonty myślowe, zdradzając swą naturę AI!

Przykłady błędów tłumaczeń maszynowych w ujęciu tabelarycznym