بیشتر از 6 ساعت ،

این 2019 JIAMCATT کنفرانس سالانه برگزار شد در لوکزامبورگ از 13 تا 15 آوریل و موضوع آن بود که “این شکل از چیزهایی که می آیند: چگونه فناوری و نوآوری در حال تبدیل حرفه ای زبان“. به عنوان موضوع این کنفرانس پیشنهاد, تمام سخنرانی های متمرکز بر تکنولوژی چگونه در حال تغییر است حرفه ای در زمینه ترجمه و اصطلاحات خاص و از زبان به طور کلی در — کاملا قدیمی و هرگز پایان دادن به بحث و گفتگو شده است که در حال حاضر در گذشته JIAMCATT (و نه تنها) جلسات به صورت کاملا سال.

ترجمه ماشيني بود, بدون هیچ گونه, تعجب, شخصیت اصلی این کنفرانس است. بحث های متعددی را نشان داد که متفاوت MT از راه حل های اجرا شده در سراسر سازمان های مختلف در چند سال گذشته ، تلاش زیادی ساخته شده بود در اجرای نه تنها SMT راه حل بلکه اخیر NMT: کمیسیون اروپا eTranslation NMT سیستم با موفقیت و در حال اجرا در تمام اتحادیه اروپا زبان در بسیاری از نهادهای اتحادیه اروپا و بدن یا به عنوان یک ابزار اضافی برای مترجمان و یا به عنوان یک دارایی با ارزش برای غیر زبانشناسان که مایل به دریافت یک مرور کلی (gist ترجمه) متن پیش نویس در یک زبان است که آنها نمی دانند. در حالی که در سازمان ملل خانواده WIPO رسیده است و نتایج بسیار خوبی با WIPO ترجمه نیز گسترده میان سازمان ملل متحد بدن. این راه حل های سفارشی اجرا شده توسط زبان داخلی از خدمات این سازمان اما کوچکتر دیگر بدن نیز تست شده و اجرا شده تن در گردش کار خود را با تکیه بر بازار ارائه راه حل های سفارشی تن از موتورهای هر دو دكتر سيد محمد تقي و یا NMT).

بسیار جالب و تحریک آمیز ارائه داده شده توسط Jochem هومل که سخنران اصلی این سال JIAMCATT تحت عنوان “خورشید تنظیم گربه ابزارها” تحت سلطه کنفرانس جو است. بحث متمرکز در اطراف متفاوت “مدرن” از جمله موضوعاتی مانند: افزایش شناختی تلاش مورد نیاز در پست ویرایش به عنوان یک نتیجه از NMT پیاده سازی و بالا بردن اصطلاحات از یک مفهوم مبتنی بر رویکرد به دانش مبتنی بر رویکرد مهارت های جدید مورد نیاز توسط بازیگران درگیر در فرایند ترجمه و گنجاندن کارشناسان در ترجمه گردش کار (سریع و ارزان بهتر (?)), اضافه بار اطلاعات قابل اعتماد در مقابل غیر قابل اعتماد) در دسترس وجود دارد دیده می شود به عنوان یک ممکن است مخل دارایی رابط کاربری دوباره به فکر تغییر مدیریت و اهمیت راه اندازی کسب و کار جدید مدل نفع “مبالغه تکنولوژی نقش”.

دانش کافه گروه های کاری

یک سری از کارگاه های آموزشی برگزار شد در روز اول و تحت پوشش زیر 12 موضوعات:

شرکت کنندگان از سازمان ملل متحد و اتحادیه اروپا, بدن, دانشگاه ها و سازمان های غیر دولتی brainstormed در مورد چالش های اصلی هر یک از ذکر موضوعات و راه حل های پیشنهادی.

NMT و آینده از گربه ابزار

چه خارج از NMT (1-2) و آینده CAT tools (7) گروه های کاری بود که امروزه وجود دارد این است که تقریبا هیچ مترجم که ترجمه یک بخش از ابتدا بدون مشورت با یک موجود منابع از آینده:

  1. یک حافظه ترجمه (تطابق گزینه)
  2. چند زبانه corpora (داخلی و یا منابع در دسترس عموم)
  3. اصطلاحات پایگاه داده (IATE, UNTERM, FAOTERM و غیره.)
  4. ترجمه ماشيني.

به عنوان آن قابل درک است این روش کار قرار می دهد در سوال یک بار دیگر نقش مترجم و/مهارت های خود را. آن است که جدید نیست که مترجمان نیاز به روت در پست-تکنیک های ویرایش و آگاهی از تفاوت بین “post-ویرایش” و “بازنگری”: پست ویرایش اتفاق می افتد زمانی که یک مترجم برای ویرایش خروجی یک دستگاه سیستم ترجمه در حالی که یک تجدید نظر رخ می دهد که مترجم اصلاح ترجمه شده توسط انسان مترجم. در این آخرین مورد اصلی مترجم (و نه reviser) ممکن است در موقعیت با استفاده از به عنوان ورودی برای او/او, ترجمه هر دو حافظه های ترجمه و ترجمه ماشینی پیشنهادات. با افزایش کیفیت ارائه شده توسط NMT سوال که بهترین مشخصات مورد نیاز برای انجام یک تجدید نظر و یا یک پست-ویرایش و کار را به بازی می آید: مترجمان و یا کارشناسان موضوع ماده?

ترکیبی از TMs و تن پیشنهادات در دوران قبل-ترجمه: مدل کسب و کار جدید?

بر اساس بحث های گروه های کاری آن برای من روشن است که ترکیبی از این دو “منابع” (ترجمه ماشيني و ترجمه خاطرات پیشنهادات) تنظیم یک مدل کسب و کار است که مخلوط کار مترجم است که برای استفاده از توانایی های مختلف از این رو ساخت های مختلف شناختی تلاش: یک پیشنهاد از یک حافظه ترجمه نیاز به “تجدید نظر” (جزئی و تلاش) در حالی که یک پیشنهاد از یک دستگاه سیستم ترجمه نیاز “post‑ویرایش” (تلاش عمده (?)). در چنین مخلوط رویکرد (TMs به همراه MTs) آن است که به چالش کشیدن ماشه سوئیچ بین این دو نوع رویکرد شناختی و هنوز مطمئن شوید که به چوب به کیفیت مورد نیاز بیان شده توسط ترجمه متقاضى (به عنوان مثال نور/کامل پست ویرایش).

TAUS در آن DQF هوش کسب و کار بولتن Q1-2019 به تازگی نشان داد که در برخی موارد مترجمان احساس راحتی بیشتری برای تجدید نظر fuzzy مسابقات که از یک حافظه ترجمه به جای ترجمه ماشيني پیشنهاد. دلیل این استدلال نهفته است در این واقعیت است که یک گربه از ابزار مانند SDL Trados Studio نشان می دهد که تفاوت بین آنچه که به ترجمه و آنچه موجود است در حافظه ترجمه با آهنگ تغییرات: این به این معنی است که آن را آسان تر و سریع تر برای مترجم به شناسایی آنچه نیاز به تغییر دارد. در مورد NMT طرح وجود ندارد و فوری راه (به جز در حضور و دستوری و لغوی و نحوی خطا) به درک آنچه می تواند به اشتباه به سادگی با خواندن آنها به خصوص در حال حاضر که NMT سیستم تولید کامل ترجمه از “تسلط” نقطه نظر اما در جایی که به طور کلی معنای یک جمله ممکن است تحریف شده است.

این ملاحظات ما را به تعجب می کنم که چگونه چنین مخلوط حالات مناسب (در حال حاضر موجود) مدل های کسب و کار از زبان ارائه دهندگان خدمات و سازمان های بین المللی, (همیشه تخمگذار کمی پشت خصوصی صنعت): چه و چگونه است که یک درخواست صورتحساب (وزن تعداد برای ترجمه memory matches + x% کاهش برای ترجمه بخش هایی که می آیند از یک تن ، و چه کسی پرداخت برای MT سیستم ایجاد و نگهداری و غیره.) و چه و چگونه است که یک زبان ارائه دهنده خدمات پرداخت می شود.

کیفیت داده ها و اشتباه فرض منشاء ترجمه پیشنهادات

آن شناخته شده است که کیفیت داده ها ضروری است برای تضمین استفاده بهینه از هر نوع منابع (به عنوان مثال اصطلاحات, ترجمه خاطره, ترجمه ماشینی, corpora) و بیش از حد اطلاعات می تواند مخل به مترجم. در طول JIAMCATT شوخی Daems برجسته چگونه در یک آزمایش مترجمان به نظر می رسید برای انجام بهتر در انجام تجدید نظر و یا پست ویرایش وظایف هنگامی که آنها تا به حال اشتباه فرض از چه منبع متن: آنها “فریب” و معتقد بودند که آنها انجام یک پست-ویرایش و کار که در واقع ترجمه انجام شده توسط یک انسان و یک تجدید نظر وظیفه ای که ترجمه انجام شد توسط یک NMT سیستم. دانستن است که یک ترجمه است که تولید شده توسط یک MT سیستم هنوز ایجاد تعصبات.

آینده از گربه ابزار

با ادغام MT در ترجمه گردش به نظر می رسد که گربه ابزار نیاز به افکار و متناسب با سناریوهای جدید: آنها باید به عنوان مثال در دسترس خواهد بود نه تنها به زبانشناسان اما همچنین به غیر زبانشناسان کارشناسان در یک دامنه داده شده از تخصص (برخی از ابزار در حال حاضر ارائه این قابلیت). موضوعاتی مانند “یکپارچگی بین چندین سیستم” یا “بهتر است به اشتراک گذاری بهترین شیوه” ظهور در طول JIAMCATT کار گروه بحث. اگر چه این باقی می ماند موضوعات داغ در اطراف گربه-ابزار-امور مربوط به من شخصا معتقدم که آنها باید در نظر گرفته شود دیگر هیچ در چارچوب “CAT tools برنامه های آینده” به این مسائل هستند و نه ثابت است که به نظر می رسد به دور از حل/بسته شده است.

معرفی NMT در مدل کسب و کار ترجمه گردش کار نمی کند تاثیر همزیستی گربه ابزار. این ابزار نه تنها به معنای فراهم حافظه ترجمه منطبق است. آنها بسیار بیشتر از این: آنها ارائه spell checker ویژگی های خودکار-انتشار گزینه اصطلاحات ادغام QA چکرز (ترجمه بخش های متناقض ترجمه کلمات تکرار شماره تناقضات و غیره.), تمدید تطابق ویژگی های (که نمی مشورت گوگل به منظور بررسی چگونه برای نوشتن یک کلمه به دنبال یک عبارت در یک زمینه خاص و غیره.), و خیلی بیشتر.

آینده از گربه ابزار باید به جای شکل به جای مدل کسب و کار جدید نیاز به دسترسی سریعتر به ترجمه و منابع مختلف انواع کیفیت خروجی (به فروش می رسد به عنوان یک سرویس) بهتر و هدفمند استفاده دوباره از در حال حاضر موجود ترجمه (ادغام با سیستم مدیریت محتوا?), گفتار و کارکردهای دوباره به شکل تضمین کیفیت ابزار.

هوش مصنوعی اعمال شده به ترجمه

در طول JIAMCATT بحث در اطراف نقش هوش مصنوعی اعمال شده به ان به طور کلی و به ترجمه و گفتار به رسمیت شناختن برنامه های کاربردی به طور خاص نیز روبرو نشدهایم. در زمینه NMT و گربه ابزار به نظر می رسد روشن است که تلاش اضافی قرار داده شود باید در تضمین کیفیت کارکردهای قادر به به طور خودکار شناسایی مسائل ممکن است در NMT خروجی به منظور ارائه اضافی ارزش افزوده به چنین ابزار و افزایش بهره وری.

برای انجام این کار, هوش مصنوعی, برنامه قادر به تشخیص تغییر ممکن است از معنی بین منبع و ترجمه باید دخالت کند. در طول JIAMCATT, WIPO نمایندگان ارائه کیفیت به صورت خودکار برآورد روش قادر به شناسایی با کیفیت پایین خروجی تولید شده توسط یک NMT سیستم. از سوی دیگر یک نماینده از CdT اتحادیه اروپا خود را ارائه پروژه های جاری در گفتار فن آوری با هدف automatise به عنوان آنجا که ممکن است گفتار به متن فرآیندهای به کار گرفته شوند به رونویسی و/یا زیرنویس خدمات از جمله ادغام خودکار ترجمه زیرنویس.

*تمام دیدگاه های مطرح شده در اینجا خود من است.

ترجمه مقاله

tinyurlrebrandlybitly