دکتر آی تی

دکتر آی تی

وب‌ سایت شخصی سهیل محمدیان- مترجم کتاب های کودکان و بزرگسالان، متخصص حوزه‌ ی آی تی و شبکه
دکتر آی تی

دکتر آی تی

وب‌ سایت شخصی سهیل محمدیان- مترجم کتاب های کودکان و بزرگسالان، متخصص حوزه‌ ی آی تی و شبکه

ترجمه‌ی ماشینی

سلام!

امروز می‌خوام در مورد ترجمه‌ی ماشینی یه کمی صحبت کنم (یا بنویسم).

قبل از این‌که به بحث ترجمه‌ی ماشینی و بررسی اون از دیدگاه یه مترجم/ زبانشناس بپردازیم، قبلش باید ببینیم که خودِ «ترجمه» (Translation) چی هست!

واژه‌ی Translation، از ترکیب دو واژه‌ی لاتین «trans» و «lātiō» به وجود اومده. واژه‌ی trans به معنای «میان دو یا چند چیز» و lātiō هم به معنای «منتقل کردن» هست. پس در واقع translation یعنی انتقال «چیزی» از «جایی به جای دیگه». در ترجمه، این «چیز»، معنا خواهد بود و از «جایی به جای دیگه» هم یعنی از زبانی به زبان دیگه. پس می‌تونیم ترجمه رو این‌طور تعریف کنیم: «انتقال معنی از زبان مبدأ به زبان مقصد».

با این تعریف، می‌تونیم روند ترجمه رو هم به این شکل بیان کنیم: درک معنا در زبان مبدأ و بیان اون به زبان مقصد. و کار مترجم هم به این صورت میشه که باید چیزی رو در زبان مبدأ کسب کنه (از راه شنیدن یا دیدن)، معنای اون رو درک کنه، و در نهایت اون رو به زبان مقصد بیان کنه (از راه گفتار یا نوشتار):


 

 خیلی هم عالی!

ترجمه توسط انسان‌ها اصلاً چیز تازه‌ای نیست! در یونان باستان، روم باستان، ایران باستان، چین باستان، مصر باستان و بعدها در دوران حکومت اسلامی در ایران و عراق و شام و در دوران رنسانس در اروپا و تا امروز در سرتاسر جهان، ترجمه بین زبان‌های مختلف ،چه از نظر علمی، چه از نظر ادبی و هنری و چه از نظر فرهنگی، یک کار بسیار ارزشمند بوده و کمک شایانی به رشد و تعالی تمدن‌های انسانی کرده.

در دهه‌ی 1940 میلادی، اولین کامپیوترهایی که توان محاسباتی داشتن وارد دنیای انسان‌ها شدن. البته قبل از اون در سال 1900 شرکت IBM دستگاه‌های «کارت‌ پانچ» رو معرفی کرده بود و قبل از اون هم چارلز بابیج یه ماشین حساب (پدر کامپیوترهای امروزی) رو معرفی کرده‌بود.

خلاصه این‌که بعد از استفاده از کامپیوتر برای محاسبات، دومین استفاده‌ای که از کامپیوتر به ذهن دانشمندان رسید، استفاده از کامپیوتر برای ترجمه بود!سال 1949 شخصی به نام وارن ویور (Warren Weaver) ایده‌ای به نام «ترجمه‌ی ماشینی آماری» رو ارائه داد که در واقع بهترین و کاربردی‌ترین نظریه برای ترجمه‌ی ماشینی به حساب میاد. در واقع شرکت IBM هم در سال 1991 کار بر روی مدل‌های ترجمه‌ی ماشینی رو با استفاده از این نظریه آغاز کرد.

هدف از ترجمه‌ی ماشینی، انتقال معنا از زبان مبدأ به زبان مقصد، بدون استفاده از انسانه. البته تا الان که من دارم این متن رو تایپ می‌کنم، چنین چیزی میسّر نشده. چرا؟ الان عرض می‌کنم!

ببینید دوستان، من فارغ‌التحصیل مقطع کارشناسی ارشد زبانشناسی از دانشگاه علامه طباطبایی هستم و چند سالی هم هست که در دنیای ترجمه فعالیت می‌کنم. اجازه بدید که خیلی رک و پوست‌کنده بهتون بگم که اصلی‌ترین نکته در ترجمه، انتقال معنا به زبان مقصد با رعایت اصل رسایی و قابل فهم بودن متن ترجمه شده‌ست. خیلی ساده بگم که همین دو نکته (یعنی «اصل رسایی» و «قابل فهم بودن») باعث می‌شه که نه‌تنها یک ماشین هوشمند، یلکه بسیاری از انسان‌ها هم توانایی ترجمه رو نداشته باشن.

به عنوان یک نیمچه‌زبانشناس، یک مترجم تازه‌کار و یک خواننده‌ی قهّار باید خدمتتون عرض کنم زمانی که شما متن ترجمه شده رو می‌خونید و به سختی قادر به درک معنای اون هستید، اون ترجمه اصلاً ترجمه‌ی موفقی به حساب نمیاد. (البته ترجمه‌های تخصصی و متون فلسفی و این‌ها به کنار). در واقع کسی که کارِ ترجمه رو انجام می‌ده، باید به هر دو زبان مبدأ و مقصد تسلط داشته باشه و این تسلط شامل کنایه‌های زبانی، ضرب‌المثل‌ها، اصطلاحات و عبارات و ... می‌شه. چه بسا که شما می‌تونید معنای عبارات و اصطلاحات زبان مبدأ رو پیدا کنید، امّا وقتی که می‌خواید اون رو به زبان مقصد ترجمه کنید، معادل مناسبی براش پیدا نمی‌کنید. پس به عقیده‌ی من، تسلط بر زبان مقصد اهمیت بیشتری خواهد داشت.

یه کم بریم سر وقت ترجمه‌ی ماشینی:

ببینید دوستان، من اطلاع زیادی درباره‌ی روند برنامه‌نویسی در ترجمه‌های ماشینی ندارم و نمی‌تونم در موردشون اظهار نظر کنم. امّا از منظر زبانی یک سری مشکلات هست که براتون می‌گم.

اولین مشکل در ترجمه‌های زبانی، چند معنایی (Polysemy)، هم‌آوایی یا هم‌نویسه بودنه!

1-1- برای مثال به کلمه‌ی فارسی «شیر» دقت کنید! این کلمه 3 تا معنی داره که با توجه به متن، می‌شه معنی اون‌ها رو درک کرد. خوشبختانه ترجمه‌ی ماشینی به جایی رسیده که شما با تغییر متن، می‌تونید معنی رو مشخص کنید. امّا این قضیه صد در صد هم تکامل پیدا نکرده. (جلوتر به این موضوع می‌پردازیم):


با مشاهده‌ی نمونه‌های بالا می‌بینیم که با اضافه کردن صفتی که مخصوص شیر درّنده‌ست (وحشی) می‌تونیم ترجمه‌ی درستی به دست بیاریم.
1-2- مورد بعدی، هم‌نویسه بودنه. هم‌نویسه یعنی کلماتی که املای یکسانی دارن، امّا تلفظ‌شون با هم فرق می‌کنه. مثل چی؟ مثل «شکر» (شِکَر/ شُکر) یا «ملک» (مِلک/ مَلَک/ مُلک/ مَلِک). مثلاً عبارت «ملک عذاب» رو در نظر بگیرید! این عبارت توی فارسی خیلی پر کاربرده. امّا ببینیم گوگل برامون چی ترجمه می‌کنه:


کاملاً واضحه که منظور ما از «ملک عذاب» فرشته‌ی عذاب هست، نه دارایی (مِلک) نفرین شده!

1-3- سومین مورد از این سه‌گانه، کلمه‌های هم‌آوا هستن که البته در ترجمه‌ی متنی مشکلی ایجاد نمی‌کنن  و هنگام ترجمه‌ی همزمان یا ترجمه‌ی شنیداری ممکنه به مشکل بربخوریم. کلمه‌های هم‌آوا، کلمه‌هایی هستن که از نظر نوشتار و معنی با هم فرق دارن، امّا یکسان تلفظ می‌شن. مثال دمِ دستی اون هم کلمه‌های «حیات» و «حیاط» هستن.


مورد بعدی که بسیار هم مورد پرکاربردی هست، بحث ضمایر مذکر و مؤنث در جملات هست. همون‌طور که می‌دونید، بسیاری از زبان‌ها مثل عربی، انگلیسی، فرانسه، آلمانی و ... کلمات و ضمایر رو به دو دسته‌ی مذکر و مؤنث (و بعضاً خنثی) تقسیم‌بندی می‌کنن و بالطبع هر کدوم هم ضمایر خودشون رو دارن. برای این‌که این ایراد در ضمایر رو هنگام ترجمه متوجه بشید، اجازه بدید اول ترجمه‌ی این جمله رو توی گوگل ترنسلیت با هم ببینیم:

بسیار هم عالی! کاملاً صحیح و درست! ضمیر کاملاً درست ترجمه شده. حالا ببینیم اگه به جای «و» نقطه بذاریم، ماشین ترجمه‌ی ما اون‌قدر هوشمند هست که بتونه این ضمیر رو دوباره صحیح ترجمه کنه؟
خب... باید بگم که ناامید شدیم....! هوش ماشینی اون‌قدر پیشرفت نکرده که بتونه معنای «بافت» و «همبافت» رو در متن تشخیص بده. (شاید یه روزی درباره‌ی بافت و همبافت (Context and Co-text) هم مطلب نوشتم)

و موردی که شاید خیلی از شما هم تا حالا به ذهن‌تون رسیده باشه، نسبت‌های خانوادگی (kinship) هست. احتمالاً اون دوستانی که با زبان انگلیسی آشنایی دارن، می‌دونن که سه واژه‌ی uncle، aunt و cousin به جای تمام واژه‌های خاله، عمه، زن‌عمو، زن‌دایی، عمو، دایی، شوهر عمه، شوهر خاله، پسر عمو، دختر عمو، پسر عمه، دختر عمه، پسر خاله، دختر خاله، پسر دایی و دختر دایی کاربرد داره!
برای مثال، نمونه‌ای که برای خودِ من پیش اومده بود این‌بود که در ترجمه‌ی یک مجموعه داستان، معادل «عمو» رو برای واژه‌ی Uncle استفاده کردم و بعد از سه جلد فهمیدم که اون دو شخصیت، «دایی» بودن و نه «عمو»! در نظر بگیرید که درک و ترجمه‌ی این موارد برای هوش مصنوعی چقدر مشکل خواهد بود!

این سه موردی که بیان کردم (چند معنایی، هم‌نویسه و هم‌آوا- ضمایر مذکر و مؤنث- نسبت‌های خانوادگی) رو در کنار اصطلاحات، افعال مرکب (که در زبان انگلیسی به وفور پیدا می‌شن)، کلمات slang (معدل فارسی مناسبی نداره؛ یعنی کلماتی که استفاده‌ی روزمره دارن، امّا تقریباً بی‌ادبانه به حساب میان)، و شوخی‌ها و ظرایف زبانی قرار بدید تا ببینید که ترجمه‌ برای انسان‌ها چقدر کارِ پیچیده و دقیقی هست، چه برسه به یک ماشین ترجمه با هوش مصنوعی!

البته ناگفته نمونه که در بعضی موارد مثل مجمع عمومی سازمان ملل که ترجمه از زبان مبدأ به زبان مقصد باید در کوتاه‌ترین زمان انجام بگیره، استفاده از مترجمین انسانی توجیهی منطقی نخواهد داشت و ترجمه‌ی ماشینی می‌تونه بهترین جایگزین باشه. چون در زبانشناسی تعبیری هست که می‌گه «وقتی 70% حرف طرف مقابل رو متوجه بشی، درک و انتقال اتفاق افتاده» و مسلماً در ماشین‌های ترجمه‌ی مورد استفاده در چنین مواردی، کلمات از پیش تعیین شده در حوزه‌های مربوطه، بسیار به کمک هوش مصنوعی این ماشین‌ها میاد و می‌تونه ترجمه‌ی نسبتاً دقیقی رو ارائه بده.
امّا اگه می‌خواید از زیبایی‌های نمایشنامه‌های شکسپیر، رمان‌های چارلز دیکنز، و یا اشعار ویلیام بلیک لذت ببرید، متأسفانه ترجمه‌ی ماشینی اصلاً نمی‌تونه به شما کمک کنه و فقط یک انسان می‌تونه زیبایی‌های این متون رو درک کنه و اون‌ها رو به زبان مقصد تبدیل کنه.

اگه سؤال یا نظری داشتید، از طریق همین صفحه یا صفحه‌ی اینستاگرام می‌تونید در ارتباط باشید!
خداحافظ!
نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد