گردش کار ترجمه با هوش مصنوعی؛ از واژه نامه تا تحویل

گردش کار واقعی چند ایستگاه دارد

پنج ایستگاه، و هیچ کدام «ترجمه کردن» به معنای قدیمی اش نیست. اول واژه نامه و یک توضیح کوتاه از کار بسته می شود. بعد یک پاس ماشین با همان واژه نامه اجرا می شود. بعد یک انسان روی خروجی می نشیند و تصمیم می گیرد. بعد یکدستی کل سند سنجیده می شود. آخر تحویل، با واژه نامه ای که حالا یک قلم بزرگ تر شده.

ایستگاه سوم اسم دارد: پس ویرایش. و اصطلاح تازه ای نیست. استانداردی بین المللی به همین نام هست، ISO 18587:2017، با عنوان «خدمات ترجمه، پس ویرایش خروجی ترجمه ماشینی، الزامات»، و دامنه اش را خودش پس ویرایش کامل و انسانی خروجی ماشین به علاوه توانمندی های پس ویراستار تعریف کرده است. هر کس فکر می کند این یک میان بر تازه است، با حرفه ای طرف است که از سال ۲۰۱۷ الزامات مکتوب دارد.

چرا ترتیب مهم است؟ چون چهار ایستگاه از پنج تا بیرون از خود ترجمه اند. شکل رایج خراب شدن کار هم دقیقا همین است: کسی متن را به مدل می دهد، خروجی را می خواند، خوشش می آید، و وسط کار می فهمد یک اصطلاح را باید همه جا عوض کند. آن لحظه دیگر واژه نامه نمی سازید. دارید ترمیم می کنید.

واژه نامه را قبل از ترجمه ببندید

واژه نامه سه جور ردیف دارد و هر سه را باید جدا فکر کرد. ردیف اول اصطلاحی است که یک معادل جاافتاده دارد و فقط باید یادتان بماند. ردیف دوم اصطلاحی است که دو معادل زنده دارد و شما باید یکی را انتخاب کنید و تا آخر سند پایش بایستید. ردیف سوم کلمه ای است که اصلا ترجمه نمی شود.

ردیف سوم همان جایی است که کار می لنگد، چون فهرستش هرگز آنقدر که تصور می کنید کوتاه نیست. روی همین بخش آموزش شمردیم: در متن فارسی ۱۵۰ فایل درس، بیرون از بلوک های کد و دستورها، ۴٬۱۹۲ نشانه لاتین داخل جمله فارسی نشسته بود؛ ۱٬۰۵۵ تای متمایز، که ۵۶۱ تایشان فقط یک بار آمده بودند. بیش از نیمی از فهرست، دمی است که یک بار دیده می شود و تمام.

این شکل کار را آسان تر نمی کند؛ فقط می گوید کجا را نگاه کنید. سر فهرست، همان ده تای پرتکرار، خودش را نشان می دهد و کسی فراموشش نمی کند. آنچه از قلم می افتد دم فهرست است: اسم یک محصول، یک قالب فایل، یک نام قانونی که در کل سند یک بار آمده و دقیقا به همین دلیل هیچ حافظه ای پشتش نیست.

پس واژه نامه با یک بار خواندن متن مبدا بسته می شود، نه با حافظه. و اگر مشتری سندهای قبلی دارد، فهرست را از آنها برمی دارید نه از سر خودتان. این تنها جایی از کل گردش کار است که یک ساعت وقت گذاشتن، چند ساعت را در ایستگاه های بعدی نجات می دهد.

پس ویرایش سبک یا کامل؛ کدام را فروخته اید

دو جور پس ویرایش وجود دارد و تفاوتشان تجاری است، نه فنی. در حالت سبک فقط خطاهایی را می گیرید که معنا را عوض می کنند و به سبک کاری ندارید؛ خروجی درست است، بوی ماشین می دهد، و برای متنی که فقط باید فهمیده شود کافی است. در حالت کامل خروجی باید چنان باشد که انگار از اول انسان نوشته است: لحن، ثبت زبانی، جمله بندی، همه.

دامنه ISO 18587 روی حالت کامل بسته شده است. یعنی وقتی کسی می گوید کارش مطابق آن استاندارد است، دارد درباره سنگین ترین حالت حرف می زند و نه سبک ترین. اینکه کدام یک را می فروشید، پیش از شروع باید با مشتری روشن شده باشد؛ قدمی که تقریبا همیشه از قلم می افتد و بعدا به شکل «این که هنوز ماشینی است» برمی گردد.

و اینجا اقتصاد کار عوض می شود، بدون اینکه لازم باشد عددی به شما بدهیم. در ترجمه از صفر، وقت را بابت تولید متن می فروختید. در پس ویرایش، تولید متن تقریبا رایگان شده و آنچه می فروشید تصمیم است: این معادل درست است یا نه، این جمله در این بافت همان معنا را می دهد یا نه، این عدد از مبدا آمده یا مدل آن را ساخته. کسی که این را نپذیرد پس ویرایش را با تخفیف می فروشد و بابت تایپ نکردن پول کم می گیرد، در حالی که سخت ترین قسمت کار سر جایش مانده است.

پس ویرایش را جفت به جفت انجام دهید

خروجی ماشین را به شکل متن روان نخوانید. جفت به جفت بخوانید: جمله مبدا، جمله مقصد، تصمیم. دلیلش این است که متن روان شما را با خودش می برد؛ ذهن خواننده جمله بعدی را از روی جمله قبلی حدس می زند و همان چیزی را می بیند که انتظار داشته. وقتی جمله مقصد کنار جمله مبدا نشسته باشد، این حدس زدن ممکن نیست.

پس از مدل بخواهید خروجی را جفت جفت بدهد و نه پاراگراف پیوسته. متن پیوسته را نمی شود پس ویرایش کرد؛ فقط می شود دوباره خواند، که کار دیگری است.

یک سنجه هم لازم دارید که از چشم انسان برنمی آید: اینکه یک اصطلاح در تمام سند یک جور ترجمه شده باشد. این کار کاملا مکانیکی است و بهترین چیزی است که می شود به یک مدل ارزان و سریع سپرد. در یک گفتگوی تازه، نه همان جایی که ترجمه انجام شده:

یک متن مقصد و واژه نامه اش را داری.

واژه نامه، هر ردیف به شکل «اصطلاح مبدا = صورت انتخاب شده»:
{واژه نامه}

متن مقصد:
{متن مقصد}

برای هر ردیف واژه نامه، هر جای متن مقصد را که آن اصطلاح باید آمده باشد پیدا کن و بنویس با چه صورتی آمده. فقط ردیف هایی را گزارش کن که بیش از یک صورت دارند و شماره جمله هر صورت را بده. هیچ صورتی را انتخاب نکن و متن را عوض نکن.

این سنجه یکدستی را می گیرد و درستی را نمی گیرد؛ اگر یک اصطلاح را همه جا یکسان و غلط ترجمه کرده باشید، این پاس هیچ چیزی نمی گوید. کنترل کیفیت به معنای کامل کار جداگانه ای است و درس کنترل کیفیت ترجمه در همین مسیر به آن می پردازد.

وقتی متن داخل تگ و جایگزین نشسته است

سند واقعی به ندرت متن خالی است. یا HTML است با تگ هایش، یا فایل نرم افزاری است با جایگزین هایی مثل {name} و %s، یا زیرنویس است با زمان بندی، یا صفحه گسترده است که هر سلولش یک رشته جداست. و مدل زبانی وقتی چنین چیزی می بیند فقط ترجمه نمی کند؛ کمک هم می کند. تگ را جا به جا می کند، یک ویژگی داخل تگ را ترجمه می کند، جایگزین را به فارسی برمی گرداند، و قالب زمان را مرتب تر می نویسد.

هیچ کدام از این کارها خطا اعلام نمی کنند، و همین آنها را خطرناک می کند. یک تگ گم شده صفحه را کج می کند و کسی همان روز می بیند. یک جایگزین ترجمه شده هیچ چیزی را کج نمی کند؛ فقط باعث می شود نرم افزار به جای نام کاربر، عبارت {نام} را چاپ کند. و این یکی را معمولا کاربر گزارش می دهد، نه شما.

راه حرفه ای ساده است و از مدل های زبانی قدیمی تر: ساختار را از متن جدا کنید، فقط متن را به ماشین بدهید، بعد سر جایش برگردانید. ابزارهای ترجمه به کمک کامپیوتر دقیقا برای همین ساخته شده اند و ارزش واقعی شان همین است، نه حافظه ترجمه. اگر ابزار ندارید و کار کوچک است، همان جدول دو ستونی کافی است، به شرطی که ستون دوم هیچ وقت ساختار نبیند.

و اگر ناچارید متن نشان دار را مستقیم بدهید، دو قاعده را رعایت کنید. اول، هر جایگزین و هر تگ را عینا در فهرست ترجمه نشدنی همان دستور بنویسید. دوم، بعد از هر پاس، همه آنها را خودتان در متن مقصد جستجو کنید و تعدادشان را با مبدا مقایسه کنید. این کار سی ثانیه وقت می برد و تنها چیزی است که این دسته خطا را قبل از کاربر پیدا می کند.

زیرنویس قاعده های خودش را دارد، از محدودیت سرعت خواندن تا مکانیک فایل، و درس زیرنویس به لایه فنی آن می پردازد.

قبل از تحویل دقیقا چه چیزی را نگاه کنید

خطای مدل زبانی روان است و خودش را نشان نمی دهد، پس آخرین نگاه را نباید به کیفیت کلی متن انداخت، باید به دسته هایی انداخت که مدل در آنها بی سر و صدا می شکند. چهار دسته: عدد و واحد، اسم خاص، تاریخ، و نفی.

عدد و واحد، چون مدل عدد را بازنویسی می کند و در بازنویسی گاهی گردش می کند یا واحد را عوض می کند. اسم خاص، چون هر اسمی که در فهرست ترجمه نشدنی نبوده، کاندید ترجمه شدن است. تاریخ، چون قالب تاریخ بین زبان ها یکی نیست و تبدیل، جای دیگری برای خطا باز می کند. و نفی، که خطرناک ترین است: یک «نباید» که به «باید» تبدیل شود جمله ای می سازد که کاملا روان است و دقیقا وارونه.

یک نگاه دیگر هم لازم است که ربطی به متن ندارد: اینکه چه چیزی از دستگاه شما بیرون رفته. سند مشتری مال شما نیست که تصمیم بگیرید کجا برود، و این پرسش پیش از تحویل بی معناست؛ باید قبل از پاس ماشین جواب داده شده باشد. بخش بعدی همین درس می گوید هر کدام از سرویس ها با متنی که به آنها می دهید چه می کنند.