Τεχνολογία
Το μέλλον της μΑΙτάφρασης

Το μέλλον της μΑΙτάφρασης

 Ποιο είναι το πρώτο πράγμα που σας έρχεται στο μυαλό ακούγοντας την λέξη μετάφραση; Εάν όχι το, γνωστό σε όλους μας, Google Translate, τότε πιθανότατα να είναι κάποιος γνωστός συγγραφέας, για τον οποίο μάθατε ή διαβάσατε. Ωστόσο, τι κοινό έχουν αυτά τα δύο παραδείγματα που αναφέρθηκαν πιο πάνω; Σε μεγαλύτερο ή μικρότερο βαθμό ακρίβειας, αμφότεροι επιδιώκουν να αποτυπώσουν το νόημα ενός κειμένου από μια γλώσσα Α σε μια γλώσσα Β. Τα νοηματικά λάθη που εντοπίζουμε στην μετάφραση μιας μηχανής τείνουν (μέχρι ώρας) να είναι περισσότερα συγκριτικά με αυτά ενός ανθρώπου. Μια μηχανή αυτόματης μετάφρασης συνηθίζει να κάνει περισσότερα λάθη, κυρίως νοηματικά, συγκριτικά με έναν άνθρωπο, και η απάντηση πίσω από το γιατί συμβαίνει αυτό είναι πιο απλή από όσο νομίζουμε.

 Μερικά χρόνια πριν (και όταν οι μηχανές αυτόματης μετάφρασης δεν είχαν αναπτυχθεί όσο σήμερα) μπορούσαμε να εντοπίσουμε, αρκετά συχνά, έναν σωρό νοηματικά λάθη (πχ. catwalk = διάδρομος γατών και όχι πασαρέλα, που είναι η έννοια που αποδίδει αυτή η λέξη). Κάτι τέτοιο, βέβαια, δεν αποτελούσε ιδιαίτερα μεγάλο πρόβλημα για όποιον γνώριζε την γλώσσα (ίσως για κάποιον μαθητή που θα ήθελε να φτιάξει σκονάκι για ένα μάθημα ξένης γλώσσας) και, επομένως, με λίγη παραπάνω δουλειά και έρευνα, να μπορούσε να βγει ένα ολοκληρωμένο και συγκροτημένο νόημα, μια απόδοση που δε θα ξένιζε ούτε θα χρειαζόταν διπλές και τριπλές αναγνώσεις. Γιατί συνέβαινε αυτό; Παράλληλα, τι έχει αλλάξει ώστε πλέον να συμβαίνει σε σημαντικά μικρότερο βαθμό;

 Στην πραγματικότητα, δεν συνέβη κάτι τόσο συνταρακτικό που να άλλαξε τα μέχρι τότε δεδομένα της τεχνολογίας και της επιστήμης. Απλώς, έγινε πιο σαφές πως η τεχνολογία που “κρύβεται” πίσω από αυτές τις αυτοματοποιημένες μεταφράσεις υστερούσε σε μερικά σημεία, συγκριτικά με τον ανθρώπινο εγκέφαλο και, κυρίως, στο πώς αντιλαμβάνεται τον κόσμο, καθώς και τα δεδομένα που λαμβάνει από αυτόν.

Πηγή εικόνας

 Τον τελευταίο καιρό κάνουν τον γύρο του κόσμου ειδήσεις σχετικά με το Metaverse του Mark Zuckerberg και την, από τεχνολογικής άποψης, απόπειρά του να δημιουργήσει ένα καλύτερο μέλλον. Μια, λοιπόν, από τις καινοτομίες που θα φέρει πρόκειται να είναι ένα σύστημα μηχανικής μετάφρασης (machine translation) με δυνατότητες μετάφρασης έως και 100 γλωσσών. Πέραν αυτού, θα δίνεται πλέον η δυνατότητα στους χρήστες να μεταφράζουν, σε πραγματικό χρόνο, τα λεγόμενα κάποιου κατά την ομιλία, και vice versa.  Πραγματικά, ποιος θα μπορούσε να διανοηθεί ότι θα ήταν δυνατό ένα τέτοιο εγχείρημα πριν κάποια χρόνια; Η προσδοκία ότι σύντομα δε θα υπάρχει καμία δυσκολία στην επικοινωνία εξαιτίας της διαφορετικής γλώσσας (language barrier) πρόκειται για κάτι που θα επιφέρει αλλαγές τόσο σε προσωπικό όσο και σε διαπροσωπικό επίπεδο. Παρόλα αυτά, ενέχει ένας πολύ σοβαρός κίνδυνος, που θα αποτελέσει και την απάντηση στο ερώτημα γιατί συμβαίνει αυτό.

 Μια μηχανή μετάφρασης θα λειτουργεί με βάση τον αριθμό των δεδομένων που θα την τροφοδοτούν. Όπως ακριβώς και ο άνθρωπος. Λαμβάνουμε δεδομένα από την καθημερινότητα, από εμπειρίες και από κάθε ερέθισμα, τα οποία και μας βοηθούν να κατανοήσουμε τον κόσμο γύρω μας. Και εκεί ακριβώς κρύβεται ο κίνδυνος. Στο ότι αυτή η αναπτυγμένη τεχνητή νοημοσύνη που θα γεμίζει από δεδομένα και πληροφορίες, μέχρι ώρας, δεν είναι σε θέση να ξεχωρίσει “τι θα πει την κατάλληλη στιγμή”. Εξού και τα νοηματικά λάθη.

 Ας μιλήσουμε με ένα παράδειγμα, για να γίνουν πιο κατανοητά τα όσα έχουν ειπωθεί. Στην Ελλάδα, το χρώμα του πένθους είναι το μαύρο, σε αντίθεση με το λευκό, που αποτελεί το χρώμα της αγνότητας. Αντίθετα, στην Ιαπωνία, το λευκό είναι το χρώμα που συμβολίζει το πένθος. Κατά την μετάφραση, λοιπόν, ο μεταφραστής θα πρέπει να είναι σε θέση όχι μόνο να μελετήσει αλλά και να κατανοήσει τις διάφορες και διαφορετικές πολιτισμικές (και όχι μόνο) ιδιαιτερότητες με τις οποίες θα έρθει αντιμέτωπος, ώστε να αποδώσει το νόημα όσο πιο κατανοητά γίνεται στον αναγνώστη του. Επομένως, ένα λευκό φόρεμα σε μια κηδεία, είναι απολύτως φυσιολογικό για τα ιαπωνικά δεδομένα, αλλά για τα ελληνικά φαντάζει περίεργο και επομένως θα πρέπει να αποδοθεί με τρόπο κατανοητό προς το ελληνικό κοινό.

 Τι μας λέει, όμως, και πάλι το συγκεκριμένο παράδειγμα; Και στην τελική, τι είναι τόσο κακό με το να κάνει όλη τη δουλειά η μηχανή και εμείς απλά να μπούμε στη διαδικασία να διορθώσουμε τυχόν παρανοήσεις; Το πρόβλημα δεν έγκειται στο να μπει ο καθένας στη διαδικασία να κάνει τις απαιτούμενες αλλαγές, αλλά στο γεγονός πως η τεχνητή νοημοσύνη που βρίσκεται από πίσω δεν έχει φτάσει ακόμη τα επίπεδα της διανόησης του ανθρώπινου εγκεφάλου. Χρειάζεται συνεχώς βελτίωση και επίβλεψη. Γεγονός που μπορεί την καθιστά εξαιρετικά επίφοβη στο να προκαλέσει συγχύσεις, προβληματισμούς, ακόμη και τσακωμούς ή ολόκληρες ταραχές σε περίπτωση που δεν σεβαστεί την πολιτισμική ιδιαιτερότητα ενός λαού.

 Παρόλα αυτά, το πλάνο του Mark Zuckerberg φαίνεται να αποτελεί την πιο ολοκληρωμένη, μέχρι στιγμής, μορφή τεχνητής νοημοσύνης στον μεταφραστικό κόσμο. Τα δύο project που θα συσταθούν ονομάζονται, No Language Left Behind και Universal Speech Translator. Για τις ανάγκες αυτών, αλλά και για αποτελέσματα με μεγαλύτερη ακρίβεια, θα συλλέγονται πληροφορίες και δεδομένα τόσο από προφορικό όσο και από γραπτό υλικό. Ο συνδυασμός των δύο ενδέχεται να φέρει μεγάλες διευκολύνσεις στην κατανόηση μιας γλώσσας και, μετέπειτα, στην απόδοση του νοήματος σε μια δεύτερη, τρίτη ή τέταρτη.

 Παράλληλα, η μηχανή παύει να είναι “αγγλοκεντρική” και, ως επόμενο, τα αγγλικά δε θα αποτελούν πλέον τον ενδιάμεσο μεσολαβητή δύο γλωσσών. Με αυτό τον τρόπο θα καθίσταται αμεσότερη η μετάβαση από μια γλώσσα σε μία άλλη, μιας και η αγγλική πολλές φορές αδυνατεί, έως ένα βαθμό, να αποδώσει πιστά κάποιο γραμματικό φαινόμενο ή λεξιλογικό νόημα, αφού οι γλώσσες, ανάλογα με την “οικογένεια” στην οποία ανήκουν έχουν όλο και περισσότερα κοινά, είτε αυτά είναι γραμματικά, είτε λεξιλογικά. Δεν είναι λίγες οι περιπτώσεις, μάλιστα, που εντοπίζονται κοινά μέχρι και σε παροιμίες χωρών, και εν συνεχεία γλωσσών, που φαντάζουν μακρινές.

 Θα καταφέρει, λοιπόν, το εγχείρημα του Zuckerberg να μειώσει τους γλωσσικούς περιορισμούς και τα σύνορα μεταξύ γλωσσών ή αποτελέσει ένα εργαλείο που θα επιφέρει σύγχυση, αφού, μέχρι ώρας, η τεχνητή νοημοσύνη δεν αντιλαμβάνεται τις προσλαμβάνουσες από το περιβάλλον, όπως ο ανθρώπινος εγκέφαλος. Και, τελικά, θα αποτελέσει αυτό μελλοντικά πρόβλημα στον εν λόγω κλάδο εργασίας ή θα παραμείνει επικουρική η συμβολή του;


ΕΝΔΕΙΚΤΙΚΕΣ ΠΗΓΕΣ

  • Meta AI Introduces ‘No Language Left Behind’ Project: An AI Model To Support Machine Translation For Low-Resource Languages, διαθέσιμο εδώ
  • Meta Is Developing an AI-Based Universal Language Translation System for the Metaverse, διαθέσιμο εδώ
  • Teaching AI to translate 100s of spoken and written languages in real time, διαθέσιμο εδώ

Leave a Reply

Your email address will not be published. Required fields are marked *