Hvad er maskinoversættelse, og hvordan kan det fremskynde markedsadgangen?

Hvad er maskinoversættelse? Det er et godt spørgsmål, da denne teknologi har eksisteret siden 1949. Maskinoversættelse, eller den automatiserede oversættelse af tekst fra dets kildesprog til et andet via computersoftware, ser meget anderledes ud i dag, end det gjorde for årtier siden, og det fortsætter med at udvikle sig hurtigt.

Hvis du stadig forestiller dig Babelfish fra begyndelsen af 2000'erne, når du tænker på maskinoversættelse, bliver du måske overrasket over, hvor nøjagtig, praktisk og hurtig nutidens teknologi er. Maskinoversættelse kan nu hurtigt og pålideligt hjælpe virksomheder med at lancere på nye globale markeder.

Det er ikke længere et spørgsmål om, hvorvidt du skal bruge maskinoversættelse , men om hvornår og hvordan. Men lad os først besvare spørgsmålet "Hvad er maskinoversættelse?" og aflive nogle almindelige myter om det.

Hvad er maskinoversættelse?

Enkelt sagt er maskinoversættelse en proces, hvor kunstig intelligens (AI), maskinlæring og algoritmer automatisk oversætter tekst eller tale fra et sprog til et andet – uden en menneskelig lingvist. Under denne proces kaldes den originale tekst eller sproget kildesproget, og det sprog, du oversætter til, kaldes målsproget.

Forskellige typer af maskinoversættelsesmetoder

Der er en håndfuld forskellige tilgange til maskinoversættelse, og hver enkelt fungerer lidt forskelligt.

Regelbaseret maskinoversættelse

Med regelbaseret maskinoversættelse (RBMT) bruger AI-systemet sproglige regler og tosprogede ordbøger til at oversætte tekst. De sproglige regler fortæller AI, hvordan den skal oversætte ord eller sætninger fra kildesproget til målsproget for at bevare betydningen.

RBMT kræver, at menneskelige oversættere skaber og vedligeholder grammatik- og sprogregler samt udfører en masse menneskelig redigering. I dag er RBMT ikke særlig almindeligt på grund af behovet for menneskelig involvering og lav oversættelseskvalitet.

Statistisk maskinoversættelse

Statistisk maskinoversættelse (SMT), som kræver mindre menneskelig input end RBMT, bruger i stedet maskinlæringsalgoritmer til at gennemføre oversættelser. SMT analyserer et stort antal eksisterende menneskelige oversættelser for at identificere mønstre. Disse mønstre giver så systemet mulighed for at udvikle statistiske modeller til at forudsige, hvordan teksten skal oversættes.

SMT er en forbedring i forhold til RBMT, men løber stadig ind i problemer med nøjagtighed.

Syntaksbaseret maskinoversættelse

Syntaksbaseret maskinoversættelse (SBMT), en type SMT, er afhængig af grammatiske regler og sætningsstrukturer til at oversætte tekst. Ved at analysere eksempelsætninger og deres tilsvarende oversættelser, eller sprogpar, kan SBMT inkludere syntaksregler i de statistiske oversættelsesmodeller, den bygger.

Denne tilgang giver SBMT mulighed for at oversætte kompleks tekst mere præcist, men det kræver et stort antal eksempelord og -sætninger at træne på.

Neural maskinoversættelse

Neural maskinoversættelse (NMT) lærer at oversætte sprog ved hjælp af en maskinlæringsmetode kaldet neurale netværk. Et neuralt netværk fungerer på samme måde som en menneskelig hjerne ved at sende data gennem flere indbyrdes forbundne noder. Dette system tillader NMT at arbejde med store datasæt, da hver node arbejder med at afkode kildesproget og kode målsproget.

Fordi NMT oversætter hele sætninger i stedet for enkelte ord eller sætninger, har dets oversættelser en tendens til at lyde mere naturlige. Da mange anser det for at være den mest nøjagtige maskinoversættelsesmetode, er de fleste sprogoversættelsesteknologier, inklusive Smartling, afhængige af NMT.

Hybrid maskinoversættelse

Hybrid maskinoversættelse (HMT) bruger to eller flere maskinoversættelsesmetoder til at forbedre de resultater, du kan se fra en enkelt oversættelsesløsning. Oftest kombinerer HMT RBMT- og SMT-modeller, men den kan også bruge NMT-modeller.

For eksempel kan HMT bruge SMT til at identificere og oversætte mønstre, RBMT til at oversætte visse sproglige nuancer og NMT til at skabe mere nøjagtige og naturligt klingende oversættelser.

Hvad er et computerstøttet oversættelsesværktøj?

Brugt sammen med maskinoversættelsesværktøjer automatiserer computerstøttede oversættelsesværktøjer (CAT) opgaver som redigering og styring af oversættelser. For at gøre dette indtaster brugere tekst i CAT-værktøjet, som derefter opdeler teksten i afsnit, sætning eller sætningssegmenter. Værktøjet gemmer derefter disse segmenter i en database, som maskinoversættelsessoftwaren kan få adgang til.

Da CAT-software fremskynder oversættelsesprocessen, bruger mange virksomheder disse værktøjer til at automatisere deres oversættelses- og lokaliseringsprojekter .

3 primære fordele ved maskinoversættelse

Smartling Translate giver dig mulighed for hurtigt at skabe tilpassede oversættelser på få sekunder. (Kilde: Smartling

Lokalisering af brugeroplevelser er vigtigere end nogensinde – CSA Research fandt, at 76 % af forbrugerne foretrækker at handle på deres eget sprog. Heldigvis tilbyder maskinoversættelse flere fordele, der gør den ideel til virksomheder, der forsøger at nå nye markeder:

1. Øget hastighed: Maskinoversættelsessoftware, som Smartlings NMT Hub eller Smartling Translate, forbedrer effektiviteten ved at automatisere de manuelle opgaver, der er involveret i oversættelsesprocessen. Maskinoversættelse kan dække op til 7.000 ord om dagen, mens en menneskelig oversætter i gennemsnit kan oversætte 2.000 til 3.000 ord om dagen.
2. Lavere omkostninger: Mens oversættelseshastigheder typisk lander mellem $0,15 og $0,30 pr. ord for en menneskelig oversætter, koster maskinsprogsoversættelse meget mindre - omkring $0,0012 til $0,0050 pr. ord.
3. Bekvemmelighed: Der findes nu talrige maskinoversættelsestjenester, herunder DeepL, Google Translate, Amazon Translate og Smartling. Disse tjenester gør det langt mere bekvemt at bruge maskinoversættelse til personlige projekter eller endda til flersprogede virksomhedslokaliseringsprojekter.

Fordelene ved maskinoversættelse hjælper virksomheder med at nå nye markeder hurtigere med lokaliseret indhold.

Historien om maskinoversættelse

Maskinoversættelsenshistorie startede i 1949, da den optrådte i Warren Weavers Memorandum on Translation. Ikke længe efter førte Anden Verdenskrig til et behov for hurtigere militærdokumentoversættelse, så forskere som Yehoshua Bar-Hillel begyndte at eksperimentere med maskinoversættelse i 1951.

Det var imidlertid svært at omsætte maskinoversættelse i praksis. De første modeller, ligesom Georgetown IBM Experiment, var afhængige af et sæt sproglige regler. Sammen med denne afhængighed af professionelle oversættere og regler krævede maskinoversættelsessystemerne i 1950'erne mere databehandlingskraft og lagring, end den nuværende teknologi kunne give.

Udviklingen af maskinoversættelser fortsatte i 1960'erne og 70'erne med SYSTRAN og METEO. Men da disse systemer stadig brugte regelbaseret oversættelse, fortsatte forskere med at kæmpe for at udvikle et værktøj, der kunne konkurrere med menneskelige oversættere.

I 1990'erne så stigningen i SMT, takket være tilgængeligheden af store sprogtræningsdatasæt. SBMT-systemer vandt også popularitet, og begge nye tilgange til maskinoversættelse førte til forbedret nøjagtighed og oversættelser af højere kvalitet.

I slutningen af 90'erne og begyndelsen af 2000'erne gav software som Babelfish og Google Translate, sammen med internettets ankomst, flere mennesker adgang til maskinoversættelse. Og i 2016 introducerede Google NMT, hvilket fik Microsoft og Amazon til at følge tæt efter. Moderne maskinoversættelseskvalitet er nu endnu tættere på menneskelige oversætteres.

"[Neural maskinoversættelse] eliminerer gradvist afgrænsningen mellem menneskelig og maskinel oversættelse," siger Jack Welde, grundlægger og administrerende direktør for Smartling. "Det skaber flere muligheder for et produktivt lukket kredsløb mellem maskine og menneske, herunder maskinaktiverede værktøjer, der gør mennesket mere produktivt og menneskelige input, der gør maskinen mere præcis fremadrettet."

Vidste du det? Teorierne bag maskinoversættelse skabte området for naturlig sprogbehandling.

3 myter om maskinoversættelse

Selvom maskinoversættelse har eksisteret i over et halvt århundrede, er misforståelser stadig fremherskende. Lad os opklare nogle almindelige maskinoversættelsesmyter.

Myte 1: Maskinoversættelse vil erstatte menneskelige oversættere

Fakta: Der vil altid være behov for menneskelige oversættere i processen for at tilføje kulturel relevans og nuance, som maskinoversættelse ikke kan nå.

Sikker på, maskinoversættelse kan tage noget af arbejdet fra menneskelige oversættere under visse omstændigheder. Men større synlighed, detaljeret og mere komplekst indhold som f.eks. websider, mobilapps eller endda en virksomheds marketingmateriale kræver menneskelig efterredigering for at sikre nøjagtighed og relevans. Derudover, hvis dit målsprog er mindre almindeligt, kan maskinoversættelse producere unøjagtige oversættelser på grund af mangel på træningsdata på det pågældende sprog.

Maskinoversættelse kan også have svært ved at oversætte branchespecifikt indhold – især hvis specialiserede datasæt og modeller ikke er tilgængelige. Det er her menneskelige lingvister med professionel eller akademisk erfaring skinner. De kan redigere resultater for maskinoversættelse, så den oversatte tekst er klar og nøjagtig.

Alternativt kan du kigge efter en maskinoversættelsestjeneste som Smartling, der lader dig træne en tilpasset maskinoversættelsesmaskine ved hjælp af ordlister og oversættelseshukommelse for at reducere fejl og opretholde brandstandarder.

Myte 2: Al maskinoversættelsessoftware producerer den samme oversættelseskvalitet

Fakta: Kvalitet afhænger af maskinoversættelsesmotoren og det pågældende sprog.

Det kan overraske dig at vide, at maskinoversættelsesteknologiens nøjagtighed ikke kun afhænger af den motor, du bruger, men også af dit målsprog.

For eksempel testede PCMag nøjagtigheden af forskellige maskinoversættelsesmotorer ved oversættelse af flere sprog og fandt ud af, at ChatGPT var den mest nøjagtige til at oversætte polsk, men Google Translate var den bedste til at oversætte tagalog. Svaret på , hvilken maskinoversættelsesmotor der er bedst, ændrer sig stadig, efterhånden som opdateringer rulles ud, og motorer træner på nye datasæt. Smartlings NMT Hub vælger fra flere motorer for at forbedre oversættelseskvaliteten. (Kilde: Smartling)

Smartlings NMT Hub sikrer, at du altid får den mest præcise oversættelse som muligt ved automatisk at dirigere dit indhold til den maskinoversættelsesmotor, der leverer de bedste resultater baseret på dit projekt. NMT Hub vælger mellem modeller som Amazon Translate, Watson Language Translator, GPT og PROMT, hvilket resulterer i op til 350 % højere kvalitet oversættelser.

Myte 3: Maskinoversættelsesprocessen kræver ikke nogen menneskelig indgriben

Fakta: Kontekstuel verifikation kræver efterredigering.

Selv NMT er hit-or-miss, når det kommer til kontekst, så menneskelige redaktører er nødvendige for at sikre, at den tilsigtede betydning stadig er til stede i dit nyoversatte indhold.

Oven i dette kan hvordan maskinoversættelse fungerer potentielt skabe skæve resultater. Dette skyldes i høj grad køns- og kulturelle skævheder, samt andre skævheder i træningsdataene. For eksempel har maskinoversættelsessystemer en tendens til at oversætte kønsbestemte ord til de tilsvarende maskuline versioner på grund af den store repræsentation af maskuline figurer og tale i dataene.

For talte oversættelser er dette et endnu større problem. Stanford Social Innovation Review bemærker, at Googles talegenkendelsessoftware genkender mandlige stemmer 13 % mere præcist end kvindestemmer. Forskellen i nøjagtighed vokser yderligere, hvis stemmen tilhører en farvet kvinde eller en bruger, der taler med accent.

Menneskelige input er nødvendigt for at reducere og fjerne bias – og maskinoversættelsesteknologi kræver adgang til forskellige, objektive datasæt, når det er muligt.

At finde det rigtige oversættelsesmix

Maskinoversættelseskvaliteten er endnu ikke på niveau med professionelle oversættere. Dette gælder især for visse typer indhold, såsom juridiske kontrakter, hvor nøjagtighed er et must, eller annoncer, som kræver kreativitet for at formidle et budskab på en lille plads.

Her er hvornår du skal bruge maskinoversættelse versus menneskelig oversættelse– samt hvornår du skal bruge begge dele.

Maskinoversættelse

Med de seneste fremskridt, herunder NMT, er maskinoversættelse nu ideel til følgende projekter:

• Supportbilletter og beskeder
• Brugeranmeldelser
• Brugervejledninger med en stor mængde indhold
• Intern dokumentation
• Videnbaser og hjælpevejledninger
• Hjemmesidefødder

Menneskelig oversættelse

Du vil have et par menneskelige øjne, når det kommer til at oversætte disse typer indhold:

• Hjemmesider og landingssider på hjemmesiden
• Blogindlæg
• Pressemeddelelser
• Annoncer
• E-mail marketing kampagner

Fremskynd global ekspansion: Læs vores guide for at lære , hvordan du oversætter dit websted eller din mobilapp med et oversættelsesstyringssystem.

AI og menneskelig oversættelse

Arbejder du med tekniske dokumenter eller indhold? Det er værd at bruge maskinoversættelsessoftware til at oprette din første oversættelse og derefter få en menneskelig oversætter til at gennemgå resultaterne for dette indhold:

• Kommercielle kontrakter*
• Patenter*
• Vilkår og betingelser
• Markedsføringsmaterialer*
• SEO indhold
• Produkttitler og beskrivelser

Brug Smartlings kraftfulde maskinoversættelse til at levere effektfulde oplevelser

Maskinoversættelse er nået langt siden starten i 1949. Virksomheder kan nu stole på værktøjer som Smartling Translate og NMT Hub for at levere lokaliseret indhold af høj kvalitet på kortere tid og til en brøkdel af omkostningerne ved menneskelig oversættelse.

Til projekter, der kræver flere nuancer og branchespecifik ekspertise, tilbyder Smartling også AI-drevet menneskelig oversættelse. Denne tilgang giver dig det bedste fra begge verdener – hurtige maskinoversættelsesresultater efterfulgt af en menneskelig gennemgang for optimal nøjagtighed og relevans.

Oversæt milliarder af ord på få minutter med Smartlings NMT Hub, eller se vores fem minutters demo for at finde ud af, hvad vores oversættelsestjenester kan tage af din tallerken.