The article is devoted to the important topic of using machine translation systems in technical translation workflows. The study investigates the essence of machine translation, its core operational algorithms and types of MT systems. Distinctive features, the advantages and disadvantages of implementing machine translation systems in technical field translation.

Particular attention is paid to the examination of different machine translation models and analysis of their terminological accuracy in the light of technological texts.

Keywords : machine translation, online translator, technical text, RBMT, SMT, NMT.

В настоящее время машинный перевод, в частности онлайн-переводчики стали незаменимой составляющей человеческой жизни. Подобные программы используются для выполнения множества разнообразных задач, от получения базовой информации в незнакомой стране, до перевода узконаправленных технических текстов, для которых основным фактором успешной интерпретации на другой язык является точность выражения оригинальной мысли.

Машинный перевод — вид перевода, осуществляемый при помощи компьютерного программного обеспечения, функционирующего на основе алгоритмов, с поддержкой которого осуществляется перевод текста с ИЯ на ПЯ без вмешательства человека [4].

Хотя машинный перевод работает с текстом самостоятельно, результат перевода всегда должен быть детально рассмотрен и отредактирован человеком.

Современный рынок переводческих услуг характеризуется противоречиями между необходимостью к достижению адекватности и эквивалентности перевода и реализации поставленных требований в кратчайшие сроки. Особую сложность представляет работа с объёмными текстами, качественная работа над которыми требует значительных временных и экономических ресурсов.

Наряду с этим, существует проблема, связанная с переводом малообъёмных текстов, содержащих в себе узкоспециализированную лексику, терминологию, неологизмы, сленг и профессиональный жаргон. Достижение качественного перевода в подобных случаях обычно осуществляется при использовании электронных словарей и переводческих программ автоматического перевода [3].

«Основные типы машинного перевода: статистический машинный перевод (Statistical Machine Translation или SMT), перевод «по правилам» (Rule-Based Machine Translation или RBMT) и машинный перевод на основе примеров (Example-Based Machine Translation или EBMT)» [3: с. 651].

Rule-based machine translation (далее RBMT) является ключевым типом машинного перевода. Подобный вид машинного перевода называют «по правилам». В основе этой технологии лежит использование структурированной лингвистической информации о паре языков. Разработка систем RBMT предполагает интеграцию обширных двуязычных словарей и систематизированных грамматик, детально описывающих морфологические, синтаксические и семантические особенности каждого языка. Иными словами, сущность перевода на основе правил можно сформулировать следующим образом: словарь + грамматика = перевод [5].

В контексте RMBT системы машинного перевода подразделены на 3 вида:

1. Система пословного перевода — каждой языковой единице оригинала подбирается эквивалент на другом языке.
2. Трансферные системы — преобразование грамматической структуры текста оригинала в грамматическую структуру текста перевода, иными словами, лингвистический «перенос» грамматической составляющей текста оригинала на язык перевода.
3. Интерлингвистические системы — использование промежуточного языка описания смысла при переводе с двух разных языков [5].

Статистический машинный перевод является одним из основных типов машинного перевода, основная суть данного типа перевода заключается в формировании перевода на основе статистических моделей, напрямую связанных с анализом корпусов двуязычных текстов [2].

Принцип работы статистического машинного перевода заключается в сборе данных из параллельных корпусов-коллекций двуязычных текстов, в которых каждый текст содержит в себе оригинал и соответствующий перевод на другом языке. Для осуществления перевода используются определённые алгоритмы, основанием которых является статистика и теория вероятности.

Отличным примером подобного вида машинного перевода является Google Translate. Прямая связь с корпусами двуязычных текстов означает постоянное пополнение новыми текстами и языковых единицами [3].

Гибридный (hybrid machine translation, далее HMT), суть которого заключается в использовании методов статистического машинного перевода и машинного перевода, основанного на правилах. (перевод «по правилам» название данной методики «translation memory» [5].

Нейросетевой машинный перевод (далее neural machine translation, NMT) — современный метод машинного перевода, осуществляемый с помощью нейросетевых алгоритмов. На данный момент является одним из самых универсальных и прогрессивных методов, процесс обучения NMT происходит помощью огромного количества параллельных текстов и искусственных нейронных сетей, позволяющих машине адаптировать текст не только с лексической стороны, но ещё и в вопросе контекста, данный фактор является отличительным от другим систем МП [1].

Для перевода технических текстов подходят следующие виды машинного перевода:

1. Машинный перевод на основе правил (RBMT) — данный вид МП стал менее популярным, однако является подходящим для перевода узкоспециализированных технических текстов, где важна точность каждой языковой единицы [5].
2. Гибридный машинный перевод — представляет собой совокупность различных подходов машинного перевода, среди которых выделены статистические или нейросетевые методы (SMT/NMT) и перевод на основе правил (RBMT) [5].
3. Нейросетевой машинный перевод (NMT) — наиболее предпочтителен для текстов с развитым контекстом (статьи, описания технологий с последующей детализацией связанных друг с другом понятий). Данный вид МП способен анализировать предложение как целостную систему. В качестве примеров инструментов нейросетевого МП стоит упомянуть DeepL и Google Translate [1].

На сегодняшний день технический перевод считается одним из самых сложных, причиной является наличие разнообразной, неоднозначной и узкоспециализированной терминологии, требующей точного и адекватного перевода. Современный уровень развития программ машинного перевода является недостаточным для полного самостоятельного перевода текстов технического плана, ввиду имеющихся ограничений. Возможно, перевод текста технической направленности, в котором встречается обыденная, часто используемая лексика стоит доверить машине, однако в этом случае требуется долгая и внимательная вёрстка со стороны специалиста. Перспективным решением является применение нейросетевых моделей для предварительного редактирования (pre-editing) и интеллектуального анализа исходного контента. Это позволяет автоматизировать выявление деструктивных сегментов оригинала, требующих экспертной корректировки человеком. Важно помнить, что при работе с текстом, финальное решение о редактировании конечного результата лучше всегда оставлять специалисту.

Литература:

1. Борунов И. А. NMT-перевод: основные модели, оценка качества // Вестник Самарского университета. История, педагогика, филология. — 2024. — № 4. — С. 220–227.
2. Головко Д. Р. Особенности и виды машинного перевода // Вестник Московского информационно-технологического университета — Московского архитектурно-строительного института. — 2020. — № 4. С. 24–29.
3. Набоков К. В., Паникарова Н. Ф. Особенности перевода технических текстов с использованием систем Google Translate и PROMT Online // Форум молодых ученых. — 2017. — № 11 (15). С. 649–654.
4. Нелюбин Л. Л. Компьютерная лингвистика и машинный перевод. — М.: ВЦП, 1991. — 207 с.
5. Раренко М. Б. Машинный перевод: от перевода «по правилам» к нейронному переводу // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Сер. 6, Языкознание. — 2021. — № 3. — С. 70–78.