Самая лучшая статья 2019 года о нейронном машинном переводе, постредактировании и прочих новых навыках переводчиков

Я всегда с огромным удовольствием читаю и слушаю профессора Энтони Пима (Anthony Pym), но эта статья 2019 года относится, по моему мнению, к числу просто выдающихся по количеству точных и тонких высказываний и наблюдений за изменениями:

How automation through neural machine translation might change the skill sets of translators

Всего несколько примеров.

- Как повлияет качественный машинный перевод на профессию переводчика? Роль одних письменных переводчиков постепенно будет сведена только к постредактированию, улучшению результатов автоматической обработки... Другим придется найти возможность решать задачи, недоступные для машин: художественная адаптация текста, переработка, консультации по межкультурной коммуникации…

- Если Google Translate обрабатывает 143 миллиарда слов в день (Wood 2018), то это означает примерно 7 слов в день на каждого человека, живущего на планете.

- Если принять, что во всем мире сейчас работают примерно 333 тысячи профессиональных переводчиков (Pym et al. 2012), плюс–минус 100 тысяч, и если каждый из них переводит примерно 3000 слов в день, это значит, что все они обрабатывают менее 1 миллиарда слов в день – примерно 0,68% от объема Google Translate в день. Что это значит? Что изучение только процесса работы профессиональных переводчиков – а это и есть фокус всей теории перевода - дает очень слабое представление о переводе как о деятельности. Наши текущие модели и методы выглядят довольно устаревшими.

- В 2016 года нейронный машинный перевод привел к качественному скачку. Прилагательное «нейронный» является мотивированной метафорой: системы используют статистические методы на больших базах данных аналогично предыдущим статистическим системам МП, и основаны более на математике, чем на лингвистике.

- Нейронные системы машинного перевода на самом деле не переводят: они ищут ранее выполненные человеком переводы. Фактически, они работают по типу продвинутых нечетких совпадений, помогая пользователю найти нужный кусочек предыдущего перевода, выполненного человеком. Или, если вы предпочитаете марксистскую аналогию, базы данных - это человеческий труд, накопленный в виде переводческого капитала, который может быть включен в будущие производственные процессы.

- Результат перевода может выглядеть настолько убедительным, что читатель, знающий только один язык, просто не узнает, сколько в нем скрыто ошибок.

- Еще в 2013 году я предсказал, что статистическому МП, наряду с его многочисленными гибридами, суждено превратить большинство переводчиков в постредакторов… и такая эволюция сделает работу переводчиков очень скучной и малооплачиваемой…

- Поэтому профессиональные переводчики должны продавать не слова, а доверие.