ocena

Co duże firmy robią z MT

You understand the machine translation is not perfect. The dirty little secret is that you understand that human translation is not perfect.

Dyskusja panelowa “Modern Enterprise Use Cases for Machine Translation”, zorganizowana przez Memsource z przedstawicielami Lengoo, ex-Microsoftu, Tripadvisora i Welocalize, przyniosła parę spotrzeżeń, które nie zawsze zostają wypowiedziane tak wyraźnie:

  • Jeśli powstanie treści nie kosztuje firmę wiele, to na tłumaczenie tych treści też niechętnie się wydaje – dlatego są pierwsze w kolejce do MT bez postedycji: komentarze z zewnątrz, dyskusje serwisowe, bazy wiedzy itd.
  • Przy MT bez PE ważniejsze od automatycznych miar jakości okazują się miary biznesowe – np. czy strona zlokalizowana ma więcej kliknięć / działań użytkowników niż strona w oryginale.
  • Przewidywanie jakości MT nadal raczkuje, ale nieustannie przewija się koncepcja: najpierw – przy postedycji – zmierzyć, które teksty źródłowe wymagają najwięcej poprawek; potem – MT bez PE – sprawdzać, czy nowy oryginał jest podobny do tekstów mocno poprawianych (> nie puszczać bez PE), czy mniej poprawianych (> można spróbować).

MT dla początkujących (klientów)

Firma Andovar publikuje króciutką ściągawkę dla firm, które chcą zacząć korzystać z tłumaczeń maszynowych. W siedmiu krokach pokazuje, co trzeba wziąć pod uwagę po stronie projektów, zespołu i narzędzi; jakie są pułapki prawne; co może dać trening MT oraz dlaczego zawsze warto notować, jak wypadły poszczególne projekty “z maszyną”.

Bardzo przydatna rzecz na początek dla biur, które dopiero przymierzają się do przygody z MT. Może też przydać się do urealnienia oczekiwań klienta, który okazjonalnie tłumaczy proste teksty za pomocą DeepL czy Google i ma nieco zbyt optymistyczne przekonanie o realiach pracy z MT 🙂

Skutek uboczny adaptacji MT

Na webinarium “Deep Adaptive in MT – closing the gap with human parity” Manuel Herranz i Mercedes Garcia, reprezentujący firmę Pangeanic, opowiadali o tłumaczeniach maszynowych adaptowanych do zastosowania. Interesującym aspektem było pokazanie nieoczywistego skutku ubocznego takiej adaptacji: MT staje się lepsze – tak w ocenie automatycznej, jak i w ocenie przez tłumaczy – w dziedzinie, do której jest adaptowane, ale nieco pogarsza się jego jakość w dziedzinie ogólnej.