Використання технологій штучного інтелекту для навчання художньому перекладу

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Кафедра теорії та практики перекладу з англійської мови

Навчально-наукового інституту філології

Київський національний університет імені Тараса Шевченка,

Використання технологій штучного інтелекту для навчання художньому перекладу

Ласінська Тетяна Анатоліївна

кандидат філологічних наук

Анотація

У статті розглядається вплив і потенціал використання штучного інтелекту (ШІ) у навчанні студентів художньому перекладу. Останні досягнення в області ШІ, пропонують нові можливості для освітнього процесу. Студенти можуть використовувати ці інструменти для отримання швидких чернеток перекладів, які слугують основою для подальшого аналізу, редагування та вдосконалення. Це не тільки прискорює процес навчання, але й дає можливість зосередитися на складних аспектах перекладу, таких як стилістичні нюанси та культурні контексти. У статті проаналізовано ефективні сторони використання нової технології водночас пропонуються певні застереження щодо використання таких технологій для навчання перекладу.

У статті проаналізовано деякі базові принципи використання технологій штучного перекладу, наголошується на важливості усвідомлювати та раціонально підходити до використання таких технологій у процесі навчання художньому перекладу. Також окреслено нові можливості, що відкриває для викладача такий новий інструмент, як штучний інтелект з огляду на створення нових методичних засобів навчання.

Викладач повинен враховувати, що попри численні переваги, існують також значні виклики, наприклад, використання ШІ не завжди призводить до економії часу, оскільки редагування машинних перекладів може бути більш трудомістким, ніж створення перекладу з нуля. Крім того, машини не здатні повністю зрозуміти контекст та передати емоційні, емпатичні, саркастичні чи іронічні нюанси тексту, що є критичним для художнього перекладу.

У статті порівнюються переклади створені за допомогою технології штучного інтелекту з перекладами створеними відомими авторами художнього перекладу. У дослідженні проаналізовано деякі важливі відмінності таких варіантів перекладів та даються пояснення щодо можливих варіантів перекладу, їх доцільності, ефективності для застосування в навчальних цілях та складності з огляду на редагування та перекладознавчий аналіз.

В статті наголошується на важливості поєднання технологічних можливостей ШІ з людськими навичками та творчістю. Навчання студентів використанню ШІ як інструмента, а не замінника, сприятиме розвитку їхніх аналітичних і редакторських здібностей, готуючи їх до роботи в сучасному перекладацькому середовищі.

Ключові слова: штучний інтелект, художній переклад, навчання перекладу, перекладацькі навички, редагування перекладу, машинний переклад, аналітичне мислення.

Lasyinska Tetyana Anatoliivna PhD in Philology, Assistant Professor at the Department of Translation Theory and Practice from English at the Educational and Scientific Institute of Philology, Taras Shevchenko National University of Kyiv

USING ARTIFICIAL INTELLIGENCE TECHNOLOGIES IN TEACHING LITERARY TRANSLATION

Abstract

The article explores the impact and potential of utilizing artificial intelligence (AI) in teaching students literary translation. Recent advancements in AI offer new opportunities for the educational process. Students can use these tools to obtain quick drafts of translations, which serve as a basis for further analysis, editing, and improvement. This not only accelerates the learning process but also enables a focus on complex aspects of translation, such as stylistic nuances and cultural contexts. The article also analyzes the effective ways of using new technology and gives certain warnings as for using such technologies for learning and teaching purposes.

Some basic principles of using the technologies of the artificial translation are analyzed here as well as the importance of realizing and understanding to have rational approach to applying such new technologies in the process of teaching fiction translation. Also some new possibilities open for practicing teacher are outlined here. They open a new tool in terms of creating new methodological methods of teaching.

Teacher should take into account that despite numerous advantages, there are also significant challenges, such as AI not always leading to time savings, as editing machine translations can be more labor-intensive than creating translations from scratch. Additionally, machines are unable to fully understand the context and convey emotional, empathetic, sarcastic, or ironic nuances of the text, which is critical for literary translation.

The article emphasizes the importance of combining the technological capabilities of AI with human skills and creativity. Teaching students to use AI as a tool rather than a replacement will help develop their analytical and editorial abilities, preparing them for work in a modern translation environment.

Different translations made with the help of technologies of artificial intelligence and those make by skillful and famous authors translators are compared here. This research shows some significant differences of such alternatives of translations and gives explanation concerning possible options for translation and reasoning and effectiveness of their use in educational purposes in terms of editing and translator analyses.

Keywords: artificial intelligence, literary translation, translation education, translation skills, translation editing, machine translation, analytical thinking.

Вступ

Постановка проблеми. Зростання зацікавленості у використанні штучного інтелекту (ШІ) у сфері перекладу відкриває нові можливості для навчання студентів художнього перекладу. Однак, разом зі зростанням потенціалу ШІ виникають і виклики, пов'язані з ефективним використанням цих технологій у навчальному процесі. Отже, важливо з'ясувати, як оптимально використовувати ШІ для навчання художньому перекладу, зберігаючи баланс між автоматизацією та збереженням людського елементу творчості та креативності в процесі перекладу.

Аналіз останніх досліджень та публікацій. Останні дослідження в області використання ШІ в навчанні перекладу підкреслюють значущість інтеграції цих технологій у навчальні програми. Вони розглядають як переваги, так і обмеження використання ШІ в художньому перекладі та розвивають методики оптимального використання цих інструментів у навчанні.

Мета статті. Метою цієї статті є розгляд використання технологій штучного інтелекту в навчанні студентів художнього перекладу. Стаття спрямована на аналіз потенціалу та викликів, які виникають при використанні ШІ у навчанні перекладу, а також на розробку рекомендацій щодо ефективного використання цих технологій у навчальному процесі.

Виклад основного матеріалу

У сучасному світі технології штучного інтелекту (ШІ) відіграють все більшу роль у різних сферах життя, включаючи освіту та переклад. Однією з найбільш перспективних областей є використання ШІ для навчання художньому перекладу, що може значно підвищити ефективність та якість цього процесу.

Штучний інтелект включає різні технології, такі як машинне навчання, обробка природної мови (NLP) та нейронні мережі, які дозволяють комп'ютерам аналізувати, розуміти та генерувати людську мову на високому рівні. Одним з найвідоміших застосувань ШІ в перекладі є машинний переклад, який вже довів свою ефективність у багатьох сферах, але постають питання якості такого перекладу.

Хоча перекладацькі системи на основі ШІ, такі як Google Translate або DeepL, значно покращили свою точність за останні роки завдяки використанню нейронних мереж та великих мовних моделей, тому можуть швидко аналізувати та перекладати тексти, враховуючи контекст та граматичні структури, але не здатні розуміти та передавати нюанси тексту, зокрема культурні особливості, гумор, драматизм та інші стилістичні елементи та адаптувати переклад до цільової аудиторії, зберігаючи авторський стиль та інтонацію.

Так, наприклад, «To be, or not to be, that is the question: Whether 'tis nobler in the mind to suffer The slings and arrows of outrageous fortune, Or to take arms against a sea of troubles And by opposing end them» (William Shakespeare, "Hamlet") [1]. При використанні Google Translate, отримаємо: «Бути чи не бути, ось у чому питання: Чи благородніше в розумі страждати від пращ та стріл обурливої долі, чи виступити проти моря негараздів і, протистоячи їм, покласти їм кінець». А у перекладі Григорія Кочура: "Бути чи не бути, ось у чому питання: Що благородніше? Терпіти мовчки удари стріл і пращ нещадної долі Чи зі зброєю стати проти моря скорбот і дати їм відсіч?" [2].

Як видно, обидва варіанти зберігають основний зміст оригінального монологу Гамлета, але лише у професійному перекладі простежується спроба фахівця відтворити поетичний ритм та стиль Шекспіра, шляхом відповідників класичним англійським фразеологізмам, зберігаючи тим самим драматичність та глибину оригіналу.

Отже, алгоритми ШІ мають обмежену креативність, оскільки можуть лише генерувати переклади, які відповідають граматичним правилам та основному змісту, але часто втрачаючи художні елементи та творчий підхід на відміну від фахівців, які здатні адаптувати текст, зберігаючи його художню цінність та емоційний вплив, створюючи переклади, які звучать природно та органічно, наче автентичні твори.

Також, фахівець при перекладі враховує стилістичні та культурні особливості, завдяки чому переклад передає атмосферу та емоційний відтінок оригіналу, на відміну від ШІ, який їх втрачає. Наприклад,

Walter Scott, "Ivanhoe": "For they have done, I say, the noblest of our knights a foul and shameful wrong; they have put bonds upon his free-born limbs and shackles upon his free soul" [3].

Переклад ШІ, використовуючи Google Translate: "Бо вони зробили, кажу, найшляхетнішому з наших лицарів підлу і ганебну кривду; вони наклали окови на його вільнонароджені кінцівки і кайдани на його вільну душу".

Переклад Юрія Лісняка: "Бо вони вчинили, кажу, підлу й ганебну кривду найшляхетнішому з наших лицарів; вони закували в ланцюги його вільнона- роджені кінцівки і наклали кайдани на його вільну душу" [4].

Отже, Ю. Лісняк точно передає зміст і стиль оригінального тексту, зберігаючи основну думку та деталі, шляхом використання українських відповідників для передачі характеру і настрою, відбиваючи історичний та літературний контекст, а переклад ШІ, хоча точно і передає зміст, але звучить нескладно через буквальний переклад фраз і незграбну конструкцію речень.

Ще одним прикладом передачі емоційного забарвлення та мовної і культурної адаптації тексту можуть слугувати переклади "Макбет" Вільяма Шекспіра: "Out, out brief candle! Life's but a walking shadow, a poor player That struts and frets his hour upon the stage And then is heard no more. It is a tale Told by an idiot, full of sound and fury, Signifying nothing" [5].

Переклад ШІ: "Вийди, вийди, коротка свічко! Життя - лише тінь, що йде, бідний актор, Що вихваляється і хвилюється годину на сцені, А потім більше не чутно. Це розповідь, розказана дурнем, повна звуку та люті, не означаючи нічого".

Переклад Тодосія Осьмачки: "Гасни, гасни, коротке світло! Життя - це лише тінь, що проходить, бідний актор, Що виходить і метушиться годину на сцені, А потім більше не чутно. Це розповідь, розказана божевільним, повна звуків і люті, що нічого не означає" [6].

Як видно, професійний перекладач адаптує текст, щоб він звучав природно українською мовою, з урахуванням культурних та мовних особливостей, зберігаючи емоційний заряд і драматизм, передаючи інтонацію та ритм оригіналу, а переклад ШІ інколи звучить механічно та незграбно через буквальне відтворення структури оригіналу і втрату емоційної складової.

Нуступним гарним прикладом може стати твір "Ромео і Джульєтта" Вільяма Шекспіра: "But, soft! What light through yonder window breaks? It is the east, and Juliet is the sun" [7].

Переклад ШІ: "Але тихо! Яке світло ламається через онде вікно? Це схід, а Джульєтта - сонце."

Переклад Пантейлемона Куліша: "Але тихо! Що за світло ллється з того вікна? Це схід, а Джульєтта - сонце" [8].

Як видно, професійний перекладач адаптує фрази, використовуючи відповідні українські ідіоми та фразеологізми для збереження смислового навантаження, роблячи переклад мелодійним і приємним для читання, у той час як ШІ їх перекладає буквально, позбавляючи його поетичності.

Отже, для перекладу художніх текстів ШІ має значні обмеження через складність передачі емоцій, стилю та культурних аспектів, через що переклади часто виходять механічними та менш природними, тому професійний переклад є незамінними для такого виду перекладу, де важливі креативність та здатність передати атмосферу оригіналу.

Однак ШІ добре справляється з технічними текстами, де важливі точність та відповідність термінології, наприклад, інструкції, наукові статті або бізнес-документи, але лише професійний перекладач зможе врахувати контекст або специфічні вимоги клієнта.

Отже, переклад художніх текстів штучним інтелектом і професійним перекладачем має суттєві відмінності. ШІ здатний швидко і точно передати основний зміст тексту, але часто втрачає його емоційний та стилістичний відтінок і, навпаки, професійний перекладач потребує більше часу для виконання перекладу, особливо якщо йдеться про складні або об'ємні тексти, але здатний зберегти художню цінність, атмосферу та інтонацію оригіналу, адаптуючи текст відповідно до культурних і мовних особливостей цільової аудиторії. Тому оптимальним рішенням може бути поєднання можливостей ШІ та людського перекладу, де ШІ може виконувати чорновий переклад, який потім редагується та вдосконалюється професійним перекладачем, що дозволить поєднати швидкість та ефективність ШІ з високою якістю та креативністю людського підходу.

З огляду на зазначене вище, штучний інтелект (ШІ) набуває все більшого значення у навчанні студентів художньому перекладу, пропонуючи нові можливості та інструменти для покращення їхніх навичок. Так, наприклад, вже багато років використовуються цифрові рішення у навчанні, зокрема інструменти комп'ютерного перекладу (CAT). Автоматичний переклад став доступним приблизно п'ятнадцять років тому з появою Google Translate, що започаткувало використання ШІ у перекладі. Так, наприклад, шукає відповідники іншою мовою через аналіз веб-сторінок, але якість часто залишає бажати кращого через використання "забруднених" корпусів. Проблема для розробників програмного забезпечення для автоматичного перекладу полягає в використанні професійно створених корпусів. У випадку з Facebook, користувачі вдосконалюють корпус, залишаючи коментарі до автоматичних перекладів.

Автоматичні методи часто мають значні обмеження, наприклад, переклади часто дослівні та містять мовні помилки через те, що RBMD (переклад на основі лінгвістичних правил) використовує словники для перекладу вмісту, а статистичний автоматичний переклад - використовує машинне навчання для роботи з алгоритмами, які аналізують великі обсяги існуючих перекладів та створюють статистичні моделі.

Окрім Google Translate і DeepL [9, с. 80], є й інші приклади програмного забезпечення для перекладу, яке використовує штучний інтелект, наприклад, Microsoft Translator, який використовує методи машинного навчання і підтримує понад 60 мов [10, с. 300] і Systran, яке охоплює понад 130 мов та використовує методи глибокого навчання для оптимізації якості перекладених текстів.

Штучний інтелект справді зайняв провідне місце у сфері перекладу та його навчанні у 2017 році з появою DeepL. Це програмне забезпечення для нейронного перекладу спирається на дані з Linguee, багатомовного словника, який порівнює переклади майже 20 мовами, що сприяло початку машинного перекладу (NMT), що використовує штучні нейрони для врахування всього тексту та його контексту і може постійно розвивається та вдосконалюється завдяки потоку даних, що дозволяє отримувати переклади значно вищої якості та плавності, ніж традиційний автоматичний переклад.

У 2022 році Meta, материнська компанія Facebook, розробила нову модель штучного інтелекту NLLB-200 (No Language Left Behind), здатну перекладати в реальному часі понад 200 мов. Ця технологія, яка базується на машинному навчанні, стала загальнодоступною та призначена для охоплення всіх мов, включаючи мови меншин, які часто залишаються поза увагою існуючих систем автоматичного перекладу.

Останнім часом серед студентів набуває все більшої популярності набуває ChatGPT від OpenAI, який не є суто програмним забезпеченням для перекладу, але ця система з відкритим кодом здатна перекладати слова, речення або цілі тексти багатьма мовами, використовуючи методи високопродуктивного штучного інтелекту.

Зараз часто спостерігається використання гібридного методу: нейронного перекладу з постредагуванням, який поєднує продуктивність ШІ з людським ноу-хау, але особливо складним для нейронного машинного перекладу залишається редагування художніх текстів, які часто містять стилістичні ефекти. Наприклад, переклад літературної серії про Гаррі Поттера, з його багатою стилістикою, є монументальним завданням для людей і майже неможливим для роботів, які не розуміють контексту.

Слід наголосити, що автоматизований нейронний переклад базується на ймовірностях. Якщо ШІ вже бачив таку ж послідовність слів, він перекладе її аналогічно, використовуючи ймовірності. Однак машина обчислює ймовірності, але не розуміє значення. За допомогою своїх алгоритмів вона може створити текучий текст, але не обов'язково виразити всі нюанси на відміну від людей, яким притаманна чутливість, здатність витлумачити та передати задум автора.

Глибоке навчання базує свою ефективність на корпусах текстів, завантажених у комп'ютер, але воно не завжди може правильно розрізнити, наприклад, "обідній стіл" і "таблицю множення", якщо не було навчено на відповідній послідовності слів, тому машинний переклад у художньому перекладі ефективний лише тоді, коли «оригінальний текст стандартизований за передбачуваним шаблоном». Наприклад, машинний переклад частіше використовується у дитячій літературі, особливо в жанрі фентезі, який є достатньо стандартизованим.

Отже, ШІ дозволяє виконувати надзвичайно швидкі переклади великого обсягу з дедалі більшою точністю, може самостійно виправляти та покращувати якість перекладів та має багато інструментів, які здатні виконувати одночасний переклад кількох текстів різними мовами, але ШІ не може повністю адаптувати переклад до цільової читацької аудиторії, не враховує місцеві культурні коди та звичаї, очікування читачів, стиль і наміри перекладу, що є важливими елементами для створення адекватного тексту, а також є менш ефективний для рідкісних мов або діалектів, оскільки часто використовує англійську як проміжний етап, що може призвести до значних помилок та непорозумінь.

Слід наголосити, що використання ШІ є дуже корисним у навчанні перекладу, оскільки допомагає студентам навчитися працювати з текстами різних жанрів і стилів. Наприклад, інструменти ШІ можуть бути корисними для створення початкових версій перекладів, які студенти потім редагують, звертаючи увагу на лексичні, стилістичні та культурні особливості, що дозволяє їм розвивати критичне мислення та вдосконалювати свої навички перекладу, використовуючи ШІ як допоміжний інструмент.

Також, інструменти на основі ШІ можуть адаптуватися до рівня знань та потреб кожного студента, надаючи індивідуальні рекомендації та зворотний зв'язок, що дозволяє студентам швидше прогресувати та покращувати свої навички перекладу.

Використання ШІ також дозволяє студентам отримати доступ до великої кількості літературних текстів, перекладів та інших ресурсів, що може розширити їхній кругозір та допомогти у вивченні різних стилів та підходів до перекладу.

Водночас, використання ШІ у навчанні художньому перекладу має свої виклики - переклади, створені ШІ, можуть бути корисними для швидкого отримання чернеток, але подальше редагування часто вимагає значних зусиль, де студенти повинні навчитися виявляти та виправляти помилки, покращуючи якість перекладу, що сприяє розвитку аналітичних та редакторських навичок, необхідних для високоякісного перекладу.

Висновки

Використання технологій штучного інтелекту для навчання художньому перекладу відкриває нові можливості для студентів та викладачів. Ці технології можуть значно покращити ефективність та якість перекладу, надаючи при цьому індивідуалізоване навчання та доступ до широкого спектра ресурсів. Проте важливо пам'ятати, що ШІ є лише інструментом, який повинен доповнювати, а не замінювати людську працю та креативність у процесі перекладу.

Література

1. Shakespeare W. Tragedy of Hamlet, Prince of Denmark. - Access mode: https://arheve.org/ details/shakespeare-w/tragedy-of-hamlet-prince-of-denmark

2. Шекспір В. Гамлет, принц данський, пер. Григорій Кочур. - Режим доступу: https://chtyvo.org.ua/authors/William_Shakespeare/Hamlet_prynts_danskyi/

3. Scott, W. Ivanhoe (Ware, Wordsworth Edition Ltd, 1995), 390.

4. Скотт, В. Айвенго, пер. з англ. Ю. Лісняка та Г. Лозинської. - Київ, Школа, 2007. -494 с.

5. Shakespeare W. Macbeth. - Access mode: https://eng-films.site/adaptirovannye-knigi- na-angliyskom/adaptirovannye-knigi-urovnya-intermediate/2824-makbet-macbeth-shakespeare- 2008.html

6. Шекспір В. Макбет, пер. Т. Осьмачки. - Режим доступу: https://chtyvo.org.ua/ authors/William_Shakespeare/Makbet_vyd_1930/

7. Shakespeare W. Romeo and Juliet. - Access mode: https://2books.su/reader/books/ romeo-and-juliet-william-shakespeare/

8. Шекспір В. Ромео і Джульєтта, пер. П. Куліша. - Режим доступу: https://chtyvo. org.ua/authors/William_Shakespeare/Makbet_vyd_1930/

9. Моісєєва Н., Дзикович О., Штанько А.. Машинний переклад: порівняння результатів та аналіз помилок Deepl та Google Translate // Advanced Linguistics. - 2023. - № 11. - С. 78-82.

10. Данилов Г., Балакірєва В., Василенко К. Машинний переклад, системи машинного перекладу та їх специфіка // Науковий вісник ПНПУ ім. К. Д. Ушинського. - 2021. - № 33. - С. 293-311.

References

1. Shakespeare W. Tragedy of Hamlet, Prince of Denmark. Retrieved from https://arheve.org/ details/shakespeare-w/tragedy-of-hamlet-prince-of-denmark

2. Shekspir V. Hamlet, prints danskyi [Tragedy of Hamlet, Prince of Denmark], per. Hryhorii Kochur. Ivanhoe https://chtyvo.org.ua/authors/William_Shakespeare/Hamlet_prynts_ danskyi/ [in Ukrainian].

3. Scott W. Ivanhoe (Ware, Wordsworth Edition Ltd, 1995), 390.

4. Skott V. Aivenho [Ivanhoe], per. z anhl. Yu. Lisniaka ta H. Lozins'koi, Kyiv, Shkola, 2007 [in Ukrainian].

5. Shakespeare W. Macbeth. Retrieved from https://eng-films.site/adaptirovannye-knigi- na-angliyskom/adaptirovannye-knigi-urovnya-intermediate/2824-makbet-macbeth-shakespeare- 2008.html

6. Shekspir V. Makbet [Macbeth], per. T. Osmachky. Retrieved from https://chtyvo.org.ua/ authors/William_Shakespeare/Makbet_vyd_1930/ [in Ukrainian].

7. Shakespeare W. Romeo and Juliet. Retrieved from https://2books.su/reader/books/ romeo-and-juliet-william-shakespeare/

8. Shekspir V. Romeo i Dzhulietta [Romeo and Juliet], per. P. Kulisha. Retrieved from https://chtyvo.org.ua/authors/William_Shakespeare/Makbet_vyd_1930/ [in Ukrainian].

9. Moiseieva N., Dzykovych O., Shtanko A. (2023). Mashynnyi pereklad: porivnannia rezultativ ta analiz pomilok Deepl ta Google Translate [Machine Translation: Comparison of Results and Error Analysis of DeepL and Google Translate]. Advanced Linguistics 11, 78-82 [in Ukrainian].

10. Danylov H., Balakiriieva V., Vasylenko K. (2021). Mashynnyi pereklad, systemy mashynnoho perekladu ta yikh spetsyfika [Machine Translation, Machine Translation Systems, and Their Specificity]. Naukovyi visnyk PNPUI im. K. D. Ushynskoho [Scientific Bulletin of K. D. Ushinsky PNPU] 33, 293-311 [in Ukrainian].

Размещено на Allbest.ru