Brakujące ogniwo branży tłumaczeniowej: tłumaczenie kontekstowe

Nic nie irytuje i nie rozczarowuje bardziej niż zmarnowana szansa. A branża tłumaczeniowa od lat jest w marnowaniu szans wyjątkowo dobra.

Mieliśmy kiedyś świetne narzędzia do tłumaczenia interfejsów, dopóki metodyka wytwarzania oprogramowania się nie zmieniła i nie zostawiła po sobie żadnego UI do zwizualizowania. Narzędzia CAT ustandaryzowały formaty wymiany danych, ale zostawiły w specyfikacjach na tyle dużo luk, że prawdziwa interoperacyjność nigdy naprawdę nie nadeszła. Tłumaczenie maszynowe wkroczyło na rynek i stworzyło rolę postedytora, przy okazji dając wszystkim wygodną wymówkę, by ignorować jakość danych wejściowych i oczekiwać od tłumacza — teraz przemianowanego na postedytora/reviewera — że jakoś to zniesie i będzie pracował na podrzędnej jakości tłumaczeń. Wreszcie przyszła rewolucja LLM-ów, a systemy TMS i narzędzia CAT udawały, że nic się nie zmieniło: doczepiły do tego samego, starego procesu nakładki promptowe i bezużyteczne chatboty, całkowicie ignorując fakt, że trzymanie się segmentacji drastycznie ogranicza korzyści, jakie może dać nowoczesne AI.

Gdzie branża konsekwentnie się myli

Zbyt ostro? Być może. Ale to wszystko stopniowo zamieniło branżę w miejsce, w którym wszyscy potulnie trzymają się procesów, o których w głębi duszy wiemy, że są błędne. Na poziomie całej branży pewnie tego już nie zmienimy. Możemy jednak na nowo przemyśleć nowoczesny proces tłumaczeniowy i zastosować go tam, gdzie się da.

Największym błędem branży było skupienie się na procesach korporacyjnych i zignorowanie sedna całego biznesu, czyli tłumaczy. A czego tłumacze naprawdę chcą? Oprócz pieniędzy, sprawiedliwości, kawy i odrobiny uznania? Chcą kontekstu, bo to on bezpośrednio przekłada się na jakość ich pracy.

Czego naprawdę chcą tłumacze: manifest

  1. Tłumacz-człowiek ma ostatnie słowo w kwestiach językowych: styl, terminologia, ton, dobór słów. Zawsze.
  2. Każdy tekst, na który patrzy tłumacz, powinien już nieść w sobie dostępny kontekst projektu, razem z właściwą terminologią.
  3. Zero upierdliwości. Bez instalowania narzędzi, budowania filtrów, zakładania projektów, kupowania licencji tu i tam, składania paczek i orkiestracji. Tłumaczysz dokument, dołączasz kontekst, pobierasz wynik i raport do przeglądu. Tyle.
  4. Żadnego miesięcznego ani rocznego zobowiązania wobec oprogramowania, zwłaszcza gdy nie da się przewidzieć napływu zleceń. Płacisz za technologię tylko wtedy, gdy jej używasz. Wychodzi taniej, i uczciwiej.
  5. Dołączenie referencyjnego PDF-a „do wiadomości" było w porządku 20 lat temu. Dziś kontekst musi być aktywnie wykorzystywany w zautomatyzowanej części tłumaczenia, a nie tylko leżeć obok niej.
  6. Kontekst jest multimodalny. Czasem to akapit opisu, czasem zrzut ekranu albo PDF. Tłumaczenie nie powinno się zaczynać bez niego, chyba że celem jest coś generycznego i nudnego.
  7. Nawet najlepsze AI się myli, więc nie ma powodu zamykać się w jednym dostawcy. Prawdziwa siła agentowego, wielowarstwowego stosu AI polega na tym, że może działać jak zespół tłumaczy i recenzentów, którzy dyskutują nad najlepszymi wyborami i krok po kroku poprawiają tłumaczenie. Wybranie jednego silnika MT i uznanie sprawy za załatwioną to dziś, ujmując rzecz łagodnie, zmarnowana szansa.

Zbudowane dokładnie na tych zasadach

Gdyby tylko istniało coś zbudowanego dokładnie na tych zasadach... a, czekaj. Istnieje. Pracowaliśmy nad tym od jakiegoś czasu i z dumą prezentujemy dwie jego odsłony:

  • translateincontext.com — wersja EN-first.
  • xl8.pl — polska odnoga tej usługi, z dodatkową warstwą Bielika (żeby polszczyznę dopolerować).

Kontekstowe pozdrowienia!

Podgląd xl8.pl: angielskie zdanie źródłowe przetłumaczone bez kontekstu ('Dokręć orzech do 12 Nm', błędnie) i z kontekstem instrukcji serwisowej roweru ('Dokręć nakrętkę momentem 12 Nm', poprawnie).
To samo zdanie źródłowe, te same silniki — różnica to wyłącznie dołączony kontekst.