Ключевые слова
Аннотация
Развитие технологии машинного перевода (МП) преобразило сферу перевода, предлагая быстрые и экономичные решения для преобразования текста между языками. Хотя системы МП, такие как Google Translate и Deep L, продолжают совершенствоваться в точности, сохраняются значительные проблемы с передачей нюансов, культурного контекста и эмоционального тона, часто необходимых для истинного понимания. В этой статье рассматриваются сильные и слабые стороны как машинного, так и человеческого перевода, с упором на их способность предоставлять точные, нюансированные переводы. Машинный перевод очень эффективен для простых или повторяющихся текстов, превосходя по скорости и последовательности. Однако он часто испытывает трудности с пониманием контекста, идиоматическими выражениями и сложными грамматическими структурами. Напротив, переводчики-люди привносят культурную чувствительность, контекстную осведомленность и понимание тона, что позволяет им точно интерпретировать идиомы, юмор и эмоциональные тонкости. В то время как машинный перевод ценен для быстрых, общих переводов, человеческий перевод остается золотым стандартом для тонкого, высокодоходного контента, такого как литература, юридические документы и маркетинг. В этой статье делается вывод о том, что как машинный, так и человеческий перевод играют существенные, взаимодополняющие роли, причем каждый из них подходит для определенных контекстов на основе требований точности и глубины.
Библиографические ссылки
Bahdanau, D., Cho, K., & Bengio, Y. (2015). Neural Machine Translation by Jointly Learning to Align and Translate. Proceedings of the 3rd International Conference on Learning Representations (ICLR).
Melby, A. K., & Foster, D. (2010). Context in Translation: Definition, Access, and Importance. Amsterdam: John Benjamins Publishing Company.
Koehn, P. (2020). Neural Machine Translation. Cambridge: Cambridge University Press.
Munday, J. (2016). Introducing Translation Studies: Theories and Applications. New York: Routledge.
Bowker, L., & Buitrago Ciro, J. (2019). Machine Translation and Global Research: Towards Improved Machine Translation Literacy in the Scholarly Community. Bingley: Emerald Publishing.
Castilho, S., Moorkens, J., Gaspari, F., & Way, A. (2018). Integrating Machine Translation in Translation and Localization Workflows. In Translation Quality Assessment: From Principles to Practice (pp. 261-291). Springer.
Vashee, K. (2019). Human Parity in Machine Translation: What Does It Mean and Does It Matter? Machine Translation, 33(1), 31-42.
Pym, A. (2010). Exploring Translation Theories. New York: Routledge.