Professional Documents
Culture Documents
Redaktor
Katarzyna Głowińska
Redaktor inicjujący
Anna Kędziorek
Wstęp / 7
Interesujący przykład braku zrozumienia wynikającego z błędnej interpreta nie oferuje zbyt w ielu m ożliw ości in terp retacji, nie zaw iera fragm en tó w
cji reguł grzeczności językowej podaje Baker (1992: 233-234). Podczas ne uznaw anych za n iep rz ek ład a ln e, nie w ym aga szerokiej w iedzy pozajęzyko-
gocjacji prowadzonych w latach 70. między USA i Japonią premier Japonii, wej, a ab so lu tn a d o k ła d n o ść p rzek ład u nie je s t p rio ry te te m .
w odpowiedzi na zaniepokojenie strony amerykańskiej sytuacją na rynku
odzieżowym, odparł zensho shimasu, co dosłownie oznacza „zajmę się tym”.
Jednak w języku japońskim cytowana fraza jest po prostu grzeczną formułą,
. . Z asto so w an ia przekładu m aszynow ego
1 5
którą zwykle kończy się podobne rozmowy i która nie musi być wiążącą Genezy idei (częściowej) automatyzacji procesu przekładu należy upatry
obietnicą podjęcia jakichkolwiek działań. wać w rosnącym zapotrzebowaniu na tłumaczenie specjalistyczne. Pod
Problem kontekstu stanowi barierę dla systemów tłumaczenia maszy koniec XX w. (por. rn.in. Freivalds 1997) stało się jasne, że popyt na usługi
nowego. Systran (patrz 2.5), a konkretnie wersja internetowa SYSTRANet, tłumaczeniowe wykazuje tendencję rosnącą, a rozwój technologii umożli
tłumaczy angielskie wyrażenie I am good dosłownie jako „Jestem dobry”4. wia nie tylko konstrukcję narzędzi usprawniających ten proces, ale także
W podobny sposób mógłby postąpić tłumacz, gdyby miał przełożyć takie wykorzystanie ich w komputerach osobistych, a więc ich powszechną
właśnie odizolowane zdanie (co jest naturalnie mało prawdopodobne)' dostępność (kwestię kosztów zakupu licencji na oprogramowanie w tym
Wyobraźmy sobie jednak wymianę zdań Would you like some more wine? rozważaniu pomijamy).
I am good, thank you. Tłumacz z pewnością zinterpretowałby omawiane Systemy tłumaczenia maszynowego sprawdzają się doskonale w sytua
wyrażenie jako grzeczną odmowę („Nie, dziękuję”, „Nie chce mi się już cjach, kiedy odbiorca nie wymaga przekładu bardzo wysokiej jakości, nato
pić", „Wystarczy”, „Mam dosyć" itp.). Systran jednak, mimo szerszego kon miast chce go otrzymać natychmiast. Naturalnie, w epoce Internetu zlece
tekstu, nadal interpretuje omawiane zdanie w sposób dosłowny, przez co nie tłumaczenia nie wymaga już osobistej wizyty w biurze tłumaczeń z ma
powstała wymiana zdań w języku docelowym nie ma większego sensu: szynopisem. Jak pisze Esselink: „via the Internet, it is equally fast and cheap
(1) T D niem : W urde Sie mógen m e h r Wein? Ich bin gul, danke.
to send documents for translation to the most remote part of the planet
TDhiszp: iU s le d tienen gusto de mas v in o ? Soy bueno, gracias. and to the company next door” (Esselink 2001: 14). Co więcej, komunika
T D w l: Voi gradiscono un p o 'p iu d i vino? Sono buono, grazie. tory internetowe umożliwiają kontakt z tłumaczem w czasie rzeczywistym
i uzyskanie odpowiedzi na niecierpiące zwłoki pytania niemal natychmiast.
Można sobie wyobrazić algorytm, który „uczyłby” program tłumacze
Opisany scenariusz jest jednak nad wyraz optymistyczny, zakłada bowiem,
niowy, że omawiane zdanie należy przetłumaczyć w inny niż domyślny
że tłumacz jest w danej chwili dostępny i może (oraz zechce) porzucić wy
sposób, jeżeli poprzedzone jest ono pytaniem takim, jak w przykładzie.
konywaną pracę, aby zająć się naszym problemem. Nawet jednak w takiej
Jednak przedstawiona wymiana zdań, chociaż brzmiąca naturalnie we
sytuacji należy mu dać trochę czasu na zapoznanie się z oryginałem i przy
współczesnej angielszczyźnie, nie jest jedyną możliwą w danej sytuacji;
gotowanie wstępnej wersji tłumaczenia lub przekazanie ustnie głównych
potencjalne warianty komplikują sytuację. Co więcej, nawet zaawansowany
przesłanek tekstu. Dla kontrastu wyobraźmy sobie sytuację, w której po
system tłumaczenia maszynowego, analizujący wiele możliwych ekwiwa
szukując w Internecie informacji trafiamy na stronę w zupełnie nieznanym
lentów przez pryzmat kontekstu, byłby upośledzony w stosunku do tłuma
nam języku, co do której zachodzi podejrzenie, że zawiera ona interesujące
czy z krwi i kości, ponieważ nie posiadałby wymaganej wiedzy o świecie.
nas dane. Jeżeli język źródłowy pochodzi z innej rodziny niż nasza ojczysta
mowa, a w dodatku np. stosuje inny alfabet, odgadnięcie zawartości cho
Systran nie um ożliw ia tłum aczenia z angielskiego na polski, ale przekład pow yż
szego zdania na inne ję z y k i ja sno pokazuje, że program in te rp re tu je zdanie w zbyt d o ciażby przez wyszukanie w tekście internacjonaiizmów może okazać się
słow ny sposób. niewykonalne. Przekazanie tego materiału tłumaczowi wiąże się ze stratą
•20 21
czasu oraz kosztami, a w ostatecznym rozrachunku może się okazać, że Ponadto rozwijane niezwykle dynamicznie serwisy Google umożli
informacje na stronie były powszechnie znane, nieaktualne lub dotyczyły wiają użytkownikowi poprawienie niezadowalającego tłumaczenia, na
zupełnie czego innego, a wyszukiwarka znalazła stronę omyłkowo, na przy które się natknął; w ten sposób idea Web 2.0, globalnej sieci tworzonej
kład na skutek niewłaściwie sformułowanego zapytania. Wtedy najlepszym przez jej użytkowników, umożliwia systematyczną poprawę jakości inter
rozwiązaniem jest wykorzystanie systemu tłumaczenia maszynowego. netowego tłumaczenia automatycznego. Wspomniane serwisy umożli
Najpopularniejsza wyszukiwarka internetowa Google umożliwia przetłu wiają przetłumaczenie dowolnego tekstu w postaci cyfrowej, wpisanego
maczenie zawartości strony na angielski przez kliknięcie na link Translate lub wklejonego do okienka na stronie, bądź zawartości pliku teksto
this page (patrz rys. 1) - jest to rozwiązanie najprostsze. Tłumaczenie na wego, w tym wypadku jednak mogą pojawić się ograniczenia objętości.
inne języki można uzyskać korzystając z wielu dostępnych serwisów inter Przykładowo, darmowa wersja Systranu - SYSTRANet, dostępna po za
netowych, np. z Babel Fish. Dzięki nim otrzymujemy w kilka do kilkunastu rejestrowaniu, umożliwia przetłumaczenie 4kB zawartości pliku teksto
sekund wersję strony w znanym nam języku. Jakość powstałego tłumacze wego, 32kB tekstu w języku HTML lub 64kB w formacie Rich Text Format.
nia pozostawia wiele do życzenia, niektóre słowa mogą być nieprzetłuma- Podstawowa zaleta przekładu automatycznego - szybkość widoczna
czone, a zdania, szczególnie złożone, brzmieć niezgrabnie lub wręcz nie jest jednak najlepiej nie w przypadku indywidualnych, niewielkich zle
zrozumiale. Jednak wersja taka umożliwia szybką ocenę, czy dana strona ceń, a przy ogromnych projektach. Według wyliczeń Levina (2005), gdyby
zawiera informacje, o które nam chodzi. wszystkich profesjonalnych tłumaczy na świecie (około ćwierć miliona)
zaangażowano do pracy non stop, w 33 dni przełożyliby tyle samo tekstu
co tysiąc komputerów w 17 godzin, a 100 tysięcy jedynie w 12 minut.
Hutchins (1999) wymienia cztery podstawowe zastosowania prze
kładu automatycznego:
o najbardziej typowe, analogiczne do zastosowania przekładu tradycyj
nego, którego efektem jest tekst w języku docelowym, nadający się
do druku lub rozpropagowania w inny sposób (machine translation for
dissemination),
*> szybkie i tanie wytworzenie tekstu w języku docelowym o jakości wy
magającej interwencji człowieka, a więc produkcja wersji wstępnych,
niedoskonałych gramatycznie i stylistycznie, umożliwiających odczy
tanie przesłania tekstu, ale nie druk czy kolportaż bez wcześniejszej
edycji (machine translation for assimilation),
° tworzenie obcojęzycznych wersji komunikatów internetowych, np.
e-maili czy postów (machine translation for communication),
• oprogramowanie komputerowe do tworzenia baz danych, pozyskiwa
nia i katalogowania informacji, z wykorzystaniem systemów przekładu
automatycznego (machine translation for information access systems) -
w swoich późniejszych publikacjach (por. Hutchins 2008) autor pomija
to zastosowanie.
Na kartach tej książki często przewijać się będzie dyskusja na temat
Rysunek 1. M ożliw ość autom atycznego tłum aczenia zawartości stron internetow ych za po relacji między jakością, szybkością i kosztem przekładu. W przypadku
moc;) w yszukiw arki Google
drugiego i trzeciego, a w dużej mierze także ostatniego z wymienionych
zastosowań przekładu maszynowego, jakość nie jest priorytetem. W wy o Biura tłumaczy, przekazując tłumaczom teksty przetłumaczone maszy
padku tłumaczenia do druku konieczność uzyskania tekstu dobrej jakości nowo, otrzymują z powrotem tłumaczenia wykonane szybciej i często
wiąże się z ograniczeniem natury typologicznej; systemy przekładu ma lepiej (pod względem precyzji i spójności terminologicznej). W ten
szynowego są w stanie przełożyć z zadowalającą jakością tylko niektóre sposób tekst jest wstępnie tłumaczony przez maszynę, a sprawdzany
typy tekstów. Nawet jednak w takim wypadku może okazać się konieczna i poprawiany przez człowieka. Jest to procedura podobna do opisanej
postedycja tekstu (patrz 4.3). powyżej, chociaż nie identyczna. Należy jednak zauważyć, że rosnąca
Użytkownicy komputerów osobistych wykorzystują systemy tłuma popularność narzędzi wspomagających tłumaczenie na obecnym etapie
czenia maszynowego (bardzo często bez świadomości, jak taki rodzaj ogranicza takie praktyki,
tłumaczenia się nazywa ani jak funkcjonuje) przede wszystkim po to, aby o Portale internetowe dzięki tłumaczeniu maszynowemu mają szybki
dowiedzieć się, o czym je st obcojęzyczny tekst znaleziony w Internecie. dostęp do informacji w językach obcych (dynamika Internetu jest tak
Niektóre komputery wyposażone są fabrycznie w aplikacje (np. tzw. wid- wielka, że zlecanie tradycyjnych tłumaczeń często się nie sprawdza),
gety) umożliwiające wklejenie lub wpisanie tekstu i natychmiastowe uzy o przedsiębiorstwa obecne na rynkach całego świata wykorzystują takie
skanie odpowiednika w jednym z kilku lub kilkunastu najpopularniejszych systemy do wymiany informacji i dokumentacji między oddziałami.
języków świata (pod warunkiem, że język tekstu oryginalnego również Należy zauważyć, że korporacje dostosowują gotowe systemy prze
należy do tej grupy). Takie aplikacje świetnie spełniają również rolę elek kładu automatycznego do swoich potrzeb. Pbnieważ działalność taka po
tronicznych słowników dwujęzycznych. Tłumacze mogą wykorzystywać chłania czas i środki, firmy preferują systemy umożliwiające przekład na
takie rozwiązania w celu błyskawicznego otrzymania wstępnej wersji do wiele języków, a więc wydajne (Hutchins 1999).
celowej (jednak często edycja takiej wersji zajmuje więcej czasu niż zaję
łoby tłumaczenie).
Specyfika systemów przekładu maszynowego powoduje, że ich wy 1.6. Term inologia i tak son om ia
korzystanie w dużych korporacjach czy organizacjach może być dwoja
kie, przy czym każdy z tych dwóch celów pociąga za sobą pewne ograni Według definicji zaproponowanej przez European Association for Machine
czenia. System tłumaczenia maszynowego może wyprodukować wersję Translation i przytoczonej przez Napier (2000): „Machine translation (MT)
roboczą, która służy ocenie tekstu (czy warto go profesjonalnie tłuma is the application o f computers to the task of translating texts from one
czyć, a jeżeli tak, to czy w całości, czy może tylko we fragmentach). natural language to another". Cytowana definicja jest jednak niewystar
W ten sposób otrzymujemy półprodukt, ale je st on gotowy w bardzo czająca dla naszych rozważań, ponieważ akcentuje jedynie ideę automa
tyzacji procesu przekładu, bez wyodrębnienia poziomów tejże, a więc
krótkim czasie. W drugim wariancie system tworzy tekst docelowy na
uniemożliwia rozgraniczenie między tłumaczeniem całkowicie zautoma
dający się do druku, a więc o jakości zbliżonej do tłumaczenia profesjo
tyzowanym a przekładem jedynie wspomaganym maszynowo.
nalnego, jednak przy założeniu, że tekst wyjściowy został albo napisany
Według zaproponowanej przez Blatt i in. (1985: 76), liczącej już bli
w specjalny, precyzyjny sposób, albo poddany edycji przed przystąpie
sko ćwierć wieku taksonomii, wyróżnia się narzędzia automatyczne wspo
niem do przekładu. Te zabiegi jednak przeczą idei szybkiej i bezprob
magające pracę tłumacza (np. banki terminologii), przekład wspomagany
lemowej operacji międzyjęzykowej, jaką w założeniu ma być przekład
maszynowo i przekład maszynowy. Ten podział jednak należy uznać za
komputerowy. Dillinger i Lommel (2004: 10) wskazują również na inne
mało precyzyjny i nieadekwatny do rzeczywistości. Tytułowe pojęcie
sposoby wykorzystania systemów przekładu maszynowego na poziomie
„tłumaczenie wspomagane komputerowo” to ekwiwalent angielskiego
korporacyjnym:
computer-assisted translation (również computer-aided translation, w skrócie
• Agencje rządowe mogą w taki sposób uzyskiwać informacje publiko G4T). Niekiedy w angielskiej terminologii słowo „computer” zastępuje się
wane w różnych językach. słowem „machinę”, w ten sposób tworząc akronim MAT. Fakt ten wpro
24
wadza pewne zamieszanie pojęciowe, („who calls a computer ‘machine’ rzystaniem maszyn, aż do sytuacji, gdzie cały proces przebiega pod kon
these days?” [Somers 2003a: 1]), ponieważ tłumaczenie maszynowe (ang. trolą komputera. Należy jednak podkreślić, że w każdym z tych procesów
machine translation, MT) należy odróżnić od tłumaczenia wspomaganego uczestniczą obie strony, pośrednio bądź bezpośrednio. W dzisiejszych
maszynowo (komputerowo). Przytoczmy w tym miejscu definicję tłuma czasach, co oczywiste, nikt już nie wykonuje tłumaczeń posługując się
czenia wspomaganego maszynowo zamieszczoną w treści hasła popular maszyną do pisania czy nawet pisząc odręcznie, zatem komputer posłuży
nej encyklopedii translatoryki: tłumaczowi zawsze, chociażby do edycji, wydrukowania lub przesłania
swojego tekstu. Systemy tłumaczenia maszynowego są, i zapewne jesz
[m achine -aid ed translation] occurs in any situation w h ere a m achine-readable
cze długo pozostaną, dziełem umysłu ludzkiego.
source text is processed by c o m p u te rize d tools in o rd e r to pro du ce a target-lan-
guage translation, w ith the translator being in co n tro l o f all stages o f this process
W polskiej wersji wpływowego słownika terminologii translatorycz-
and p e rfo rm in g th e intellectual process o f translation. (Freigang 19 98 : 134) nej (Tomaszkiewicz 2004) autorka, definiując tłumaczenie maszynowe
(pod hasłem tłumaczenie automatyczne), dołącza następującą uwagę:
Podstawowa różnica zatem polega na tym, że tłumaczenie maszy
nowe nie wymaga w procesie przekładu udziału człowieka, natomiast Na o b ecn ym p o z io m ie ro zw o ju tłum aczenie autom atyczne składa się rów nież
z faz prze de dycji i postedycji tekstu, a w ię c d o jego d o kon ania potrzebna jest
tłumaczenie wspomagane maszynowo jest dziełem ludzkim, a maszyna
in te rw en cja człow ieka. (Tom aszkiewicz 20 04 : 102)
odgrywa w nim jedynie rolę narzędzia. Dla zaakcentowania tej różnicy
czasami do wymienionego wyżej określenia angielskiego dodaje się przy
miotnik „human” (stąd MAHT - machine-aidecl human translation). Termin Pojęcie interwencji człowieka przewija się przez wiele dyskusji po
ten należy uznać za precyzyjny, ponieważ w sposób jasny definiuje on święconych tłumaczeniu automatycznemu. Arnold i in. (1994: 1) w swojej
priorytety, o których będzie jeszcze mowa na kartach tej książki. To tłu definicji przekładu maszynowego podkreślają, że celem tego typu opera
macz podejmuje decyzje, za które bierze odpowiedzialność; komputer cji jest automatyzacja całości lub części procesu przekładu. Austermiihl
podsuwa gotowe rozwiązania, ale nie wybiera ich samodzielnie. Oprócz (2001: 16) opisuje tłumaczenie maszynowe jako „the Holy Grail of com
sugerowania rozwiązań w procesie przekładu komputer udostępnia tłu putational linguistics”, wciąż ulotny cel badań językoznawstwa kompu
maczowi również niezbędne aplikacje zastępujące materiały tradycyjne, terowego. Widać więc, jak w sytuacji niedoskonałości przekładu auto
a więc słowniki języka ogólnego i specjalistycznego, słowniki synonimów matycznego badacze albo wciąż liczą na przełom technologiczny, który
i wyrazów bliskoznacznych, moduły sprawdzania pisowni itp. Wspomniane umożliwi opracowanie niezależnego i skutecznego systemu tłumaczenia
już, stojące na drugim biegunie tłumaczenie maszynowe, dla uniknięcia maszynowego, albo (ostatnio coraz częściej) przyznają, że automatyzacja
nieporozumień terminologicznych nazywa się czasami fully automated ma procesu przekładu, jeżeli nie ma ona służyć generowaniu quasi-tłumaczeń
chine translation, a podkreślając możliwą do osiągnięcia w niektórych sy wątpliwej jakości, jest możliwa jedynie pod kontrolą i przy współudziale
stemach zadowalającą jakość produktu wyjściowego, fully automated high- człowieka.
quality machine translation (odpowiednio, FAMT i FAHQMT) Hutchins i Somers (1992) proponują linearną klasyfikację przekładu
Istnieje również tłumaczenie, w którym proporcje są odwrócone. w zależności od stopnia automatyzacji. Wyróżniają oni cztery etapy
Mowa tu o HAMT - human-aicled machine translation. Z tym rodzajem tłu automatyzacji, poczynając od przekładu w pełni zmechanizowanego
maczenia mamy do czynienia, gdy tekst wyjściowy zostaje poddany ob (FAHQMT), poprzez dwa etapy pośrednie (HAMT i MAHT) aż do tłumacze
róbce przez człowieka tak, aby komputer mógł go łatwiej analizować (por. nia będącego wyłącznie efektem pracy człowieka. CAT leży w tej klasyfika
Kozłowski 2004: 67-68). Można więc przyjąć, że współpraca człowieka cji pośrodku, łącząc HAMT i MAHT. Neubert (1991: 56) definiuje CAT jako
z komputerem prowadząca do przetłumaczenia tekstu przybiera formy, „direct translation by humans with the help o f a computer interface which
które tworzą pewne kontinuum, poczynając od tłumaczenia wykonywa makes translational expertise accessible through ‘translation-intelligent’
nego całkowicie przez człowieka, poprzez warianty z rosnącym wyko software”. Quah (2006: 6) zauważa, że wraz z rozwojem technologii róż-
nice między poszczególnymi etapami zacierają się, a narzędzia stają się do wersji papierowej płytę z wersją elektroniczną o funkcjonalności czę
wielofunkcyjne. Nadal jednak można mówić o kilku stopniach automaty sto znacznie przewyższającej tradycyjny tom (na przykład transkrypcję
zacji przekładu; należy tylko podkreślić, że termin human translation ma fonetyczną, dla wielu użytkowników mało czytelną, zastępuje niewielki
już coraz mniej wspólnego z przekładem sprzed kilkudziesięciu i więcej plik dźwiękowy z nagraniem prawidłowej wymowy). Coraz doskonalsze
lat, nawet bowiem zagorzały przeciwnik zastępowania ludzi przez ma urządzenia kieszonkowe, jak inteligentne telefony komórkowe, również
szyny nie tylko pisze tłumaczenia na komputerze, ale (czasami nieświado zawierają podobne aplikacje. Nadal jednak znajomość zastosowań i za
mie) korzysta z wbudowanych narzędzi usprawniających pracę, chociażby sad tłumaczenia maszynowego jest domeną specjalistów. Nawet studenci
sprawdzających pisownię. translatoryki, zainteresowani przekładem i wiążący z nim swą przyszłość,
Podstawową zaletą wykorzystania komputerów w przekładzie jest z zaskoczeniem dowiadują się o istnieniu programów wspomagających
przyspieszenie procesu tłumaczenia przez jego częściowe zautomaty tłumaczenie.
zowanie, a więc oszczędzenie tłumaczowi żmudnej pracy polegającej na
wielokrotnym przekładaniu bardzo zbliżonych do siebie tekstów. W przy
padku niektórych typów tekstów możliwa jest zupełna rezygnacja z po 1.7. T ypologio przekładu m aszynow ego
mocy człowieka, a więc wykonanie tłumaczenia całkowicie przez maszynę,
co jest naturalnie rozwiązaniem tanim i szybkim. Takie rozwiązania bierze Kozłowski (2004: 72) opisuje strategie przekładu maszynowego, demon
się pod uwagę w obliczu rosnącego zapotrzebowania na usługi tłumacze strując, w jaki sposób takie tłumaczenie może być realizowane na pozio
niowe. Samo rozszerzenie Unii Europejskiej (obecnie istnieją 23 oficjalne mie najniższym - leksykalnym, na poziomie pośrednim - reprezentacji
języki UE) spowodowało znaczący wzrost liczby tekstów i przemówień do syntaktycznej i semantycznej i wreszcie na poziomie najwyższym - repre
tłumaczenia, a co za tym idzie kosztów. Według danych z 2005 r. tłuma zentacji opartej na wiedzy. Taki podział odzwierciedla rozwój systemów
czenie pochłania rocznie ponad miliard euro5. przekładu automatycznego, poczynając od prostych, funkcjonujących na
Aktywne wykorzystanie oprogramowania wspomagającego proces bazie analizy i syntezy leksykalnej, aż do nowoczesnych i skomplikowa
przekładu jest zjawiskiem nowym. W 2002 r. Timothy R. Hunt, prezes nych, wykorzystujących sztuczną inteligencję i imitujących ludzki proces
TermSeek Inc., opublikował artykuł6, w którym krytycznie wypowiedział tłumaczenia.
się na tem at idei programów wspomagających tłumaczenie. Porównał Ze względu na zastosowane strategie i sposób działania systemu
nawet tłumacza do gospodyni domowej, która musi posprzątać bałagan, tłumaczenie maszynowe można podzielić na bezpośrednie oraz pośred
którego narobił komputer. Jeszcze w latach 90. ubiegłego wieku istnienie nie. Czasami te dwa rodzaje określa się również tłumaczeniem pierwszej
tłumaczenia maszynowego i wykorzystanie komputerów w przekładzie do i drugiej generacji (por. Hutchins i Somers 1992: 71-72). Tłumaczenie bez
czegokolwiek innego niż wprowadzanie i edycja tekstu były przeciętnemu pośrednie narodziło się w czasach, kiedy możliwości komputerów były
człowiekowi zupełnie nieznane (Arnold 1994: 19). Ekspansja Internetu nieporównywalnie mniejsze niż obecnie, a języki programowania prak
i wzrost popularności komputerów osobistych uświadomiły szerokiej pub tycznie nie istniały. Metoda ta była niezbyt skomplikowana, a przez to
liczności możliwość automatycznego wyszukiwania ekwiwalentów słow zawodna. Tłumaczenie polegało na analizie morfologicznej materiału wyj
nikowych lub tłumaczenia krótkich, prostych tekstów. Słowniki kompute ściowego, określeniu części mowy, sprawdzeniu ekwiwalentów w dwu
rowe i kpmercyjne programy tłumaczące zapełniają dziś półki księgarń. języcznym słowniku systemowym i utworzeniu tekstu docelowego przy
Każdy szanujący się wydawca słownika mono- czy bilingwalnego dodaje użyciu prostych zabiegów zmiany szyku zdania, bez skomplikowanej ana
lizy syntaktycznej czy semantycznej. Zjawisko kontekstu, fundamentalne
5 http://europa.eu/ianguages/en/cIociiiTient/59#8
dla każdego typu przekładu, było praktycznie ignorowane. Bilingwalne
6 Zawodność i przyszłość komputerowych programów tłumaczeniowych, tłum . Elżbieta Pu słowniki systemowe konstruowano często tak, aby maksymalnie zredu
ławska, biuletyn TEPiS, nr 51, lato 2003, http://www.tepis.org.pl/biuletyn/51/zawodnosc.htm. kować problem homonimii, a więc ograniczyć się tylko do podstawowych
28
znaczeń słów. Hutchins i Somers (1992) porównują działanie takiego sy oraz podmiot i dopełnienie: „ja” i „John”). Etap trzeci to operacje zwią
stemu do próby przełożenia tekstu przy pomocy niewielkiego słownika zane z przyimkami, np. wybór przyimków zwykle występujących z danymi
dwujęzycznego i zaledwie podstawowej znajomości reguł gramatycznych czasownikami w danym kontekście. Następne kroki to ustalenie szyku wy
języka. Taki sposób tłumaczenia, skomplikowanej operacji językowo-kul- razów, operacje dodatkowe (np. dodanie przedimków) i wygenerowanie
turowej, wymagającej wiedzy, wrażliwości, doświadczenia i profesjonal ostatecznej wersji zdania (w tym wypadku wprowadzenie formy przeszłej
nych narzędzi, a nierzadko konsultacji, musiał spowodować rozgorycze czasownika):
nie potencjalnych klientów liczących na szybkie i tanie przekłady dobrej
jakości. Nawet bowiem na poziomie transferu leksykalnego, przekładu Tekst w yjściow y: w atashihatsukuenoiienopenw ojonniageta
Po etapie 1: watashi ha tsukue no ue no pen vvo jo n ni ageru PAST
słowo w słowo, warunkiem koniecznym jest posiadanie słownika syste
Po etapie 2: 1 ha desk no ue no pen w o John ni give PAST
mowego zawierającego wszystkie tłumaczone słowa. Słownik systemowy Po etapie 3:1 ha pen on desk w o John to give PAST
sprawdza się w przekładzie tekstów uprzednio przygotowanych, napisa Po etapie 4 : 1 give PAST pen on d e s k jo h n to
nych w taki sposób, aby nie zawierały słów niezrozumiałych dla systemu. Po etapie 5 : 1 give PAST the pen on the desk to John
Wprowadzenie do systemu tekstu podobnego, tego samego typu, zaowo Po etapie 6:1 gave the pen on the desk to John
(Kozłowski 2004: 76)
cuje akceptowalnym (przy niewielkich wymaganiach odbiorcy) przekładem,
ale może się zdarzyć, że pojedyncze słowa pozostaną nieprzetłumaczone.
Austermiihl (2001: 159) podsumowuje cechy charakterystyczne syste
Łatwo sobie natomiast wyobrazić efekt przełożenia w taki sposób tekstu
mów bezpośrednich:
obfitującego w neologizmy. Jednak problemy nie kończą się na zasobach
słownikowych - pozostają jeszcze kwestie ekwiwalentów wielowyrazo- • analiza zdania wyjściowego ograniczona jest w takich systemach do
wych (polskie „zgodnie z ruchem wskazówek zegara" jako odpowiednik minimum; wykonywane są jedynie czynności umożliwiające sprowa
angielskiego clockwise), polisemia, homonimia, brak odpowiednika i wiele dzenie wyrazu do formy podstawowej i odnalezienie jej w słowniku bi-
innych. Dębowski (2001), ilustrując problem dezambiguacji morfosyntak- lingwalnym, tj. identyfikacja części mowy, czasu gramatycznego, liczby
tycznej, podaje przykład słowa kurze, które w tekście polskim może być: (pojedyncza, mnoga) itp.,
mianownikiem, biernikiem i wołaczem liczby mnogiej rzeczownika kurz, • system opiera się na podobieństwach syntaktycznych, semantycznych
miejscownikiem i wołaczem liczby pojedynczej rzeczownika kur, celow i leksykalnych między językiem źródłowym a docelowym, tak więc im
nikiem i miejscownikiem liczby pojedynczej rzeczownika kura bądź też więcej podobieństw między tekstem źródłowym i docelowym, tym lep
mianownikiem i biernikiem liczby pojedynczej rodzaju nijakiego oraz szy produkt końcowy,
mianownikiem i biernikiem liczby mnogiej rodzaju niemęskoosobowego s system działa w obrębie danej pary języków, a więc dla tłumaczenia
przymiotnika kurzy. Ustalenie właściwego ekwiwalentu na poziomie lek z wykorzystaniem innych języków konieczne jest opracowanie nowego
sykalnym, bez kontekstu, jest niemożliwe. Na poziomie zdania pojawiają systemu,
się problemy szyku; język polski umożliwia większą swobodę, jeżeli cho • niepełne informacje wprowadzone do systemu i brak bazy lingwistycz
dzi o szyk zdania, niż na przykład angielski. Jak więc widać, taki sposób nej powodują często wytwarzanie tłumaczeń złej jakości, które nie na
transferu, bo trudno w tym wypadku mówić o tłumaczeniu, ma bardzo dają się do użytku,
ograniczone zastosowanie i duże prawdopodobieństwo błędu. • podstawowym składnikiem systemów bezpośrednich są słowniki syste
Kozłowski (2004: 75-76) podaje przykład pracy systemu tłumaczenia mowe, a więc jakość produktu końcowego zależy w dużej mierze od
bezpośredniego z japońskiego na angielski. Pierwszy etap, typowy dla jakości słownika.
tego języka źródłowego, polega na segmentacji na słowa oraz na analizie
morfologicznej. Następnie odbywa się transfer leksykalny słów niosących Tłumaczenie pośrednie występuje w dwóch wariantach: tłumacze
znaczenie (w poniższym przykładzie są to „biurko”, „długopis”, „dać” nia opartego na interlingwie, tj. „międzyjęzyku” i na transferze. Pierwsza
! :.u | ■I I I
z wymienionych metocl jest dłużej rozwijana; ma ona spory potencjał, Według innej, choć pokrewnej klasyfikacji (Hutchins 2006b, por.
szczególnie jeżeli chodzi o tłumaczenie multiiingwalne, i uważana jest także Quah 2006) współczesne tłumaczenie maszynowe można podzielić
za potencjalnie najlepszy z istniejących sposobów przekładu automa na trzy rodzaje. Pod koniec XX w. podstawowym rodzajem było tłumacze
tycznego. Interlingwa je st sztucznym tworem językowym, odgrywającym nie oparte na regułach (rule-based, RBMT). Obecnie przekład maszynowy
rolę pośrednika w tłumaczeniu - tekst jest tłumaczony na język pośredni, ma charakter statystyczny (SMT) lub korpusowy7! oparty na autentycz
a następnie z niego na właściwy język docelowy. Podobny zabieg, ale nym materiale językowym (w omawianej taksonomii występuje nazwa
z wykorzystaniem języków naturalnych, stosuje się w przekładzie słowa example-based, EBMT, jednak częściej używa się określenia corpus-based).
żywego (w przypadku np. braku tłumacza z rosyjskiego na arabski stosuje W pierwszym przypadku system przekładu maszynowego, wyposażony
się tłumaczenie rosyjski-angielski i angielski-arabski). Utworzenie takiego w oprogramowanie oraz słownik dla danej pary języków, wykorzystuje
sztucznego języka nie je st jednak łatwe, dlatego dotychczas zamiast ję reguły gramatyczne danego języka do analizy i konwersji zdań tekstu
zyka uniwersalnego stosowano międzyjęzyki dla poszczególnych grup ję wyjściowego, czego efektem są zdania w języku docelowym, dostoso
zyków, np. romańskich. wane do wymogów gramatyki tego języka. System dokonuje rozbioru
Transfer, wykorzystywany w drugiej odmianie metody pośredniej, jest zdania oryginalnego, przypisując każdemu słowu jego funkcję (np. pod
w odróżnieniu od inteiiingwy ograniczony do danej pary języków. Jest to miot, orzeczenie, dopełnienie). Taki zabieg pozwala wyeliminować błędy
więc zestaw reguł transferowych dla dwóch języków, np. angielski-fran- znane z wcześniejszych, prymitywnych systemów opartych na podsta
cuski, przy czym przekład w przeciwną stronę wymaga nowego zestawu wianiu słów języka docelowego w miejsce słów oryginału (a więc, używa
reguł. Sam transfer jest etapem pośrednim, a więc przekład można spro jąc przedstawionej powyżej terminologii, na metodzie bezpośredniej).
wadzić do trzech faz: analiza, transfer oraz synteza. Należy tu zauważyć, Bez kontekstu angielskie słowo hicie może być czasownikiem („chować
że system opracowany dla czterech języków będzie wymagał nie czte się”) lub rzeczownikiem („skóra”); słowo set może być rzeczownikiem,
rech, a dwunastu zestawów reguł (np. polski-japoński, polski-angielski, czasownikiem, a nawet przymiotnikiem. Następnym etapem jest transfer
polski-niemiecki, japoński-angielski, japoński-niemiecki, japoński-polski, językowy, w wyniku którego powstają przetłumaczone zdania; w finalnej
angielski-polski, angielski-niemiecki, angielski-japoński, niemiecki-polski, fazie zostają one wzbogacone o odmianę oraz inne wymagane dla języka
niemiecki-japoński, niemiecki-angielski). W przypadku ośmiu języków, docelowego elementy. Wadą takiego rozwiązania je st przede wszystkim
kombinacji będzie aż 56. W sytuacji, gdy opracowuje się system dla wielu czas potrzebny na opracowanie funkcjonalnego systemu i uzupełnie
języków, bardzo dobrym rozwiązaniem jest wykorzystanie inteiiingwy. nie go rozbudowanym słownikiem (nawet do kilku lat). Ponadto takie
(Dillinger i Lommel 2004: 43-44). Historia przekładu maszynowego zna systemy nie radzą sobie z analizą informacji niewystępujących w bazie.
również mniej lub bardziej udane próby tworzenia projektów mających na Jak wiadomo, język naturalny je st tworem dynamicznym, a użytkownicy
celu wyeliminowanie słabych punktów systemów transferowych i interlin- języka cechują się kreatywnością, w tekście do tłumaczenia mogą więc
gwalnych. Warto tu wymienić tłumaczenie Shake and Bake (Beaven 1992). pojawić się sformułowania czy nawet całe zdania wymykające się z góry
Zalety systemów pośrednich (por. Austermiihl 2001: 161) to przede ustalonym regułom gramatyczno-leksykalnym. Kolejną niedogodnością,
wszystkim: z którą trzeba się jednak pogodzić, jeśli weźmie się pod uwagę metodę
0 lepsza jakość produktu końcowego ze względu na stosowanie komplet działania systemów opartych na regułach, jest wspomniany powyżej brak
nych teorii i koncepcji językowych zamiast prostych reguł gramatyczno- uniwersalności.
-syntaktycznych, W przypadku przekładu o charakterze statystycznym lub korpuso
• większa uniwersalność, a więc brak ograniczenia do jednej pary ję wym opracowanie systemu jest znacznie mniej czasochłonne. Ponadto ta
zyków,
0 większa elastyczność słowników w systemach transferowych (słowniki 7 Należy w tym miejscu wyjaśnić, że przekład statystyczny rów nież w ykorzystuje kor
monolingwalne i bilingwalne). pusy językow e (por. np. Johnson i in. 2007 lub jVIunteanu i Marcu 2006).
kie formy przekładu są bardziej uniwersalne, nie opierają się bowiem na zacyjnej w ilości ok. 3 milionów słów tygodniowo (!). Według raportów
konkretnych parach językowych w tym sensie, że nie trzeba tworzyć słow agencji użycie Language Weaver przyspieszyło pracę o ok. 30"óy.
ników dla każdej pary. Dodatkową zaletą jest możliwość łatwego popra Pierwszą próbę opisania przekładu opartego na korpusach języko
wiania systemu czy uzupełniania go o nowe dane. Przekład statystyczny wych podjął na początku lat 80. ubiegłego wieku Makoto Nagao (Nagao
oparty jest na założeniach matematycznej teorii informacji. Kluczowym ] 984), ale systemy tego typu zaczęły funkcjonować dopiero kilka lat póź
pojęciem jest tu prawdopodobieństwo, że dany ciąg wyrażeń jest tłuma niej. Przekład korpusowy opartyjest na zasadzie analogii. Korpus językowy
czeniem ciągu wyrażeń w języku źródłowym. (tzw. korpus równoległy) zawierający pary zdań różniące się poszczegól
Jednym z popularniejszych systemów tłumaczenia statystycznego nymi elementami może służyć jako baza tłumaczenia. Korpus równoległy
jest Mojżesz8. Według Hutchinsa (2006b: 198) wszystkie znane systemy jest zbiorem tekstów i ich odpowiedników w co najmniej jednym języku.
SMT wywodzą się z projektu opracowanego w 1988 r. przez grupę IBM Odpowiednio powiązany korpus może stanowić bardzo cenną pomoc dla
(por. Brown i in. 1988). Candide, pionierski projekt IBM (Berger i in. 1994), tłumacza, umożliwiając wyszukanie fragmentów tekstu wraz z ich odpo
był propozycją rozwiązania problemu drogich, czasochłonnych i skompli wiednikami w języku obcym.
kowanych systemów opartych na regułach. Działanie takich systemów System tłumaczenia maszynowego można zaklasyfikować do tego
opiera się na dopasowaniu wpierw zdań, następnie krótszych wyrażeń typu, jeżeli bazuje on na segmentach (fragmentach dłuższych niż poje
(fraz) korpusu bilingwalnego (w przypadku Candide był to angielsko- dyncze słowa) tekstu wyjściowego wyodrębnionych z korpusu. W uprosz
francuski korpus przemówień z kanadyjskiego parlamentu Hansard). Sam czeniu, procedura przekładu polega na porównaniu fragmentów tłuma
proces przekładu polega na wybraniu statystycznie najlepszej (najbardziej czonych z. danymi w korpusie, wyodrębnieniu pasujących fragmentów
prawdopodobnej) wersji docelowej informacji podanej w języku źród w języku docelowym i „powiązaniu" je w zdania (por, Hutchins 2006b:
łowym, a także najbardziej prawdopodobnej kombinacji słów w języku 198). System jest w stanie „uczyć się” tłumaczenia zdań podobnych do
docelowym. Statystyka zastępuje tutaj reguły językowe, nie ma zatem zdań już przetłumaczonych. Zasada działania aplikacji komputerowych
konieczności opracowywania skomplikowanych gramatyk czy leksyko wykorzystujących pamięć tłumaczeniową jest podobna (patrz 3.4). Jak za
nów. Znanym projektem komercyjnym wykorzystującym tę technologię uważa Hutchins:
jest Language Weaver, tworzony przez działającą od 2002 r. w Kalifornii
firmę pod tą samą nazwą produkującą oprogramowanie oparte na tłu A lth o u g h SM T is n o w the d o m in a n t fra m e w o rk fo r M T research, it is reco gn i
maczeniu statystycznym. Firma subsydiowana jest przez rząd USA, m.in. sed th a t the tw o corpus-based approaches are co n ve rg in g in m an y respects in
so far as SMT is m a kin g m ore use o f phrase-based alignm ents and o f linguistic
przez National Science Foundation. Przewodniczący firmy Benjamin Bryce data, and E B M T is m a kin g w id e r use o f statistical tech niq ues. As a consequence
precyzyjnie określił sposób działania systemów przekładu statystycznego, it is b e c o m in g m ore d iffic u lt to isolate d istin ctive features o f the tw o m odels.
takich jak Language Weaver: {H u tch in s 2 0 0 8 : 126)
It's n o t really a translation in the tra d itio n a l sense. W h a t w e create is a p ro b a b ility Vandeghinste i in. (2005) opisują projekt Metis-ll, system tłumaczenia
forecast based on lo o kin g a t m illio ns o f pairs o f translations fo r a w o rd and then
maszynowego typu EBMT, jednak nieczerpiący z korpusów równoległych,
selecting the one w ith the highest p ro b a b ility o f being right. (C olker 2005)
a jedynie z korpusu języka docelowego.
Quah (2006) dzieli przekład maszynowy w sposób chyba najpełniejszy,
Language Weaver umożliwia obecnie tłumaczenie w obrębie 24 języ
tę klasyfikację zatem przyjmujemy w podsumowaniu tej sekcji książki:
ków, w tym polskiego. Niedawno technologię tę kupiła m.in. duża agen
1) tłumaczenie bezpośrednie,
cja tłumaczeniowa ITP-Europe do obsługi zleceń dla dużej firmy motory
9 „Statistical machine translation gets real: the LanguageWeaver p ro file ". Global by
8 Moses, http://w w w .statm t.org/m oses/. Design, December 2006, 8 -1 9 .
2) tłumaczenie oparte na regułach:
a) interlingwa
b) transfer Tłumaczenie maszynowe
3) tłumaczenie korpusowe:
a) tłumaczenie statystyczne
- rys historyczny
b) tłumaczenie oparte na przykładach
Z kronikarskiego obowiązku należy jeszcze odnotować próby tw o
rzenia systemów łączących zalety drugiej i trzeciej grupy (w języku an
gielskim multi-engine MT systems). Omawiają je szerzej np. Nirenburg
i Frederking (1994).
14
as® 45:
wszechstronnym systemem przekładu z japońskiego na angielski (oraz Należy również podkreślić, że był to w zasadzie jedyny naprawdę mię
w drugą stronę). Również Europa prowadziła prace nad własnymi syste dzynarodowy i multilingwalny system europejski; pozostałe wymienione
mami. w tej części książki projekty były ograniczone do konkretnej jednostki
Susy - to żeńskie imię je s t skrótem od Saarbrucken Ubersetzungs- badawczej, a często również do jednej pary języków. Przy okazji należy
system, niemieckiego projektu rozpoczętego w okresie bessy spowodo zaznaczyć rolę organizacji UE, w szczególności Komisji Europejskiej,
wanej raportem ALPAC. Susy je st systemem transferowym, nieco bardziej w promowaniu badań nad inżynierią językową. Wspomnijmy tu cho
zaawansowanym pod pewnymi względami niż Systran. Szczegółowo za ciażby nadal funkcjonujący projekt ELSNET (European Network of
sadę działania systemu opisuje Maas (1988). Excellence in Human Language Technologies), kierowany od 1991 r.
Ariane to rozwijany pod kierownictwem Bernarda Vauquois i badaczy przez Instytut Lingwistyki Uniwersytetu w Utrechcie.
z uniwersytetu w Grenoble system drugiej generacji, znany również jako Kolejnym znanym europejskim projektem dotyczącym przekładu
GETA (Groupe d’Etudes pour la Traduction Aulomatique). Francuzi wiązali maszynowego była Rosetta - owoc pracy inżynierów holenderskiego
z Ariane spore nadzieje, jednak system nie do końca je spełnił. Wyniki piiilipsa. System ten oparty je st na międzyjęzyku (interlingua) i wykorzy
oceny jakościowej systemu opisuje Roudaud i in. (1993). stuje tzw. gramatykę Montague (Montague 1970). Nazwa projektu p o
Pod koniec lat 70. XX W. narodziła się koncepcja europejskiego sy chodzi od egipskiego miasta (obecnie RashicI), w którym ok. 1799 r. od
stemu tłumaczenia maszynowego znana pod nazwą Eurotra. Inspiracją naleziono kamień zapisany hieroglifami; odkrycie to w znacznym stop
powstania systemu Eurotra był Systran (a także do pewnego stopnia niu wpłynęło na rozwój wiedzy o piśmie egipskim. W języku angielskim
Susy), ale zasada działania, sposób opracowania, a także skuteczność eu terminem tym określa się czasami przełomowe odkrycie umożliwiające
ropejskiego projektu była inna niż w przypadku amerykańskiego prekur rozwiązanie problemu lub odczytanie szyfru5. Firma Apple nazwała tak
sora. Eurotra je st niewątpliwie najbardziej godnym uwagi europejskim oprogramowanie umożliwiające korzystanie z aplikacji przeznaczonych
systemem tłumaczenia automatycznego, chociaż paradoksalnie w osta dla architektury PowerPC na komputerach wyposażonych w procesory
tecznym rozrachunku jednym z najmniej udanych. W założeniu Eurotra Intel. Rosetta, jako jed en z bardziej zaawansowanych projektów tego
miała obsługiwać wszystkie pary językowe spośród oficjalnych języków typu, była rzeczywiście swego rodzaju przełomem w rozwoju systemów
Unii Europejskiej. Był to jednak system transferowy, a więc wymagający tłumaczenia automatycznego.
opracowania wielu zestaw ów reguł. W pierwszej fazie opracowywania Jednym z bardziej zaawansowanych europejskich systemów tłuma
systemu języków Unii było 6, a po kilku latach już 9, należało więc czenia autom atycznego je s t Metal, rozwijany od 1989 r. przez firmę
opracować 72 pary języków. Ten fakt był podstawowym powodem, dla Siemens i przeznaczony do tłumaczenia z niemieckiego na angielski
którego Eurotra z góry skazana była na porażkę - wszak liczba oficjal (chociaż stopniow o prow adzone były badania nad implementacją in
nych języków UE nadal rośnie. Gdyby system funkcjonował nadal i miał nych par językowych). System ten opisuje szczegółowo White (1985
obsługiwać wszystkie oficjalne języki UE, należałoby przygotować 50(> i 1987).
par językowych. Pomimo szczytnych celów (opracowanie systemu tłu Warto również wspomnieć o innym holenderskim projekcie - DLT
maczenia dokum entów unijnych między wszystkimi ówczesnymi języ (rozwijanym na uniwersytecie w Utrechcie), szczególnie dlatego że jest
kami UE), wsparcia finansowego Komisji Europejskiej i zaangażowania to system oparty na interlingwie, a konkretnie na Esperanto. Ten fakt wy
wybitnych europejskich językoznawców komputerowych, Eurotra nie różnia DLT spośród innych systemów. Użyty język ma wszak wiele cech
osiągnęła zamierzonych wyników. Od 1992 r. prow adzono coraz mniej języka naturalnego, je st więc z całą pewnością czymś więcej niż sztucz
prac nad tym projektem; raport końcowy opublikowano w 1994 r. Mimo nym kodem o ograniczonym zastosowaniu (por. Schubert 1992).
braku implementacji badania kilkuset naukowców nad projektem nie
poszły całkowicie na marne. Eurotra przyczyniła się do powstania co 5 Na przykład „th is genetic Rosetta Stone o f im m u nolog y” (http://w w w 3.niaid.nih.gov/
najmniej kilku innych projektów na mniejszą skalę (Steinberger 1994). news/newsreleases/2000/ihwg.htm).
2.8. T ranslatica - pofisld widni w tłum aczenie 2.9. P od su m o w anie - w sp ółczesność
aufm natycziie
Główne nurty badań nad tłumaczeniem automatycznym, które są pro
Wydawnictwo Naukowe PWN, jako główny wydawca polskich publika wadzone w XXI w., omówione są w szczegółach w innych częściach tej
cji naukowych, odgrywa sporą rolę w dystrybucji materiałów pom oc książki; w tym miejscu pragniemy jedynie je podsumować.
niczych dla tłumaczy. Seria wydawnicza, w której ukazuje się niniejsza Wydaje się, że intensywność badań nad tłumaczeniem maszynowym
publikacja, przyczyniła się ju ż do popularyzacji problemów translato (w klasycznym rozumieniu tego pojęcia) nieco słabnie w ostatnich la
ryki w gronie znacznie szerszym niż uniwersyteckie katedry przekłado tach. Nadal podejmowanych je st wiele rozważań teoretycznych doty
znawstwa. Wielki słownik angielsko-polski polsko-angielski PWN Oxford był czących tłumaczenia statystycznego i korpusow ego7. Na gruncie prak
przedsięwzięciem na miarę czasów, owocem współpracy z czołowym tycznym prowadzi się prace przede wszystkim w czterech obszarach;
wydawcą słowników języka angielskiego oraz z wybitnymi językoznaw są to:
cami i leksykografami, pierwszym nowoczesnym słownikiem na taką o aplikacje wspomagające tłumaczenie - produkt ostatnich lat, którego
skalę wykorzystującym potężn e korpusy językowe, a w rezultacie długo ekspansja je st imponująca,
oczekiwaną alternatywą dla przestarzałych, kompilowanych w sposób ° próby wypełnienia luki w automatyzacji przekładu ustnego, a więc wy
tradycyjny słowników Stanisławskiego i Fundacji Kościuszkowskiej. korzystanie syntezy mowy i tworzenie aplikacji i systemów zastępują
Translatica, projekt PWN najbardziej nas z punktu widzenia niniejszej cych tłumaczy środowiskowych,
pracy interesujący, to zestaw oprogramowania w różnych wersjach dla ° lokalizacja oprogramowania komputerowego,
użytkowników prywatnych oraz firm, integrujący się z programami ® wykorzystanie potencjału Internetu do prezentacji zalet tłumaczenia
do codziennej pracy (oprogramowanie biurowe, programy pocztowe, maszynowego, a więc serwisy tłumaczące dostępne online.
przeglądarki internetow e) i umożliwiający tłumaczenie z wykorzysta
niem języka polskiego, angielskiego, niemieckiego i rosyjskiego. Strona Jak widać, pola zainteresowań praktyków tłumaczenia zautomaty
internetow a wydawnictwa umożliwia dostęp do wersji online, funkcjo zowanego wiążą się ściśle z rozwojem technologii i zmianami na rynku
nującej analogicznie jak SYSTRANet czy Babel Fish, ale dodatkow o tłu tłumaczenia. Liczba tekstów wymagających przekładu rośnie i zaczyna
maczącej na polski i z polskiego. Translatica je st systemem opartym przekraczać możliwości tłumaczy, wproWacIza się więc oprogramowanie
o transfer, wykorzystującym między innymi wspomniany ju ż słownik usprawniające codzienną pracę. Powstające aplikacje, naturalnie nie tylko
PWN Oxford, a także sieć semantyczną WordNet. W materiałach pro te przeznaczone dla tłumaczy, występują w wielu wersjach językowych.
mocyjnych wydawnictwa6 opisane są następujące kroki działania algo Rozwijająca się technologia, w szczególności Internet, umożliwia rozsze
rytmu tłumaczącego: rzenie pola działania na nowe, dotychczas niedostępne obszary, jak prze
1) tokenizator dokonuje segmentacji tekstu na wyrazy; kład ustny, a także udostępnienie narzędzi olbrzymiej i wciąż rosnącej
2) analizator leksykalny zajmuje się odczytem ze słownika, a także rzeszy użytkowników.
sprawdzaniem pisowni i obsługą reguł derywacji i łączenia wyrazów; Poniższa tabela podsumowuje mocne i słabe strony aplikacji w spo
3) analizator składniowy zajmuje się tzw. parsingiem metodą CYK magających przekład, a więc słowników elektronicznych, pamięci tłuma
(od nazwiska badaczy Cocke, Younger i Kasami); algorytm CYK pozwala czeniowych (o których mowa w kolejnym rozdziale) i przekładu maszy
stwierdzić, czy dane słowo jest wyprowadzalne w danej gramatyce; nowego:
4) transferer zawiera między innymi reguły transferu międzyjęzyko-
wego, modyfikacji składniowej i generowania form fleksyjnych. 7 Dostępne w Internecie archiwum publikacji o przekładzie autom atycznym (http://
w w w .m t-a rchive .infb/m etlioc!s-l,Iitm ) pokazuje skalę i środek ciężkości prowadzonych
6 http://w w w .translatica.pl/tianslatory/co-to-jest-translator/jak-clziala-translator/ obecnie badań.
48
Tabela 4. Wady i zalety aplikacji wspomagających przekład wyraźnie widać, większość kryteriów lepiej (lub tak samo dobrze) spełnia
M ocne s tro n y
tłumaczenie maszynowe, jednak w zakresie dokładności i wszechstronno
Słabe s tro n y
ści tłumacze z krwi i kości nadal mogą czuć się niezagrożeni.
Słowniki dw uję - łatw e w opracowaniu - nadają się do tłum aczenia słów
zyczne lub fraz poza kontekstem
Tabela 5. Porównanie system ów przekładu autom atycznego i pracy tłumacza
Pamięci tłum a - w ykorzystują istniejące tłum a - m ożliw ość w ykorzystania ist
czeniowe czenia niejących tłum aczeń zależy od System tłum aczenia
T łum acz
- podstaw iane tłumaczenia zw y sto p nia 'p odo bieństw a (nie po m aszynowego
kle nie wymagają pow ażniej trafią tłum aczyć nowych frag
Szybkość Prawie nieograniczona i rosnąca, Bez narzędzi wspomagających, ok.
szych zmian m entów) 10 stron maszynopisu dziennie.
rzędu kilku tysięcy stron dzien
Systemy tłum a - mogą tłum aczyć nowe, dotych - uzależnione w sporym stopniu nie. Tłum aczenie w czasie rzeczy Tłum aczenie w czasie rzeczyw i
czenia maszy czas nieprzetłum aczone zdania od jakości tekstu wyjściow ego w istym m ożliw e. stym tylko w yp ow ied zi ustnych.
nowego - bardzo szybkie
D o kła d n ość t łu Wysoka w przypadku prze w id y Zależna od um iejętności i kwa
m aczenia i ja walnych, nieskom plikowanych lifika cji tłum acza. Spada w przy
Źródło: opracowanie własne na podstaw ie: D illin g e r i Lommel 2004.
kość p ro d u k tu . tekstów . Może spaść poniżej ak padku skom plikowanych tekstów,
ceptow alnego poziom u. kró tk ich term inów , zmęczenia
W tłumaczeniu rozumianym jako transakcja zawierana między zle tłumacza.
ceniodawcą a wykonawcą (często za pośrednictwem biura) zawsze cho
Koszt Praktycznie pom ijalny. M ożliw y Ok. 20 groszy za słowo (zwykle
dzi o odpowiednie wyważenie trzech czynników: kosztu, dokładności po czątkow y (duży) koszt zakupu m iędzy 6 a 10 eurocentów).
i szybkości. Niestety, najczęściej zleceniodawca może liczyć na spełnie systemu.
nie swoich wymagań w odniesieniu do najwyżej dwóch z tych czynników. Spójność Bardzo wysoka. Wysoka, pod w arunkiem zastoso
Tłumaczenie wykonane szybciej i dokładniej niż zwykle musi kosztować wania narzędzi wspomagających.
więcej niż zwykle. Początkujący tłumacz-student ma niskie stawki, ale Może być niska w przypadku
jego praca może nie być wysokiej jakości, a prawie na pewno potrwa tłum aczeń wykonywanych przez
kilka osób.
dłużej niż praca profesjonalisty. Zlecenie, w którym priorytetem jest do
kładność, będzie wymagało drobiazgowej edycji, być może konsultacji Dyspozycyjność Zawsze do dyspozycji. Może być ograniczona.
ze specjalistami, co nie jest konieczne w przypadku tłumaczenia, w któ Typy tekstów Specjalistyczne, techniczne. Dowolne, pod w arunkiem od po
rym chodzi o przekazanie podstawowej informacji. Niewątpliwie systemy Literackie praktycznie nieuży w iedniego wyszkolenia tłumacza.
wane.
tłumaczenia maszynowego umożliwiają wykonanie operacji przekładu
w tempie, które jest zdecydowanie poza zasięgiem tłumacza z krwi i ko Źródło: opracowanie własne na podstawie: D illinge r i Lommel 2004: 11.
ści. Najczęściej taka operacja je st też znacznie tańsza, a czasami praktycz
nie darmowa, o ile nie bierze się pod uwagę jednorazowych kosztów zbu
dowania systemu. Piętą Achillesową systemów maszynowych może być
więc tylko dokładność - ale nie musi. Nowoczesne systemy stworzone do
pracy nad konkretnymi typami tekstów są w stanie produkować tłumacze
nia o jakości zbliżonej do wersji autorstwa profesjonalistów.
Poniższa tabela prezentuje porównanie pracy tłumacza z działaniem
systemu tłumaczenia maszynowego, uwzględniając opisaną w paragra
fie powyżej triadę, a także kryterium spójności, dyspozycyjności i typy
tekstów, nad którymi pracować może tłumacz i system automatyczny. Jak
1992)'. Wraz z rozwojem technologii charakter miejsca pracy tłumacza
zmienia się, jednak powyższy zestaw narzędzi jest dość powszechny.
Przekład wspomagamy 2 wymienionych aplikacji najbardziej interesują nas te oparte na pamięci
komputerowo tłumaczeniowej. Według Somersa (2003b) ich genezy należy upatrywać
w rozwijanym na Brigham Young University w latach 1980 systemie ALPS
(Automatic Language Processing System), wyposażonym w pierwowzór pa
mięci tłumaczeniowej - narzędzie pod nazwą „Repetitions Processing”.
W poprzednich częściach książki mówiliśmy już o różnicy między
przekładem całkowicie zautomatyzowanym a tłumaczeniem wykonywa
nym przez człowieka przy użyciu narzędzi komputerowych. Ingerencja
człowieka jest naturalnie podstawowym elementem odróżniającym te
dwa typy przekładu, lecz różnic jest więcej. Programy oparte na pamięci
tłumaczeniowej dzielą tekst na części, podczas gdy systemy przekładu
maszynowego działają w obrębie całego tekstu (Austermiihl 2001: 134).
Poznajmy zatem te aplikacje i zasady ich działania.
3.1. Aplikacje w spom agające tłum aczenie
Badania naci automatyzacją procesu przekładu opisane we wcześniej 3.2. P am ięć tłu m a c z e n io w a
szych częściach książki nie zakończyły się pełnym sukcesem, o ile za taki
mielibyśmy uważać system zastępujący tłumacza w pracy. Jak jednak za Pamięć tłumaczeniowa, często oznaczana skrótem TM (Translation
uważyliśmy, wspomniane badania przybierają inny kierunek, a ich celem Memory), powstaje na trzy sposoby; można ją utworzyć od podstaw, wyko
nie je st bynajmniej pozbawienie tłumaczy możliwości wykonywania za nując tłumaczenia, można importować plik pamięci lub stworzyć pamięć
wodu. Obecnie niezwykle popularnym owocem prac nad usprawnieniem z tekstów oryginalnych i ich tłumaczeń. Pamięć zbudowana jest z tzw.
procesu przekładu są aplikacje komputerowe stosowane powszechnie segmentów, które pełnią rolę jednostek przekładowych. Segment to naj
przez tłumaczy. Do programów, z których tłumacz tekstów technicznych częściej zdanie (w fabrycznych ustawieniach programów). Rolę segmentu
czy specjalistycznych korzysta praktycznie przez cały czas wykonywania może również pełnić komórka tabeli, punkt listy itp. Aplikacja wyszukuje
pracy, należą: w tekście typowe znaczniki (np. spacja poprzedzona kropką oznacza
0 edytory lub procesory tekstu (najpopularniejszym narzędziem tego nowe zdanie) i dokonuje segmentacji. Użytkownik może jednak ingero
typu je st rozwijamy przez firmę Microsoft program Word pracujący wać w te ustawienia, np. określić, które znaczniki nie mają być brane pod
w środowisku Windows), uwagę (na przykład skrót zakończony kropką i spacją nie oznacza końca
0 elektroniczne słowniki i glosariusze terminologii specjalistycznej, zdania, poza tym nie każde zdanie kończy się kropką). Segmentacja uza
• aplikacje wykorzystujące pamięć tłumaczeniową (ang. translation me leżniona jest od typu tekstu i jego układu. Jeżeli tekstem wyjściowym jest
mory). broszura zawierająca kilka podobnych zdań różniących się tylko jednym
Powyższa lista może być uzupełniona przez aplikacje pomocnicze
służące do archiwizacji danych, konwersji formatów plików itp. Ten 1 Zamiast określenia „w o rk sta tio n " używa się także „w orkbench” , jednak term in ten
zestaw stanowi miejsce pracy współczesnego tłumacza. W języku an je st często nazwą zastrzeżoną dla konkretnego zestawu narzędzi (patrz Trados Translator’s
gielskim funkcjonuje określenie the translator’s workstation (por. Melby W orkbench poniżej, a także np. Kugler i in. 1993).
! i
akronimem, najbardziej naturalnym segmentem do zbudowania przydat < /s e g >
nej pamięci tłumaczeniowej będzie zdanie. Jeśli natomiast w tekście wy- < /tu v >
< tu v x m l:la n g = “PL“ crea tiondate= "20050604T0754.52Z " cre a tio n id =
stępują całe akapity różniące się tylko kilkoma słowami lub pojedynczym “ tlu m a cz@ b iu ro .co m " lastusagedate= "2 0 0 5 0 6 0 4 T 0 7 5 4 5 2 Z "
zdaniem, stosuje się raczej segmenty równe akapitom (Bogucki 2007:' 43). changedate—"2 0 0 5 0 6 0 4 T 0 7 5 4 5 2 Z "c h a n g e id = " tlu m a cz@ b iu ro .co m "
Jak zauważa Esselink (2000: 363), krótsze segmenty (zdania) oznaczają usagecount= " 0 " >
większą liczbę stuprocentowych trafień, ale jednocześnie częstszą ko < p ro p t y p e - "x-ALS:Context" > LIST ELEM ENT</prop>
< p r o p ty p e = "x-ALS:Source F ile "> C :\D o cu m e n ts and Setlings\adam\Pulpit\
nieczność weryfikacji przez tłumacza, ze względu na-możliwość niedopa
pro jekt _podrec.znik_do _japonskiego\podrecznik_do Japonskiego\index_htm l.
sowania kontekstowego. Segmentom źródłowym odpowiadają segmenty h tm < /p ro p >
docelowe w jednym lub kilku językach. < s e g > ln n e zastosowania form y „ t e " ~ T iló-ŚK ~ C Jo C. ~ C
Pamięć ma postać pliku (lub kilku plików). Pliki te mogą być przeka < s ~ T < ;& ) < /s e g >
zane w formie elektronicznej bezpośrednio tłumaczom (najczęściej prze < /tu v >
< /tu >
syłane drogą e-mailową), udostępnione na serwerze czy też przekazane
zleceniobiorcy wraz z projektem. Opis konstrukcji takiego pliku wykracza Pamięć tłumaczeniowa zawiera więc nie tylko tekst wyjściowy i do
poza ramy niniejszego opracowania. Zainteresowani mogą dowiedzieć się celowy, ale także wiele informacji pomocniczych, takich jak lokalizacje
szczegółów przeglądając angielskojęzyczną stronę internetową dostępną oryginalnych plików, z których pochodzą tłumaczenia, identyfikatory
pod adresem http://www.lisa.org/standarcls/tmx/tmx.htm. Występujący w po tłumaczy (tego, który wprowadził tłumaczenie jako pierwszy oraz tego,
wyższym adresie skrót tmx oznacza Translation Memory exchange i jest naj który je zmienił jako ostatni), komentarze zleceniodawcy lub tłumacza
częściej stosowanym (ale nie jedynym) formatem pamięci tłumaczenio (nie występują w prezentowanym fragmencie) i inne. Pliki z pamięcią tłu
wej. Poniższy tekst je st fragmentem pliku w formacie TMX (dwa segmenty maczeniową często kodowane są w uniwersalnym standardzie Unicode,
tłumaczone z angielskiego na polski): pozwalającym na umieszczenie w jednym pliku znaków narodowych wielu
< tu t u id = " 9 " srclang= "EN -US"> krajów. W powyższym przykładzie występują polskie znaki diakrytyczne,
< tu v x m l:la n g = "E N -U S "> a także znaki Kanji języka japońskiego (Bogucki 2007: 44).
< seg> T o learn m ore about this guide, go to the in tro du ction page and start Tłumacze i biura tłumaczy mogą stosować następujące metody orga
learning this intriguing a n d unique language! < /s e g >
nizacji pamięci tłumaczeniowych:
< /tu v >
< tu v x m l:la n g = "PL" c re a tio n d a te = "2 0 0 5 0 6 0 4 T 0 7 5 3 3 4 Z " cre a tio n id = • jedna, uniwersalna pamięć obejmująca wszystkie tłumaczenia (rozwią
" tlurn acz@ b iu ro .com " la stu sag eda te= "20 050 60 4T 075 33 4Z " zanie niepolecane ze względu na możliwe spowolnienie pracy narzędzi
cha n g e cla te = "2 0 0 5 0 6 0 4 T 0 7 5 3 3 4 Z " changeid—" tlu m a cz@ biuro.co m "
tłumaczeniowych, a także nieprzystawalność indywidualnych wymagań
usagecount—" 0 " >
< p r o p ty p e = "x-A L S :C o n te xt"> T E X T < /p ro p > poszczególnych zleceniodawców),
< p r o p type="x-ALS:Source Eile"> C :\D ocu m ents and Settings\adam\Pulpil\ o pamięci poświęcone danej tematyce (umowy zlecenia, instrukcje ob
pro jekt jw d r e c z n ik _ d o Jap on skieg o\po dreczn ik_d o Japonskiego\index_htm l. sługi telefonów komórkowych),
h tm < /p ro p > 8 pamięci dla konkretnych zleceniodawców (np. dużych urzędów, produ
< s e g > W ię c e j info rm acji o p rze w od niku Czytelnik znajdzie w części
centów sprzętu komputerowego),
Wprowadzenie, skąd m ożna o d razu przejść do pierwszej lekcji japońskiego - ję
zyka intrygującego i jedynego w swoim rodzaju! < /se g > • pamięci dla stale rozwijanych projektów (np. nowego typu urządzenia,
< /tu v > które ma szanse stać się standardem w swojej dziedzinie na wiele lat,
</tu> jak Blackberry).
< t u t u id —-“ 10“ srclang="EN-US">
< tu v xm l:la ng—“EN-US'‘> Trzy ostatnie sposoby gwarantują zachowanie mniejszej lub większej
< s e g > O th e r uses o f the te-form spójności, co jest jedną z podstawowych zalet pamięci tłumaczeniowych.
Można zatem otrzymać zbiory plików standaryzujące terminologię uży Przed tłum a czen iem p lik ź ró d ło w y jest. przetw arzany tak, żeby tłum acz m ia ł ła
wani) w danej dziedzinie, konwencje typowe dla pewnych typów tekstu, tw y dostęp d o tekstu wym agającego tłum aczenia; ta kie 'ce ch y pliku źródłow ego
czy też wręcz zawierające fragmenty identyczne z fragmentami mającymi jak form ato w an ie, elem en ty graficzne, układ strony itp. są albo niew ido czne dla
tłum acza, albo zaznaczone w sposób sym boliczny (form atow anie, szczególnie
pojawić się w tekście docelowym. Praktykującym tłumaczom znane są
w e w n ą trz akapitów , m oże być istotne sem antycznie). (Bogucki 20 07 : 46)
przypadki otrzymywania zleceń bliźniaczo podobnych cło zleceń wyko
nanych wcześniej.
Tak w ięc p ro g ra m u d o s tę p n ia tłu m aczow i p rz e tw o rz o n y plik g o to w y
Potencjalnym problemem w pracy tłumacza je st mnogość wyko
do tłu m aczen ia, p o z b a w iając g o p ra k ty c zn ie op isany ch w yżej problem ów .
rzystywanych typów plików. Ze względu na w szechobecność systemu
Funkcja ta j e s t n ie z a le ż n a o d fo rm a tu pliku ź ró d ło w e g o i d o celo w eg o ;
operacyjnego MS Windows i pakietu biurowego MS Office bardzo popu
na przykład p o d c z a s tłu m a c z e n ia stro n y in te rn e to w e j system w s p o m a
larne są dokumenty programu Microsoft Word. Jednak program ten ist
gający m o ż e p o d s ta w ić s ta rs z e tłu m a c z e n ie p o c h o d z ą c e z prezentacji
nieje w kilkunastu wersjach (choć trzeba przyznać, że starsze z nich nie
PowerPoint.
są już używane), a wymiana dokum entów powstałych w różnych wer
Stosuje się różne formaty plików przetworzonych. Formatem otwar
sjach czasami powoduje błędne formatowanie; najnowsza wersja pro
tym, o publicznie dostępnej specyfikacji jest XLIFF. Po przetłumaczeniu
gramu —Microsoft Office Word 2007 zapisuje dokumenty z domyślnym
wszystkich segmentów, sprawdzeniu pisowni i przeprowadzeniu autoko-
rozszerzeniem .clocx, uniemożliwiając edycję w poprzednich wersjach
rekty plik jest konwertowany ponownie cło formatu źródłowego.
oprogramowania.
Warto wspomnieć, że pamięć tłumaczeniowa bywa wykorzysty
Użytkownicy pakietu MS Office często tworzą i rozsyłają również
wana jako narzędzie pomocnicze usprawniające pracę systemów tłuma
arkusze kalkulacyjne Excel (wykorzystywane nie tylko do zamierzonego
czenia maszynowego. Zastosowanie pamięci tłumaczeniowej w staty
przez autorów oprogramowania celu, ale również jako rozbudowane
stycznym przekładzie automatycznym opisują m.in. Marcu (2001) oraz
tabele tekstowe), a także prezentacje Power Point. Powszechnie dostar
Hewavitharana i in. (2005).
czane są strony i całe serwisy internetowe (format HTML), pliki źród
łowe do generowania dokum entów w popularnym formacie Portable
Document Format (.pdf), dokum enty Rich Text Format (.rtf) i wiele in 3.3. N ajw ażniejsze a p lik a c je w spom agające
nych. Czasami zleca się również przekład tekstów zapisanych w plikach,
p rz e k ła d
które nie umożliwiają w ogóle edycji, np. zeskanowanych czy nawet
sfotografowanych aparatem cyfrowym. Różnorodność ta powoduje, że Wybór narzędzia ułatwiającego tłumaczenie zależy od wielu czynników.
tłumacz musi dysponować odpowiednim oprogramowaniem do edycji Należy wziąć pod uwagę preferencje zleceniodawcy, zwłaszcza że może on
tekstu zapisanego w różnych formatach. Tłumaczom amatorom (czasem dostarczyć agencji (lub bezpośrednio tłumaczowi) pliki pamięci w określo
również profesjonalistom) zdarza się, że zamiast przystąpić do pracy, nym formacie, co może oznaczać konieczność użycia konkretnego narzę
tracą czas na dyskusje ze zleceniodawcą, prosząc go o zapisanie w in dzia. Aplikacje wspomagające przekład są coraz bardziej uniwersalne, ale
nym formacie i ponowne wysłanie pliku. Nawet jeżeli posiadany przez może się zdarzyć, że dane narzędzie nie obsługuje wybranego języka lub
nas program odczytuje nadesłany przez klienta dokument, konwersja określonego formatu pliku źródłowego. Kolejnymi czynnikami są umiejęt
może być potrzebna, gdyż źródłowe tabele, diagramy itp. mogły stać się ności tłumacza (w tym wypadku doświadczenie w pracy z konkretnym na
nieczytelne, a układ tekstu na stronie mógł się zmienić. rzędziem) oraz kwestia posiadania licencji na dany program.
W takich sytuacjach uwidacznia się kolejna zaleta systemów w spo Obok Tradosa, wyznaczającego w zasadzie od samego początku stan
magających tłumaczenie, a mianowicie możliwość oddzielenia treści dardy w dziedzinie przekładu wspomaganego komputerowo, w latach 90.
od formy: XX w. głównymi graczami na rynku były SDLX firmy SDL (obecnego właś
b
ciciela Tradosa), Deja Vu firmy Atril, Transit firmy Star oraz Translation dzi od angielskiego Translation and Documentation Software)-, znany pod tą
Manager autorstwa giganta komputerowego IBM. Do tej listy można nazwą produkt pojawił się dopiero w latach 90. (Garcia 2005: 19).
obecnie dopisać powstały na początku wieku Wordfast. Wymienione Podstawowym zadaniem Trados Translator’s Workbench, pakietu
programy, choć działające na podobnej zasadzie, różnią się ceną, dostęp sprzedawanego obecnie przez firmę SDL International, jest wspomaganie
nością, kompatybilnością, a także zasadami wykorzystania licencji. Dla tłumacza w procesie przekładu i - w miarę możliwości - umożliwienie
przykładu, atutem oprogramowania Wordfast jest jego cena, znacznie tłumaczowi skoncentrowania się na samym tekście bez odwracania jego
niższa niż konkurencyjnych aplikacji, a także możliwość ubiegania się uwagi przez kwestie formatowania. Program dokonuje statystycznej ana
0 darmową licencję edukacyjną. Według Smith (2004) Trados ma się tak lizy fragmentów powtórzonych oraz trafień w pamięci tłumaczeniowej.
do Deja Vu Atrila jak Microsoft do Macintosha; Smith odwołuje się tu do P o le c e n ie Translate umożliwia wstępny przekład podzielonego na seg
odwiecznej wojny producentów dwóch z trzech (obok Linuksa) podsta menty tekstu i określenie stopnia trafienia w porównaniu z segmentami
wowych systemów operacyjnych, myląc jednak trochę pojęcia (Microsoft znajdującymi się w pamięci. Inne elementy pakietu to TagEditor - pro
to przedsiębiorstwo, producent systemu Windows, a Macintosh to nazwa gram obsługujący teksty w językach znacznikowych (a więc umożliwiający
komputerów produkowanych przez firmę Apple - na tych komputerach przekład np. zawartości strony internetowej w języku HTML), MultiTerm
instaluje się system operacyjny Mac OS). Microsoft dominuje na rynku - narzędzie do zarządzania terminologią, czy WinAlign - program w spo
komputerów osobistych, natomiast komputery Macintosh postrzegane są magający tworzenie pamięci tłumaczeniowych przez dopasowanie już ist
jako nowatorskie, oryginalne, przyjazne użytkownikowi i mające odda niejącego wcześniej tekstu źródłowego i jego tłumaczenia. Kiedyś praca
nych wyznawców, stanowiących jednak znikomy procent rynku. w Tradosie polegała głównie na wywoływaniu jego poleceń z poziomu
Osobną grupę narzędzi stanowią aplikacje pisane „dla tłumaczy przez programu Microsoft Word; obecnie firma SDL International wyraźnie pro
tłumaczy”. Czołowa agencja tłumaczy Logos rozprowadza Mneme Suite - muje moduł TagEditor jako główny edytor całego pakietu Trados - można
pakiet narzędzi opracowanych dla pracowników i klientów biura (Eckstein w nim tłumaczyć teksty we wszystkich obsługiwanych przez Tradosa for
1Sosnowski 2004: 68-70). Tego typu inicjatywa jest godna wzmianki, po matach, w tym dokumenty programu MS Word.
nieważ w zasadzie jedyną wadą takich aplikacji je st ograniczenie funkcjo Wspomniany gigant na rynku oprogramowania wspomagającego
nalności do działań koordynowanych przez dane biuro. Jeżeli biuro ma przekład - SDL International przejął niedawno firmę Idiom Technologies,
jednak dominującą pozycję na rynku, posiadanie własnego pakietu na stając się właścicielem praw do prężnie rozwijanego narzędzia Idiom, wy
rzędzi ułatwia szkolenia i dystrybucję, a także zapewnia kompatybilność soko ocenianego przez praktykujących tłumaczy.
i spójność. Jak zauważyliśmy wcześniej, narzędzia wspomagające przekład czę
Najpopularniejszym programem wykorzystującym pamięć tłuma sto występują w formie pakietów. W tym miejscu warto wspomnieć o am
czeniową jest SDL Trados. Niektóre mniej profesjonalne biura tłumaczy, bitnym projekcie Unii Europejskiej funkcjonującym pod nazwą EURAMIS
używają nawet nazwy tego programu na określenie narzędzia wspoma (European Advanced Multilingual Information System). EURAMIS łączy
gającego tłumaczenie, podobnie jak termin „adidasy” oznacza buty spor możliwość dostępu do bazy terminologicznej UE (patrz 3.5 poniżej), bazy
towe, niekoniecznie firmy Adidas. Trados ma ponad 20 lat, co w świecie aktów prawnych CELEX, pamięci tłumaczeniowej, MultiTerm, systemu
informatyki jest wiekiem niemalże matuzalemowym; nazwa ta jest nawet Systran i szeregu innych użytecznych w pracy tłumacza narzędzi.
starsza od systemu operacyjnego Windows, którego (mocno niedoskonała
i niepopularna) wersja 1.0 pojawiła się w 1985 r. Hasło reklamowe promu
jące dwudziestolecie produktu brzmiało „20 years o f great memories”, co
3.4. D ziałanie aplikacji w spom agających tłum aczenie
jest grą słów, jako że „memory” może oznaczać pamięć (w tym wypadku Podstawowym zadaniem aplikacji wykorzystujących pamięć tłumacze
tłumaczeniową), jak również wspomnienie. Należy jednak podkreślić, że niową jest przyspieszenie pracy tłumacza przez wyeliminowanie koniecz
jubileusz dotyczy firmy powstałej w 1984 r. w Stuttgarcie (nazwa pocho ności ponownego tłumaczenia fragmentów identycznych z fragmentami
(segmentami) wcześniej przetłumaczonymi lub bardzo do nich podob otrzymać pamięć tłumaczeniową i przełożyć dany termin tak, jak został
nych. Fragmenty identyczne są podstawiane automatycznie, natomiast 0n przetłumaczony w poprzednim tekście, co byłoby znacznie trudniejsze
podobne wymagają jedynie niewielkiej ingerencji tłumacza, najczęściej bez tej pamięci.
zatwierdzenia proponowanego przez program tłumaczenia. Zaletą ta Trzecią zaletą aplikacji wspomagających tłumaczenie jest możliwość
kiego rozwiązania jest również fakt, że tłumacz może skupić się na właś zarządzania bazami terminologicznymi. Są one dostarczane jako część sa
ciwym zadaniu, to je st przekładzie, pomijając kwestię formatowania, tym mego programu tłumaczeniowego lub w postaci oddzielnego produktu
bowiem zajmuje się program. (por. Bogucki 2007: 42).
Aplikacje takie są również bardzo przydatne dla zleceniodaw Poniższy rysunek prezentuje okno edytora tłumaczeniowego systemu
ców. Dzięki nim możliwe je st rozdzielenie dużego zlecenia (tłumacze wspomagającego tłumaczenie o nazwie Open Language Tools.
nia obszernego tekstu) na kilku tłumaczy bez ryzyka utraty spójności.
Oczywistym je st bowiem, że kilku tłumaczy pracujących nad takim samym
tekstem nie jest w stanie wykonać identycznych tłumaczeń. W przypadku
odmian tłumaczenia, w których forma bierze górę nad treścią, różnice
między poszczególnymi wersjami mogą być znaczące. W przekładzie spe
cjalistycznym forma ma mniejsze znaczenie niż treść (jak mawiał Andre
Lefevere, „na sprzedaż pralki automatycznej nie wpłynie fakt, że instruk
cja obsługi tejże pralki napisana je st wierszem”2). Ta odmiana tłumaczenia
cechuje się większą przewidywalnością, jednak mogą wystąpić różnice
między wersjami. Jeżeli te różnice dotyczą terminologii specjalistycznej,
jest to sytuacja niepożądana. Jedną z podstawowych zasad tworzenia
terminologii w różnych językach je st zachowanie spójności i unikanie
używania wielu ekwiwalentów dla jednego terminu w języku źródło
wym. Kontrolę nad rozwojem języka w tym zakresie sprawuje między
innymi MOUNT (Międzynarodowa Organizacja Unifikacji Neologizmów
Terminologicznych). Również zleceniodawca, nierzadko posługujący się
wewnętrznym żargonem, zainteresowany jest zachowaniem konsekwen
cji w wydawanych i tłumaczonych materiałach. Zaangażowanie wielu tłu
maczy, konieczne, jeżeli należy przełożyć wiele stron tekstu w krótkim
czasie, pociąga za sobą ryzyko otrzymania tekstów niespójnych termi
nologicznie, gdzie danemu pojęciu odpowiada jeden ekwiwalent podany
przez tłumacza A, a w dalszej części tekstu temu samemu pojęciu odpo
wiada inny termin zaproponowany przez tłumacza B. Zastosowanie apli Rysunek 2. Edytor tłum aczeniow y Open Language Tools
kacji wspomagających przekład, a w szczególności ich integralnej części -
pamięci tłumaczeniowej - pomaga rozwiązać ten problem. Co więcej, tłu Prezentowany edytor wykorzystuje dość typowy dla tego typu pro
macz C, wykonujący podobne zlecenie miesiąc czy pół roku później, może gramów interfejs. W przykładzie powyżej po lewej stronie znajduje się
angielski tekst wyjściowy, po prawej polski tekst docelowy, a pod spodem
2 „A washing-m achine w o n ’t sell any b e tte r i f its manual is w ritte n in heroic couplets” , okienko pamięci tłumaczeniowej. Na górnym pasku dostępne są przyciski
w ykłady CETRA 1995, tłu m . ŁB. do edycji tekstu i wykonywania typowych czynności oraz pola wyszukiwa-
ilia, a na samym dole pasek statusu z informacjami o bieżącym segmencie, przez oprogramowanie. Na przykład, jeśli dwa segmenty
a u t o m a t y c z n ie
Przedstawiony tutaj edytor tłumaczeniowy wyróżnia znaczniki formatu różnią się tylko pewną liczbą, nowa liczba je st automatycznie podsta
jące. Te, które tutaj widać ( < b x / b > to pogrubienie), są znacznikami wiana z ewentualną konwersją (np. kropka oddzielająca część dziesiętną
wewnątrztekstowymi (ang. inline). Na etapie rozdzielania formy i treści w języku angielskim jest zamieniana na przecinek w języku polskim; prze
pliku przygotowywanego do tłumaczenia znaczniki te - w przeciwień cinek oddzielający tysiąckrotności jest zastępowany odstępem). Niektóre
stwie do znaczników formatowania strony, bloków tekstu itd. - nie są programy automatycznie konwertują angielskie jednostki miary na me
usuwane z tekstu do tłumaczenia. Dzieje się tak dlatego, że są one noś tryczne; jeszcze inne odnajdują i podstawiają akronimy, automatycznie
nikami znaczenia, w związku z czym są istotne dla tłumacza i nie mogą zamieniając n p . „PKP” na „PKS” i tak dalej (Bogucki 2007).
zostać pominięte. Na rysunku pokazano znaczniki pochodzące z pliku W polu statusu na rysunku widać wartość procentową określającą
HTML (strona WWW), ale formatowanie wewnątrztekstowe jest również s t o p ie ń podobieństwa segmentu znalezionego w pamięci do obecnie edy
zaznaczane w plikach powstałych w innych formatach. Edytory wyróżniają towanego. Często stosuje się podział segmentów w zależności od stopnia
nie tylko znaczniki, ale także umieszczone wewnątrz akapitów rysunki podobieństwa na cztery grupy:
(np. ikony w tłumaczeniach podręczników oprogramowania), łącza hi 1. Brak trafienia (no matek) - np. poniżej 60%. W pamięci nie ma podob
pertekstowe (np. adresy stron WWW) i inne elementy nietekstowe, ale nego segmentu lub podobieństwo jest zbyt niskie, aby ułatwiało pracę
o istotnym znaczeniu. Chcąc dostosować szyk zdania, tłumacz może tłumaczowi.
przenieść takie elementy w inne miejsce, ale już próby usunięcia takich 2. Trafienie rozmyte (fuzzy match) - np. 60-99%. W pamięci znaleziono
elementów, ingerencji w ich zawartość lub dodania nowych w wielu edy segment podobny na tyle, że podstawienie może ułatwić pracę tłuma
torach tłumaczeniowych powodują wyświetlenie komunikatu ostrzegaw czowi.
czego. Elementy wewnątrztekstowe są traktowane specjalnie i chronione 3. Trafienie 100-procentowe (100% match). W pamięci znaleziono iden
przed przypadkowymi modyfikacjami. tyczny segment, który został już przetłumaczony. Tłumacz będzie mu
Na rysunku powyżej zarejestrowano stan po przejściu do nowego siał go tylko przejrzeć i ewentualnie poprawić, jeśli znajdzie błędy.
segmentu tłumaczeniowego. W miejscu tłumaczenia znajduje się na razie 4. Powtórzenie (repetition). W pliku znaleziono ju ż wcześniej iden
tekst oryginału; „nakładanie” tłumaczenia na tekst wyjściowy może bardzo tyczny segm ent. Taki segm ent musi zostać przetłumaczony tylko
ułatwić pracę, ponieważ pozwala uniknąć ponownego wpisywania np. dłu
raz, potem podstawi się z pamięci jako trafienie 100-procentowe
gich nazw firm, numerów telefonicznych czy, jak na rysunku, znaczników (Bogucki 2007: 49).
formatujących. W okienku na dole widzimy, że oprogramowanie znalazło
w pamięci tłumaczeniowej segment podobny do tłumaczonego wcześniej Podane wartości procentowe mają charakter przykładowy. Granica
(widocznego na samej górze okien źródłowego i docelowego). Gdyby zo między „brakiem trafienia” a „trafieniem rozmytym” zależy od uzgodnień
stało znalezionych więcej podobnych segmentów, program wyświetliłby między tłumaczem a klientem lub agencją. Możliwe jest zresztą ustalenie
ich kilka z najbardziej zbliżonym na pierwszym miejscu. Tłumaczowi po różnych przedziałów trafienia rozmytego (np. 60-84% i 85-99%). Stopień
zostaje kliknąć, wybrać z menu lub wywołać określoną kombinacją kla trafienia może wpływać na stawkę płaconą tłumaczowi za dany segment:
wiszy polecenie podstawiające segment z pamięci do okna docelowego, naturalnie, im większe trafienie, tym niższa stawka. Austermiihl (2001:
a następnie wprowadzić zmiany odpowiednio do różnic w segmencie 136-137) wspomina także o tzw. full matches, które odróżnia od perfect
źródłowym. Ponieważ różnice między segmentem bieżącym a podstawio / exact matches (czyli trafień stuprocentowych). Owe „trafienia pełne”
nym z pamięci są wyróżnione przez oprogramowanie (w przypadku tego to segmenty identyczne pod względem słów i struktur, ale różniące się
oprogramowania kolorem białym), dostosowanie tłumaczenia przebiega zmiennymi numerycznymi, jak daty, liczby, czas czy miary i wagi. Niektóre
sprawnie i jest znacznie mniej podatne na błędy niż w przypadku ręcznego źródła (Wittner i Goldschmidt 2007:13) mówią także o tzw. trafieniach
wklejania i analizowania różnic. Niektóre zmiany mogą być uwzględniane ICE (In Context Exact matches), kiedy to zarówno dany segment, jak i seg
menty poprzedzające oraz następujące po nim charakteryzują się stupro- lizy powstaje zestawienie zawierające liczbę znaków, słów lub segmen
cen towym trafi en iem. tów dopasowanych w 100 procentach, dopasowanych z rozmyciem itd.
W tym miejscu należy wyjaśnić pewien problem natury terminolo Taką analizę często wykonuje sam zleceniodawca, a uzyskane zestawienie
gicznej. W niektórych opracowaniach termin match jest tłumaczony jako przesyła tłumaczowi jeszcze przed rozpoczęciem pracy wraz z rozbiciem
„dopasowanie”, ale taki ekwiwalent przyjęliśmy w niniejszej publikacji dla s ta w e k i łączną kwotą wypłaty za zlecenie. Zleceniodawca może też przy
terminu alignment. Dopasowanie (alignment) to proces połączenia w pary słać plik wstępnie przetłumaczony (pre-translalecl), czasem z wyraźnym
tekstu wyjściowego i jego tłumaczenia w celu utworzenia bazy tłumacze zaleceniem, aby nie wprowadzać modyfikacji w segmentach 100-procen-
niowej na potrzeby przyszłych tłumaczeń. Taka procedura jest pożądana to w y c h (np. ze względu na konieczność zachowania spójności z poprzed
w sytuacji, kiedy dostępne są teksty oryginalne i ich tłumaczenia, a zacho nimi tłumaczeniami). W trakcie tłumaczenia często okazuje się jednak,
dzi konieczność utworzenia pamięci tłumaczeniowej (na przykład w celu że takie „gotowe" segmenty wymagają zmian ze względu na konieczność
przetłumaczenia nowych wersji oryginalnych dokumentów). Temu celowi dopasowania do kontekstu lub poprawienia błędów popełnionych przez
służą odpowiednie narzędzia, najczęściej składniki programów wspomaga poprzednich tłumaczy.
jących tłumaczenie, jak SDL Align. Warto w tym miejscu przypomnieć znane Plik po skończonym tłumaczeniu, zawierający segmenty źródłowe
w translatoryce pojęcie jednostki tłumaczeniowej (translation unit, por. np. i docelowe, nazywamy „nieoczyszczonym" (uncleaned). Plik nieoczyszczony
Hatim i Munday 2004), pojęcia nie do końca sprecyzowanego. Długość jed jest wykorzystywany przede wszystkim do wymiany między tłumaczami,
nostki przekładowej, w zależności od typu tekstu, waha się nawet od po z pośrednictwem lub bez pośrednictwa biura. Zleceniodawca może żądać
jedynczego morfemu do akapitu. W poniższym przykładzie tekstu angiel dostarczenia pliku właśnie w takiej postaci albo w postaci „oczyszczo
skiego i francuskiego, dosłownie przetłumaczonych na polski, jednostka nej” (cleaned). W tym drugim przypadku tłumacz musi skorzystać z odpo
tłumaczeniowa musi być większa niż zdanie, ponieważ te same informacje wiedniego polecenia „wyczyść” dostępnego w danym systemie tłumacze
przekazane są w obu tekstach w inny sposób, więc dopiero cały cytowany niowym. W wyniku czyszczenia z pliku w formacie charakterystycznym
fragment francuski można uznać za odpowiednik fragmentu angielskiego; dla danego systemu tłumaczeniowego oraz ewentualnego dodatkowego
dopasowanie na niższym poziomie nie jest w tym przypadku możliwe: pliku z informacjami o formatowaniu odtwarzany jest plik w oryginalnym
formacie, np. strona WWW, dokument programu Word itp.
A ccord in g to o u r survey, 1988 sales o f m ineral w a te r and soft: drinks w e re much Nieco inaczej proces czyszczenia wygląda w przypadku plików pro
higher than in 1987, re fle ctin g the gro w in g p o p u la rity o f these products. Cola gramu Word w programach Wordfast i Trados; ponieważ programy te pra
d rin k m anufacturers in p a rticula r achieved above average gro w th rates.
cują bezpośrednio na plikach Worda, w tychże plikach zapisywane są in
Zgodnie z naszymi badaniam i, w 1988 r. sprzedaż w o d y m ineralnej i napojów
bezalkoholow ych była znacznie wyższa niż w '1987 r., od zw ie rcie d la ją c rosnącą •
formacje o segmentach źródłowych i docelowych. Segmenty źródłowe są
popularność tych p ro du któ w . Producenci n a p o jó w na bazie C oli w szczególności oznaczane jako ukryte i w standardowym ustawieniu po przetłumaczeniu
osiągnęli po na dprze ciętn y wzrost:. widać tylko tekst docelowy; tekst źródłowy wyświetlany jest po otwarciu
Quant: aux (a) les eaux m in e rai es et. aux (les) lim onades, elles re n co n tre n t toujours wybranego segmentu do tłumaczenia albo po wybraniu w ustawieniach
plus d'adeptes. En effet no tre sondage fa it ressortir des ventes n e tte m e n t superie■■
programu Word opcji pokazywania tekstu ukrytego (Bogucki 2007).
urs a celles de 1987, p o u r les boissons a base de cola notam m ent.
Co do w o d y m ineralnej i n a p o jó w b e zalkoho low ych, to zyskują one coraz w ięcej Pamięć tłumaczeniowa jest plikiem binarnym (np. program Trados za
sym patyków. Faktycznie, nasz sondaż pokazuje znacznie wyższą sprzedaż, od tej pisuje pamięć w postaci pięciu plików: .iix, .mdf, .mtf, .mwf oraz .tmw).
z roku 1987, dla n a p o jó w na bazie C oli zwłaszcza. Zaletą takiego pliku jest możliwość zaimportowania go do programu tłu
(Kozłowski 2 0 0 4 : 8 7 -8 8 ) maczącego oraz szybsze działanie tego programu. Pamięć można również
wyeksportować do pliku tekstowego, co umożliwia jej obejrzenie oraz
Większość systemów tłumaczeniowych oferuje polecenia analizujące ułatwia przenoszenie jej na nośnikach i używanie na innych komputerach.
plik lub pliki z uwzględnieniem pamięci tłumaczeniowej. W wyniku ana Plik tekstowy po zaimportowaniu może być również wykorzystany przez
Pili
(l
li
program tłumaczący. Obecnie często stosowaną przez biura praktyką jt-sl chowy w jednym z 24 języków (oficjalne języki UE oraz łacina) i znaleźć
przekazywanie pamięci właśnie w postaci pliku tekstowego, nawet jożfli jego odpowiednik (wraz z kontekstem) we wszystkich pozostałych języ
program tłumacza obsługuje formaty plików nadesłane przez biuro; t;i. ; kach lub dowolnie wybranych spośród obsługiwanej grupy. Dane pocho
twiej jest bowiem zapanować nad jednym plikiem niż np. pięcioma. dzą z dokumentów Unii Europejskiej, które dotyczą różnych dziedzin,
We wcześniejszych latach tłumacz stawał przed dylematem, czy ko. i m.in. prawa, stosunków międzynarodowych, finansów czy energetyki.
rzystać z narzędzi wspomagających przekład, czy też nie (por. Austermiihl :
2001: 138). Istniały nawet kalkulatory internetowe (np. Cost/Beneiit j
Estimator) pozwalające określić ekonomiczną zasadność użycia takiego !
narzędzia. Obecnie tłumacz pracujący na zlecenie agencji musi dostoso- I
wać się do wytycznych w tym względzie. Bardzo często forma zlecenia
przekazanego tłumaczowi warunkuje konieczność skorzystania z dauo»o ■
narzędzia. Korzyści z narzędzi opartych na pamięci tłumaczeniowej są
wymierne. Webb (1998) wykonała w swojej pracy badanie polegające na
wycenie kosztów tłumaczenia obszernego tekstu z wykorzystaniem na
rzędzi wspomagających przekład oraz bez takich narzędzi. Uproszczoną
wersję polską wyników przedstawiamy poniżej:
Tabela 6. Oszczędności w yn ikłe ze stosowania pamięci tłum aczeniow ej (TM)
I
Bez TM Z TM Oszczędności i
Liczba słów w projekcie 400 000 400 000 -
Rysunek 3. W yniki wyszukiwania w 1ATF- dla hasła „globalizacja" w ję zyku angielskim, hi
szpańskim i w łoskim
3=5. N arzęd zia term in o lo g iczn e
Jak zaznaczyliśmy, komputerowe wspomaganie przekładu najlepiej Inne bazy terminów to na przykład Termite, nadzorowana przez
sprawdza się w tłumaczeniu specjalistycznym, a zwłaszcza technicznym, International Telecommunications Union, kanadyjska Termium, za
którego podstawową cechą je s t występowanie terminologii specjalistycz wierająca kilka milionów terminów angielskich, francuskich i hiszpań
nej. Tradycyjne giosariusze terminologii mają wszystkie wady słowników skich, Team niemieckiego Siemensa czy UNTERM Organizacji Narodów
w formie książkowej, a więc przede wszystkim ograniczoną aktualność. Zjednoczonych. Bazy te stw orzone zostały z myślą o aktualizacji danych
Naturalnie, w Internecie można znaleźć banki terminologii z powodze dostępnych w tradycyjnych słownikach, gromadzeniu efektów pracy za
niem zastępujące konwencjonalne giosariusze. Na przykład pod adresem trudnionych przez dane firmy czy organizacje lingwistów, ujednolice
http://iate.europa.eu znajduje się InterActive Terminology for Europe. Jest niu obowiązującej terminologii oraz usprawnieniu procesu przekładu,
to następca najbardziej chyba znanej europejskiej bazy terminologicznej zanim opisywane w tej książce narzędzia wspomagające przekład
EURODICAUTOM. Na stronie wyszukiwarki można wprowadzić termin fa- na stałe zagościły w warsztacie tłumacza (Nkwenti-Azeh 2001: 249).
Bardzo ciekawi) inicjatywą je s t baza internetow ego portalu di a rlu- nia się jego obsługi, można wymienić problemy wynikające z pracy
maczy Proz.com, która zawiera giosariusze w bardzo wielu językach, zespołowej. Tłumaczenie tradycyjne to współpraca między zlecenio
tw orzone i aktualizowane przez tłumaczy na podstawie wykonywanych dawcą a tłumaczem - pośrednik (biuro tłumaczy) nie musi ingerować
przez nich zleceń. w proces przekładu. Jeżeli tekst nie wymaga zadawania zleceniodawcy
Oprócz ogólnodostępnych baz internetowych istnieją również bądź autorowi pytań w celu rozwiania wątpliwości, tłumacz sam orga
bazy własne tłumaczy czy biur tłumaczy. Systemy pamięci tłumaczenio nizuje sobie pracę i zdany je st na własne umiejętności oraz na jakość
wej korzystają z wbudowanych narzędzi do zarządzania terminologii) posiadanych materiałów. O ile w Internecie można znaleźć dane różnej
(terminology management tools). Narzędzia te wyszukują w bazie terminy jakości, informacje dostępne w słownikach i glosariuszach są najczęś
występujące w tekście wyjściowym, a następnie umieszczają je, wraz ciej poprawne. W przypadku przekładu w spom aganego komputerowo
z ich odpowiednikami w języku docelowym, w osobnym oknie pro wiele zależy od jakości posiadanej pamięci tłumaczeniowej, która, jak
gramu, aby tłumacz mógł z nich w odpowiednim momencie skorzystać. wiemy, może być owocem pracy różnych osób. Ponadto, zaangażowa
Obecnie stosow ane oprogram ow anie umożliwia wydobycie terminów nie do projektu wielu tłumaczy, możliwe dzięki wspólnym używaniu
przez przeszukanie korpusu i identyfikację terminów, które tłumacz pamięci, rodzi problemy związane z synchronizacją pracy i kontaktem
umieszcza w swojej bazie terminologicznej. Najbardziej znanym opro z poszczególnymi wykonawcami. W podsumowaniu należy stwierdzić,
gramowaniem do zarządzania terminologią je st wspomniany wcześniej że implementacja w procesie przekładu dodatkow ego narzędzia (apli
Multiterm. kacji wspomagającej przekład), dodatkow ego materiału (pamięci tłu
Rolę komputera jako banku terminologii potrzebnej tłumaczowi do maczeniowej), a nierzadko dodatkowych wykonawców bezdyskusyjnie
strzeżono wcześnie. Już blisko 20 lat temu Albrecht Neubert pisał, że: usprawnia proces, ale może także pow odować trudności natury logi
stycznej czy edycyjnej (formatowanie, konwersja itp.). W najnowszych
(...) in his d a ily w o rk ro u tin e even the-; e xp e rie n ce d translator en cou nters co u n wersjach programów integracja z edytorami tekstu przebiega bezprob
tless „ n e w " p ro b le m s having to d o w ith the alm ost u n lim ite d in flu x o f words, lemowo, więc część problemów opisanych w starszych publikacjach d o
term s and phrases th a t are n o t pa rt o f his average o r even specialist lexical tyczących pamięci tłumaczeniowych (por. Esselink 2000: 367) nie jest
k n o w le d g e . T he w a y he successfully copes w ith these gaps can m ost e ffic ie n tly
już aktualnych.
be m o d e le d by term banks on the co m p u te r. (Neubert: 1 9 9 1 : 58)
M:
Lagoudaki (2008) przedstawia wyniki badania satysfakcji użytkow
ników (tłumaczy) z wykorzystywania systemów opartych na pamięć;
tłumaczeniowej z elementami technologii przekładu automatycznego. E J Praktyczne aspekty przekładu
Interesującą konkluzje) jest stwierdzenie, że nadmierne poleganie na
funkcjonalności przekładu automatycznego może być zgubne. Jak wiemy,
automatycznego
w przypadku tłumaczenia wspomaganego komputerowo (MAHT, w od
różnieniu od HAMT) to tłumacz podejmuje ostateczne decyzje, a system
pełni funkcję wspomagającą; uczestnicy omawianego badania wyraźnie
akcentują tę różnicę.
H o w A M I you leaving to the feast o f outside you to m e and rebekah same those
zaledwie część sieci w obecnej postaci. Olbrzymia popularność serwisów
and w h y the w o rd th a t I ilw iy s rem ain ab o u t it ab ou t it w ith the thats o f the
house o f the rebekahs none o f yo u r cause o f com panies I c u t the stay above your
społecznościowych, blogów i forów oznacza zmianę jakości językowej
house (specify you that) you cou ld th in k w h e re d u p lica tin g itself since w h ere in przeciętnej strony internetowej. Opisane w tym podrozdziale systemy nie
various classes. W ith w h ich I w a n t to'be gin a co m b a t but.very it I then w ith saying zawsze skutecznie interpretują tę nową jakość. Warto wspomnieć inicja
is m e con fide nce o f bevels henceforth, you and the test whose and composes tywę brytyjskiej firmy Translution, która udostępnia możliwość tłumacze
a certain cause o f shit o f Bull w h ich you said th a t Clare and thats it you c u t d o not
nia wiadomości e-mail w obrębie 14 obsługiwanych języków (niestety, jak
do an ythin g ab ou t it now.
zwykle bez języka polskiego). Firma pracuje również nad przekładem ma
szynowym „nowej generacji”, który ma wyeliminować powszechne błędy,
Jak widzimy, ostatni tekst jest całkowicie niezrozumiały; wynika to
na przykład przez oznaczanie niektórych fragmentów tagiem DNT (Do Not
z wielokrotnego powielania błędnych rozwiązań w procesie wielokrot
Translate), co pozwoli uniknąć np. zabawnych tłumaczeń nazwisk (więcej
nego tłumaczenia w obie strony. Zdaniem autora artykułu przykład ton
może doskonale unaocznić niedostatki systemów przekładu maszyno informacji na stronie www.transIution.com).
wego dostępnych szerokiemu gronu użytkowników w Internecie, a także
wykazać przewagę tłumacza-człowieka, który jest w stanie poprawnie zin
terpretować nietypowy język odbiegający od standardów. Należy jednak 4.2. D ialog a p rz e k ła d m aszynow y
zauważyć, że przedstawiony problem jest bardziej złożony, a zaprezento
wana interpretacja ogólnikowa i subiektywna. Cytowany fragment nie jest Przekład ustny, jak zaznaczyliśmy we wstępie, przyjęło się uważać nie za
typowym przykładem tekstu do tłumaczenia; nie z myślą o takich teks odmianę przekładu pisemnego, ale za odrębną dziedzinę, o czym świad
tach tworzono systemy przekładu maszynowego. Profesjonalny tłumacz czy chociażby stosowana w wielu językach nomenklatura (dla przykładu
przystępujący do przekładu takiego fragmentu miałby teoretycznie dwie rozróżnienie translation i interpreting w języku angielskim). Jednak rozpo
możliwości: skupić się na treści (oddać przekaz, dostosowując grama znawanie mowy (speech-to-text) oraz synteza mowy (text-to-speech) umoż
tykę i ortografię do przyjętych standardów) bądź formie (tworząc celowo liwiają zastosowanie omawianych w tej książce technologii do imitacji
niepoprawny językowo tekst docelowy); zasadność danego rozwiązania tłumaczenia ustnego. Takie wykorzystanie tłumaczenia automatycznego
warunkowałby szeroko rozumiany kontekst. Co więcej, test wielokrot wiąże się z komplikacjami technicznymi, ponieważ konieczne jest połą
nego tłumaczenia w obie strony (zwany round-trip translation, RTT) nie jest czenie technologii przekładu maszynowego oraz rozpoznawania mowy.
wymierny, a jego wartość metodologiczna jest wątpliwa. Takich operacji Szybkość działania systemów automatycznych przestaje tu być, jak
w zasadzie nie dokonuje się w codziennej pracy tłumacza, a mnożenie w przypadku tłumaczenia pisemnego, podstawowym atutem, a staje się
błędów i nieudanych rozwiązań miałoby miejsce zapewne również przy po prostu warunkiem koniecznym.
przekładzie tradycyjnym. Badania w tym zakresie prowadził m.in. Somers Pierwsze poważne próby w tym zakresie podejmowała japońska
(2005). Również van Zaanen i Zwarts (2006) komentują niską skuteczność grupa ATR Interpreting Telecommunications Research Laboratories w Nara
RTT w ocenie jakości przekładu maszynowego. niedaleko Osaki. W późnych latach 80. ubiegłego wieku rozwinęła ona
W podsumowaniu należy zauważyć, że przyszłość tłumaczenia ma system rejestracji telefonicznej wykorzystywany przy okazji konferencji
szynowego w Internecie leży w rozszerzeniu funkcjonalności istniejących międzynarodowych i rezerwacji miejsc noclegowych.
serwisów tak, aby możliwe było uzyskanie zadowalającej jakości w tłuma Programy tworzone w Spoken Translation, Inc. (STI) to nowatorskie
czeniu nie tylko tekstów naukowo-technicznych, ale również potocznych, systemy wykorzystujące tłumaczenie maszynowe do zadań, do których
codziennych, pisanych przez przeciętnego użytkownika. Obecny kształt zazwyczaj angażuje się tłumaczy sło.wa żywego. Pierwszy produkt tej
firmy to oprogramowanie komputerowe umożliwiające komunikację miy- kacji dotyczącej spraw turystycznych (rezerwacje hotelowe, zwiedzanie
dzy pacjentem a personelem medycznym. Do takich zadań najczęściej wy- jtp.). Innym projektem, który zyskał uznanie specjalistów, jest JANUS - sy
najmowani są tłumacze ustni s'rodowiskowi. Produkt firmy STI umożliwia stem rozpoznawania mowy zastosowany między innymi w rozmowach te
lekarzowi wybór na ekranie komputera najczęściej używanych podczas lefonicznych. Tego typu systemy, wykorzystujące międzyjęzyk (interlinguci)
badania wyrażeń (lub wpisanie własnych). Wyrażenia te są tłumaczone n;i lub korpusy konwersacji w danych językach, są prezentowane przez różne
język zrozumiały dla pacjenta i „wypowiadane” przez komputer. Lekarz laboratoria lub jednostki uczelni wyższych, osiągając mniejsze lub więk
ma także możliwość mówienia do komputera przy użyciu mikrofonu; wy sze sukcesy. Warto wymienić jeszcze system NESPOLE! (Lavie i in. 2002),
powiedź jest interpretowana, jeżeli interpretacja jest poprawna i zostaje niemiecki VERBMOBIL (wykorzystujący oprócz języka niemieckiego japoń
przez mówiącego zaakceptowana, system dokonuje tłumaczenia, które ski i angielski), realizowany pod egidą Carńegie Mellon University projekt
następnie zostaje wygłoszone przez syntezator mowy. Pacjent może od DIPLOMAT (Frederking i in. 1997), a z nowszych projektów CMU Trans-Tac
powiedzieć lekarzowi używając klawiatury, pisząc odręcznie specjalnym (Bach i in. 2007). Należy także wspomnieć o przedsięwzięciu, którego na
rysikiem na tablecie, bądź też mówiąc do mikrofonu. Lekarz zmienia zw a jest zbliżona do pierwszego wymienionego w tym akapicie projektu,
wówczas interfejs programu na język, którym posługuje się pacjent. ale który ma znacznie szersze implikacje. TC-Star to inicjatywa Komisji
Korzystanie z tego typu udogodnień może na obecnym etapie roz Europejskiej mająca na celu promocję rozwoju technologii przekładu
woju technologii być uciążliwe. SLT (Spoken Language Translation), czyli mowy, to jest automatycznego rozpoznawania mowy, przekładu języka
odmiana językoznawstwa komputerowego zajmująca się przekładem mówionego oraz syntezy mowy. Umieszczone na stronie internetowej
języka mówionego, je st prawdziwym wyzwaniem, ponieważ do trud projektu2 założenia są ambitne: „making a breakthrough in SST [speech-
ności związanych z przekładem automatycznym dochodzą problemy to-speech translation] that significantly reduces the gap between human
rozpoznawania mowy. System rozpoznawania mowy może nie działać and machine translation performance".
prawidłowo, gdy mówiący (patrz przykład pacjenta w programie STI po Bardzo interesującym z punktu widzenia badacza zastosowaniem
wyżej) nie je st w stanie mówić wyraźnie. Nawet jednak, gdy wypowiedź przekładu maszynowego jest dialog filmowy. Automatyzacja procesu tw o
jest artykułowana poprawnie, indywidualne cechy głosu rozmówcy, wady rzenia napisów (a tym bardziej wersji lektorskiej czy dubbingu) może być
wymowy czy po prostu specyfika języka mówionego stanowią problem na obecnym etapie co najwyżej częściowa, bardzo rzadko całkowita, jed
dla takich systemów (patrz też Tryuk 2007: 190). Typowe dla systemów nak sam fakt podejmowania takich prób godny jest odnotowania. Studia
przekładu maszynowego błędy (niewłaściwe w danym kontekście rozpo nad przekładem audiowizualnym cieszą się obecnie wielką popularnością
znanie znaczenia słowa) mogą utrudnić komunikację. Jednak sam fala (por. Tomaszkiewicz 2006, Bogucki 2004), czego powodem jest między
istnienia takiego oprogramowania jest wart odnotowania. Na pewno innymi specyfika tego typu tłumaczenia. Dialog filmowy ma pewne cechy
w niektórych sytuacjach może ono stanowić alternatywę dla tłumaczy tekstu literackiego, jednak ograniczenia wpływające na stosowane me
ustnych środowiskowych. Tłumacz może nie być w danym momencie tody i końcowy wygląd produktu mają charakter techniczny (długość na
osiągalny, wewnętrzne przepisy placówek medycznych mogą zabraniać pisów, synchronizacja dubbingu z ruchem warg aktora). Przekład samego
wstępu osobom postronnym, pewne informacje przekazywane w trakcie tekstu, bez odniesienia do pozostałych elementów przekazu filmowego,
rozmowy mogą mieć charakter tajny, wreszcie pacjent może mieć opory w szczególności obrazu, jest niemożliwy lub bardzo utrudniony. W za
przed omawianiem problemów zdrowotnych w obecności osób innych leżności od rodzaju przekazu stosowany w materiałach audiowizualnych
niż personel medyczny. język może być niezwykle zróżnicowany, nierzadko bardzo potoczny czy
Nad podobnym projektem pracuje od pewnego czasu Consortium for wulgarny. Te wszystkie czynniki mogą stanowić dla systemów przekładu
Speech Translation Advanced Research (C-Star), grupa sześciu laborato maszynowego barierę nie do przeskoczenia.
riów z całego świata. C-star pracuje obecnie nad trzecią wersją produktu,
którego głównym celem (na obecnym etapie) je st umożliwienie komuni 2 ww w.tc-star.org
Jednym z powodów, dla których problematyka przekładu audiowizu jest w stanie rozpoznać głos użytkownika ze skutecznością sięgającą
alnego cieszy się niesłabnącym zainteresowaniem słuchaczy seminariów g5?6; dokładność rozpoznawania mowy rzędu 97% osiąga się po około go
licencjackich, magisterskich i doktoranckich studiów filologicznych, jesi dzinie4. Następnie użytkownik powtarza słyszany tekst (tzw. shadowing),
niewątpliwa atrakcyjność polskich wersji dubbingowych filmów animo a program przetwarza wymawiane do mikrofonu słowa na podpisy. Jak
wanych wytwórni Disney Pixar. Niezwykle oryginalne rozwiązania tłuma wspomnieliśmy, tego typu oprogramowanie używane jest również do
cza i autora scenariuszy Bartosza Wierzbięty, nieustannie prowokująco tłumaczenia z jednego języka na drugi. Przekład językowy w postaci
do wznawiania odwiecznej dyskusji nad prymatem wierności lub piękna napisów na żywo je st możliwy, jeżeli język docelowy figuruje na liście
w przekładzie (w opisanym wypadku zdecydowanie na korzyść tego dru języków rozpoznawanych przez program, a także, co ważniejsze, jeżeli
giego kryterium), motywują studentów do analiz tego właśnie materiału. lektor posiada umiejętność tłumaczenia symultanicznego z jednoczesną
Polskie dialogi Wierzbięty znalazły już stałe miejsce w kanonie bon mo- obsługą programu (specjalna klawiatura lub elementy interfejsu na ekra
tów. Stosowanie rozwiązań automatycznych na dowolnym etapie takiego nie umożliwiają zmianę koloru napisów, np. w przypadku dialogu, dla
przekładu wydaje się niemożliwe - z całą pewnością niemożliwe jest oznaczenia poszczególnych mówiących). Dodatkową trudnością jest ko
uzyskanie takich, jak w przypadku tłumaczenia tradycyjnego, wyników. nieczność uzupełniania wypowiedzi o znaki przestankowe (tj. wypowia
Jednak przekład audiowizualny je st działalnością zróżnicowaną. Wydaje danie słów przecinek czy kropka).
się, że w niektórych sytuacjach, szczególnie w przypadku napisów cha Systemy rozpoznawania mowy mają oczywiście szersze zastosowa
rakteryzujących się niewielkim stopniem skomplikowania syntaktyczno- nia, o których jednak nie będziemy w tym miejscu mówić. Opisane opro
-leksykalnego, automatyzacja jest możliwa. Wykazali to między innymi gramowanie jest w momencie pisania tej książki nowinką technologiczną,
Volk i Harder (2007) pracując nad systemem przekładu maszynowego ze jednak gdy książka się ukaże, zapewne będzie bardziej znane i lepiej roz
szwedzkiego na duński na użytek tworzenia napisów filmowych. O spe winięte. Badania nad zastosowaniem rozpoznawania mowy do napisów
cyfice tego typu przekładu świadczy jednak fakt, że standardowe kryteria na żywo prowadzi obecnie niewiele jednostek akademickich (wymieńmy
oceny jakości przekładu (metoda BLEU, patrz poniżej) nie dają w tym wy tu przykładowo Universitat Autónoma de Barcelona), natomiast szkolenie
padku wymiernych wyników (Volk i Harder 2007: 506). tłumaczy przebiega właściwie wyłącznie w przedsiębiorstwach filmowo-
Systemy rozpoznawania mowy znajdują również zastosowanie telewizyjnych, nie na uniwersytetach.
w produkcji napisów na żywo, stosowanych jako alternatywa dla tłu Automatyczny przekład mowy je st niewątpliwie wielkim wyzwaniem.
maczenia symultanicznego. Ten rodzaj przekładu nie jest bezpośrednio Wiedząc, że przekład maszynowy nie radzi sobie z niuansami tekstu, wie
związany z systemami maszynowymi, niemniej warto o nim wspomnieć, loznacznością, retoryką, nie można oczekiwać, że poradzi sobie ze zna
aby pokazać możliwości nowoczesnej technologii w działalności tłuma czeniem ukrytym w tonie głosu, niedopowiedzeniami czy innymi elemen
czeniowej. Napisy na żywo mogą mieć formę tłumaczenia wewnątrzję- tami typowymi dla języka mówionego, a stanowiącymi problem nawet
zykowego (wtedy służą przede wszystkim widzom niesłyszącym łub nie dla wykwalifikowanych tłumaczy ustnych. Tryuk (2007: 193) podkreśla
dosłyszącym), ale również międzyjęzykowego (wymagają jednak wtedy występowanie w spontanicznej mowie elementów takich, jak wahania,
nawet wyższych umiejętności niż klasyczne tłumaczenie symultaniczne). wielokrotne rozpoczynanie wypowiedzi, powtórzenia, wtrącenia, zwroty
Oprogramowanie takie jak Dragon Naturally Speaking czy ProTitle uczy eliptyczne, elementy niewerbalne, a przede wszystkim intonacja. W tym
się najpierw głosu lektora (tłumacza) - w tym celu wybrana osoba zare kontekście automatyczny przekład mowy może sprawdzić się jedynie
jestrowana jako użytkownik programu musi odczytać do mikrofonu wy w sytuacjach skonwencjonalizowanych, jak rezerwacja pokoju czy stolika
świetlony na ekranie tekst3. Po czterech minutach szkolenia program w restauracji lub wizyta u lekarza. Jednak fakt, że systemy tłumaczenia
' Systemy takie mogą rów nież rozpoznawać w yp ow ied zi nieznanych mówców, je d •' Inform acje te otrzym ałem od Pablo Romero Fresco z Roehampton University
nak z niniejszą skuteczności;). w Londynie.
mowy istnieją i funkcjonują, a badania naukowe trwają, dowodzi, że lal<i vviste, tłumaczenie nie polega na wyborze jedynej możliwej w danej sy
przekład jest możliwy i potrzebny. Podobnie jak w przypadku przekładu tuacji wersji, a raczej wersji najbardziej akceptowalnej spośród wielu
maszynowego tekstów pisanych, podlega on jednak zasadniczym ograni m o ż liw o ś c i.
czeniom i nie można oczekiwać, by dawał się zastosować we wszystkich Firmy wykorzystujące przekład maszynowy zdają sobie sprawę z jego
możliwych sytuacjach wymagających tłumaczenia ani był absolutnie nie niedociągnięć. Gigant komputerowy Microsoft, oferując na swych stro
zawodny. nach internetowych przekład maszynowy na kilka języków, umieszcza
informację dotyczącą sposobu przekładu i związanych z nim ograniczeń
jakościowych:
4 3 . Ocena ja k o ści przekładu m aszynow ego
?: W ich tig : Dieser A rtike l w u rd e m aschinell und n ic h t von einem M enschen iiber-
W przekładoznawstwie pojęcie oceny jakościowej (ang. translation :? setzt. D ie M ic ro s o ft Know ledge Base ist sehr um fangreich und ihre Inhalte w e rden
quality assessment, translation criticism) je st szeroko dyskutowane; kla fc ; standig erganzt: beziehungsweise tibe rarb eitet. U m Ihnen dennoch alle Inhalte
r; a u f Deutsch anbieten zu konnen, w e rd e n viele A rtike l n ich t von M enschen,
sycznym modelem je s t propozycja House (1977) poddana gruntownej
»; • sondern von Ubersetzungsprogram m en ubersetzt, die k o n tin u ie rlich o p tim ie rt
rewizji dwadzieścia lat później (House 1997). W dyskusjach laików >«> w e rden . D och noch sind m aschinell ubersetzte Texte in d e r Regel n ich t perfekt,
(każdy znający angielski idąc do kina na film z napisami świadomie lub c- . - v insbesondere hinsichtlich G ram m atik und des Einsatzes von F rem dw ortęm sowie
podświadomie porów nuje je z oryginałem) ocena jakości najczęściej Fachbegriffen. M icro so ft u b e rn im m t keine C e w a h r fu r die sprachliche Q u a lita t
ogranicza się do wyśmiewania błędów. Faktycznie status angielskiego o d e r d ie technische R ichtigkeit d e r U bersetzungen und ist n ic h t fur Probleme
s haftbar, d ie d ire k t o d e r in d ire k t du rch U bersetzungsfehler o d e r d ie V erw endung
jako najpopularniejszego języka obcego, narzędzia komunikacji mię
d e r iibersetzten Inhalte du rch Kunden entstehen kónnten*.
dzyludzkiej używanego w wielu odmianach i na różnych poziomach za
awansowania, je st przyczyną tw orzenia tysięcy niepoprawnych lub nie Interesujące, w tym kontekście są badania przeprowadzone przez
trafionych, acz zabawnych tłumaczeń, tzw. translation howlers. Przekład Microsoft, według których klienci firmy (a więc znakomita większość
maszynowy z punktu widzenia jakości stoi na trudniejszej pozycji niż użytkowników komputerów osobistych) wysoko oceniają tłumaczenia au
przekład tradycyjny, jed n ak tłumacz z krwi i kości również popełnia tomatyczne, twierdząc, że wolą mieć dostęp do tłumaczenia przeciętnej
błędy, a system tłumaczenia maszynowego potrafi często wykonać jakości niż niezrozumiałego oryginału7.
swoje zadanie zupełnie poprawnie. Błędy systemów maszynowych (np. Jak zauważają Hutchins i Somers (1992: 157), nawet w przypadku tłu
przetłum aczenie nazwiska „Konieczny” jako necessary5) są i będą wy maczenia maszynowego słabej jakości, kiedy składnia tekstu pozostawia
śmiewane, jednak stereotyp bezużytecznej, generującej niezrozumiałe wiele do życzenia, a tłumaczenie wymaga reinterpretacji, często precy
teksty maszyny-zabawki i nieomylnego tłumacza-człowieka je st niepo zja terminologiczna jest zachowana. Wspomniani autorzy podają przy
rozumieniem. kład rosyjsko-angielskiego systemu przekładu automatycznego, którego
Jak piszą Liu i Gildea (2007: 41): „evaluation has long been a stum nieobrobiony produkt przedstawiał większą wartość dla specjalistów
bling block in the developm ent o f machine translation systems, due to z dziedziny fizyki niż tradycyjny przekład tłumaczy cechujących się dobrą
the simple fact that there are many correct translations for a given sen znajomością rosyjskiego, ale brakiem kompetencji w zakresie termino
tence”. W klasycznym już modelu interpretującym przekład jako ciągle logii specjalistycznej. Wracając zatem do dyskusji o naturze przekładu
podejmowanie decyzji (Levy 1967) wybór spośród możliwych odpowied i związanymi z nią kryteriami oceny jakości, należy podkreślić, że kryteria
ników tworzących paradygmat podyktowany je st wieloma czynnikami
(wśród których niepoślednią rolę odgrywa kontekst), dlatego, co oczy-
6 http://support.m icrosoft.com /7scid = kb?<l3Bde%3B281925&X = I O&y = 10
7 „Statistical m achine translation gets real: the LanguageWeaver p ro file ". Global by
5 „M r Necessary" Computerworld 33-2003. Design, December 2006, 8 -1 9 .
80
te nie mogą być identyczne dla systemów automatycznych i dla tłumaczy Tekst w y jś c io w y : Depuis le 11 septem bre 2001, I'esprit guerńer q u i souffle sur
zawodowych, nie tylko ze względu na odmienny w obu przypadkach pr0. Washington semble avo ir balayó ces scrupules. Desormais com m e I'a d it le presi
ces dochodzenia do wersji docelowej, ale także na inny zakres tekstów dent George W. Bush, "q u i n'est pas avec nous est avec les terroristes".
i wariantów językowych, odmienną typologię błędów oraz inne oczeki Tekst d o c e lo w y 1: Since Septem ber 11, 2001, the warlike spirit w h ich blows on
i W ashington seems to have sw e pt these scruples. From n o w on, like said it the p re
wania odbiorcy.
sident George W. Bush, "w hich is no t w ith us is w ith the terrorists". (Systran)
Twórcy systemów przekładu automatycznego muszą zdawać sobie Tekst d o c e lo w y 2: Since Septem ber 11, 2001, the warlike spirit w hich blows on
sprawę z trudności, z którymi tłumacze na ogół radzą sobie sprawnie, . Washington seems to have sw ept (annihilated) these scruples. H enceforth, as said
świadomie bądź nie, a które stanowią barierę dla maszyn. W tłumacze it the president George W. Bush, "w hich (w ho) is n o t w ith us is w ith the terrorists".
niu maszynowym zachodzi konieczność ujednoznacznienia słowa (ang. (Reverso)
Tekst d o c e lo w y 3: Since 11 Septem ber 2001 the w arm ongering m o o d in
word sense disambiguation, WSD). W językoznawstwie komputerowym Washington seems to have sw ept aw ay such scruples. From tha t po in t, as President
pojęcie to dotyczy metod oznaczania właściwego w danym kontekście George Bush p u t it, "e ither you are w ith us o r you are w ith the terrorists".
sensu słowa, aby rozwiązać problem polisemii i homonimii. Jeżeli bo
wiem maszyna napotkałaby odizolowane angielskie słowo bank, nie Wersję opatrzoną numerem 3 możemy traktować jako wzorcową.
byłaby w stanie określić, czy chodzi o instytucję finansową, czy może W tym wypadku tłumacz, napotkawszy cytat z wystąpienia prezydenta
o brzeg rzeki. Pomóc mogą tu słowa występujące w bezpośrednim kon Busha, miał możliwość dotrzeć do oryginału i wybrać wersję identyczną
tekście problematycznego leksemu, bądź też (do pewnego stopnia) te z nim, czyli autentyczne słowa prezydenta. Programy tłumaczące nato
matyka tekstu. Zadanie to je st dwuetapowe: po pierwsze należy ustalić miast przełożyły dosłownie zdanie francuskie, używając struktury typo
wszystkie możliwe znaczenia słów występujących w danym tekście, po wej dla tego języka, a brzmiącej niezbyt zgrabnie w języku angielskim.
drugie przypisać każdemu użyciu danego słowa odpowiednie znaczenie Inny typowy dla przekładu maszynowego problem ilustrują następu
(kle i Veronis 1998: 3). Pierwszy z etapów jest możliwy dzięki istnieją jące zdania:
cym materiałom, takim jak słowniki mono- i bilingwalne oraz tezaurusy. (1) Dziewczynka zjadła kanapkę, ponieważ była głodna.
W drugim etapie kluczową rolę odgrywają kontekst oraz wiedza pozaję- (2) Dziewczynka zjadła kanapkę, ponieważ była smaczna.
zykowa. Dezambiguacja może mieć formę niekontrolowaną bądź kontro Poprawny przekład tych zdań na język, w którym odpowiednik słowa
lowaną (unsupervised / supervised)- jak łatwo przewidzieć, forma kontrolo „kanapka” nie jest rodzaju żeńskiego (na przykład hiszpański) wymaga
wana zapewnia większą skuteczność, ale jednocześnie oznacza większe zrozumienia, do czego (czy do podmiotu, czy do dopełnienia) odnosi się
koszty (Wang i Martinez 2006). Teoretycy tłumaczenia maszynowego czasownik być. Ten problem w przekładzie maszynowym znany jest pod na
zdają sobie sprawę, że dezambiguacja je st pojęciem kluczowym dla tego zwą rozwiązania anafory (anaphora resolution, rzadziej reference resolution)
typu przekładu, ponieważ oczywiste dla przekładu dokonywanego przez i jest dość szeroko opisany w literaturze przedmiotu (Farweil i Helmreich
człowieka pojęcie rozumienia tekstu w tłumaczeniu automatycznym nie 2000, Muiioz i in. 2000, Saiz-Noeda i in. 2000, Mitkov 1996 i in.).
ma sensu (por. Johnson 1980: 144, Laffling 1991: 67). W ostatnich latach Analiza jakości tłumaczenia opartego na metodach statystycznych
podejmowane są próby zastąpienia tradycyjnej dezambiguacji na pozio często wykorzystuje twierdzenie Bayesa, osiemnastowiecznego angiel
mie słowa podobnym procesem, ale funkcjonującym na poziomie frazy skiego matematyka, używane w teorii prawdopodobieństwa. W przeszło
(Carpuat i Wu 2007). ści stosowano tradycyjne metody oceny jakości przekładu maszynowego,
Częstym błędem programów tłumaczących jest interferencja, zasto a więc klasyczną weryfikację dokładności i poprawności przekładu d o
sowanie w tłumaczeniu formy charakterystycznej dla języka oryginału. konywaną przez człowieka. Metody statystyczne umożliwiły częściową
Craciunescu i in. (2004) podają interesujący przykład tekstu pochodzą automatyzację tego procesu. Powszechnie stosowanym miernikiem
cego z Le Monde Diplomatique przetłumaczonego na angielski przez czło oceny jakości przekładu maszynowego je st BLEU (Bilingual Evaluation
wieka oraz przez 2 systemy, Systran i Reverso: Understudy). Metoda ta polega na porównaniu przekładu maszynowego
z tłumaczeniem wykonanym przez człowieka. Statystyczny pomiar czę systemów zbudowanych na podstawie wymienionego korpusu równole
stotliwości występowania danego słowa (n-gramu) w tekście docelo głego dla jedenastu (wówczas) oficjalnych języków UE. Jak widać w po
wym przetłumaczonym przez maszynę i porównanie wyniku z tekstom niższym zestawieniu, zastosowanie metody BLEU pozwoliło wykazać,
autorstwa człowieka pozwala na ocenę jakości produktu maszynowego że najlepsze wyniki przynosi tłumaczenie z hiszpańskiego na francuski
na poziomie korpusu. Im więcej n-gramów w tekście przetłumaczonym (tłustym drukiem w zestawieniu), najtrudniejsze dla systemu natomiast
maszynowo pokrywa się z tekstem referencyjnym, tym lepsze jesi iłu. jest tłumaczenie z holenderskiego na fiński (podkreślone w zestawieniu).
maczenie maszynowe. BLEU obniża również wynik w przypadku tłuma Odmienność języka fińskiego je st zresztą przyczyną, dla której stanowi
czeń wyraźnie dłuższych od referencyjnych. Przeprowadzone badania on spore wyzwanie dla systemów tłumaczących: najwyższy wynik w te
(Papineni i in. 2002, Coughlin 2003) dowodzą, że BLEU pozwala uzyskać ście tłumaczenia na fiński uzyskał przekład ze szwedzkiego, był to jednak
pomiary zbliżone do oceny jakości dokonanej przez człowieka. Metoda wynik gorszy od wszystkich pozostałych, wyłączając przekład z fińskiego
BLEU okazała się jednak w kilku przypadkach niedokładna; dwa takie na niemiecki (na podstawie Koehn 2005: 83):
przypadki miały miejsce podczas testów przeprowadzonych w USA przez
agencję NIST (National Institute o f Standards and Technology), kiedy to
system tłumaczenia maszynowego oceniony najwyżej przez specjalistów,
zajął dopiero szóste miejsce w badaniu BLEU (Lee i Przybocki 2005). NIST
wprowadziła swoją własną m etodę ewaluacji, funkcjonującą zresztą na
podobnej zasadzie co BLEU. Omawiana tu metoda jest często punkiem
wyjścia dla powstawania nowych systemów pomiarowych (wspomnijmy
WNM, Weighted n-Gram Model, kombinację BLEU i Legitimate Translation
Variation, patrz Babych 2004).
Innym znanym systemem automatycznej oceny jakości przekładu ma
szynowego jest METEOR działający podobnie jak BLEU na zasadzie po
równania (Banerjee i Lavie 2005). Można wspomnieć jeszcze o systemach
X-score i D-score (Rajman i Hartley 2001).
Ewaluacja systemów przekładu maszynowego może być przedsię
wzięciem na szeroką skalę, czego dowodem jest CESTA, kampania zapo
czątkowana we Francji w 2002 r., a mająca na celu kompleksową ocenę ja
kości systemów automatycznych przy użyciu szeregu dostępnych metod
(Dabbadie i in. 2004).
Należy zauważyć, że skuteczność systemów tłumaczących je st w du
żej mierze wypadkową podobieństw i różnic między językiem źródło
wym a docelowym. O ile możliwe je st opracowanie uniwersalnych kry
teriów oceny jakości przekładu (każdego rodzaju) o charakterze ogól
nym, ostateczna, szczegółowa ocena zależy zawsze od wielu czynników,
wśród których istotną rolę odgrywa charakterystyka użytych języków.
W interesującym artykule, tyczącym zastosowania korpusu dokumen
tów Parlamentu Europejskiego (Europarl) w statystycznym tłumaczeniu
automatycznym, Koehn (2005) podaje wyniki tłumaczenia maszynowego
m
Dość śmiałą tezę stawia w swoim artykule Taghvaipour (2005).
szwe
CN OO O
dzki
2 0 ,5
2 8 ,3
2 4 ,8
2 3 ,9
2 2 ,6
2 0 ,2
2 1 ,9
0-1
OO ctT f pisze on:
p o rtu
galski
fN rather a im in g a t fu lly au tom ated su fficie n t q u a lity M T to m e e t consum ers' needs
2 4 ,3
2 3 ,2
2 7 ,6
3 5 ,9
3 5 ,3
2 0 ,7
2 5 ,9
Ch 1
fo r instant translation fo r in fo rm a tio n . (Taghvaipour 2 0 0 5 : 47)
<N ro
;
Wynika z tego, że przekład maszynowy może już na zawsze pozostać
'
holen
derski
O Ch
2 1 ,4
2 3 ,4
2 1 ,4
1 7 ,0
2 0 ,2
21,0
tanią, szybką, łatwo dostępną (dzięki Internetowi) alternatywą dla prze
20,0
o 1
fN £N fN
kładu tradycyjnego, nie oferującą jednak takiej jakości jak w przypadku
profesjonalnego przekładu autorstwa tłumacza z krwi i kości. Tego typu
wioski
ro
2 2 ,2
2 6 ,8
2 5 ,3
3 2 ,4
3 2 ,3
1 8 ,3
2 0 ,0
3 2 ,0
2 3 ,9
fN
1 kompromisy są zresztą w świecie cyfrowym codziennością. Wystarczy
wspomnieć olbrzymią popularność formatu mp3, umożliwiającego zapis
dźwięku z jakością nieco niższą od oryginału, ale za to ze sporą oszczęd
fiński
(N oq in O Ch
1 1 ,4
1 3 ,0
1 2,6
nością miejsca (a także czasu potrzebnego na przesłanie czy odbiór pliku).
1 0.3
1 5,3
<N 1
Podobnie zdecydowana większość cyfrowych aparatów fotograficznych
Język docelowy
Ł"-
2 8 ,7
2 2 ,4
3 2,1
3 6 ,0
2 4 ,6
3 9 ,0
2 9 ,7
ski
r-T 1
fN ro
jakością.
W ostatnich latach pojawiło się na rynku oprogramowanie nowego
hiszpań
2 5 ,4
3 1 ,2
3 8 ,4
3 4 ,0
2 2 ,9
3 7 ,9
2 8 ,6
ski
o' 1
ro cn
kość przekładu, por. Gierasimow 2007), jak sama nazwa wskazuje, służą
weryfikacji jakości tłumaczenia sporządzonego przy użyciu progra
angiel
2 5 ,3
2 7 ,2
3 0 ,5
3 0 ,0
2 1 ,8
2 3 ,0
l ‘0 £
3 0 ,2
ski
i rC
fN
ciej elementami pakietów wspomagających przekład (np. SDL Trados
Terminology Verifier and QA Checker czy Wordfast Quality Check). Ich
grecki
2 3 ,2
2 8 ,3
1 7 ,4
2 4 ,8
2 6 ,4
2 2 ,8
! KjS od
(N fN
rego część stanowią; programy te nie mają na celu zastąpienia tłumacza
w procesie weryfikacji tekstu, a jedynie pom oc w tym żmudnym za
niemie
CN
1 8 ,2
1 6 ,9
1 8 ,3
1 8 ,9
cki
oo i rC oo CO
wyeliminowanie błędów braku spójności, opuszczeń, niepoprawnie
użytych znaków przestankowych czy błędów w użyciu dużych i małych
duński
liter.
2 2 ,3
2 2 ,7
2 5 ,2
2 3 ,7
2 0 ,0
2 1 ,4
2 0 ,5
2 4,1
2 3 ,2
3 0 ,3
1
W kontekście badań nad jakością przekładu maszynowego często
pojawia się pojęcie języka kontrolowanego (CL, controlled language). Jest to
język, którego leksyka i składnia zostały w sposób celowy ograniczone dla
holenderski
źródłowy
portugalski
hiszpański
niemiecki
Język
francuski
szwedzki
angielski
wioski
grecki
fiński
i. .1
tekst został potem jeszcze dwukrotnie sprawdzony. Jak widzimy, proc-es lane. Van der Meer zwraca uwagę, że dezawuowanie przekładu maszyno
postedycji jest nieporównywalnie dłuższy od samego procesu przekładu wego w kontekście używanego obecnie powszechnie przekładu wspoma
Przykład operacji obejmującej przededycję, tłumaczenie maszynowe- i p()[ g a n e g o komputerowo (a więc aplikacji opartych na pamięci tłumaczenio
stedycję podaje Quah (2006: 54): wej) jest nieuzasadnione, gdyż to przekład maszynowy jest prekursorem
z n a n e g o dziś tłumaczenia z wykorzystaniem oprogramowania CAT:
(oryginalny tekst angielski):
Let the w a te r run h o t a t the sink and then pull the con ne cto r from the rei cs>. in
W ith in a pe riod o f 10 to 15 years, T M products have fou nd th e ir w ay to the
the back o f the dishwasher. L ift the c o n n e cto r to the fau cet by pressing dow n the
; w orkstations o f m ore than 5 0 ,0 0 0 translators in th e w o rld . But the message also
th u m b release.
caused a 'co g n itive diso rd e r' in the translation industry, nam ely that T M is good
(przededycja): and M T is evil, foreg oing the fa ct th a t T M is just a ne w variant o f M T (...). The
1 Turn on the faucet a t the sink u n til the w a te r runs hot. R damage is do ne , however, and it w ill take years to convince the co m m u n ity o f
2 Pull th e co n n e cto r fro m the recess in the back o f the dishwasher. business translators th a t p o st-e diting fuzzy matches from T M databases is, in fact,
3 Press d o w n on the th u m b release and lift the co n n e cto r o n to th e fai.n t.-i. ; n o t d iffe re n t from p o st-e d itin g fuzzy m atches from any o th e r M T system, (van der
M eer, w : Zelzsche 2.007)
(tłum aczenie m aszynow e na: hiszpański):
1 D e vuelta e n ce n d id o al grifo en el fregadero hasta el agua funcioria caliente.
2 Tire del conectador a partir de la hendidura en la parte posteriora del lavaplatos.
3 Presione ab ajo en el la n za m ie n to de l pulg ar y le van te el c o n e c ta d o r sobre ' 4.4. K ształcenie w zakresie przekładu
el grifo.
w spom aganego k o m p u tero w o
(postedycja): >
1 Abra la Have del agua de l fregadero hasta qu e saiga agua caliente. System kształcenia tłumaczy w Polsce je st dość specyficzny. Kursy tłu
2 Jale el co n e cto r del hueco que se encuentra en la parte posteriora de fa lava
platos. '
maczenia prowadzą najczęściej wykładowcy filologii; praktykujący tłu
3 O prim a hacia abajo el liberador manual y levante el conector a la Have delngua. macze rzadko podejmują się tego zadania. Translatoryka (w zależności
od jednostki zwana też traduktologią czy przekładoznawstwem) bywa
Wydaje się, że obecnie duże przedsiębiorstwa, świadome wad i zalet specjalizacją w ramach studiów filologicznych (najczęściej drugiego
przekładu automatycznego, wykorzystują go regularnie, jednak (w tro stopnia) lub specjalnością, często studiów podyplomowych, wieczoro
sce przede wszystkim o swoje dobre imię) zawsze z uwzględnieniem wych lub niestacjonarnych. Kadra rekrutuje się z filologów, którzy mają
etapów przededycji i postedycji. Mniejsze firmy, w których przekład jest doświadczenie w przekładzie, ale często są jedynie teoretykami prze
działalnością marginalną, korzystają z udogodnień systemów maszyno kładu, a w skrajnych przypadkach prowadzą zajęcia z translacji w ra
wych, nie dbając o jakość produktu. Autor je st w posiadaniu kopii listu mach bloku zajęć praktycznej nauki języka obcego, nie identyfikując
napisanego przez angielską kancelarię adwokacką prowadzącą sprawę się wcale z translatoryką jako dziedziną badań. Praktykujący tłumacze
spadkową, w której spadkobiercami było kilkoro Polaków. Do listu dołą wolą skupić się na wykonywaniu swojego zawodu. Często barierą jest
czone je st polskie tłumaczenie, którego ze względu na uwarunkowania także fakt, że uczelnie chętniej przyjmują do pracy doktorów niż magi
prawne nie możemy w całości zacytować, ale które obfituje w sformu strów. Z tego względu zajęcia akademickie z zakresu narzędzi wspom a
łowania takie jak „to je st twoja czescia tymczasowy podzielenie", jest gających tłumaczenie, jako nadal stosunkowo nowego obszaru zainte
więc ewidentnie surowym produktem przekładu maszynowego, spełnia resowań translatoryki, należą do rzadkości. Omawiane tu narzędzia, na
jącym jedynie rolę przybliżenia treści listu osobom nieznającym jęzvka obecnym etapie ich rozwoju, stanowią wciąż jeszcze udogodnienie dla
angielskiego. tłumaczy (i ich klientów) wymagane przez biura w przypadku dużych
W podsumowaniu należy po raz kolejny podkreślić, że systemy prze i regularnych zleceń, najczęściej napływających od klientów korpora
kładu maszynowego spełniają rzetelnie zadanie, do których zostały powo- cyjnych. „Wolny strzelec" może jeszcze przez jakiś czas funkcjonować
‘ 1
na rynku nie korzystając w ogóle z pamięci tłumaczeniowych. Dlatego (3) They have many ideas = Ils ont beaucoup d’idees. (można rów-
wykładowcy akademiccy uczący translacji, z całym szacunkiem dla ich j njeż: Elies ont beaucoup d’idees.)
kompetencji, mogą mieć ograniczone pojęcie o wspomnianych narzę - system ignoruje możliwość przełożenia they na dwa sposoby („oni"
dziach, a tłumacze używający takich narzędzi na co dzień rzadko" uczą i „one”) wybierając tylko jeden.
zawodu. Lukę tę wypełniają szkolenia oferowane przez producentów (4) They read a lot. = Ils ont lu beaucoup; podobnie jak w przykła
oprogramowania. Wyznaczający standardy rynkowe SDL Trados organi dzie (3)
zuje takie sesje regularnie, umożliwiając również zdanie egzaminu z ob - system podaje tylko jedną możliwość, mimo że teoretycznie ist
sługi oprogramowania na trzech poziomach zaawansowania. W przy nieją cztery (dwuznaczność zaimka funkcjonującego jako podmiot oraz
padku tego typu kształcenia nie występuje problem stanowiący pewną, o r z e c z e n i a - czasownik ma tę samą postać w czasie teraźniejszym
często poważną, barierę dla jednostek akademickich, a mianowicie ko i przeszłym).
nieczność zapewnienia odpowiedniej ilości sprzętu komputerowego, (5) the ninth of September = le neuvieme septembre (zamiast: le neuf
a przede wszystkim kopii oprogramowania, które nawet dla zastosowań s e p t e m b r e / le 9 septembre)
edukacyjnych je st nadal dość drogie (z pewnymi wyjątkami, patrz 3.3). - system błędnie stosuje liczebnik porządkowy w dacie francuskiej
Tak więc, w odróżnieniu od tradycyjnych kursów przekładu zajęcia z za w7.orem języka angielskiego.
kresu wykorzystania kom puterów w przekładzie na poziomie akademi (6) After reading the book, 1w ent out. = apres lecture du livre, je sois
ckim napotykają na utrudnienia spowodowane brakiem doświadczonej sorti. (zamiast: Apres avoir lu le livre, je suis sorti.)
kadry, wystarczająco nowoczesnego sprzętu, a przede wszystkim opro - błąd polega na zignorowaniu często stosowanej w przekładzie
gramowania. W łódzkiej szkole wyższej, w ramach prowadzonych pod techniki transpozycji (zmiany kategorii gramatycznej).
moim kierunkiem podyplomowych studiów translatorskich, prowadzący
zajęcia z omawianego przedm iotu zdecydował się na formę kształcenia Powyższy korpus jest przykładem kształcenia o charakterze ogólnym,
mającego na celu uświadomienie słuchaczom istnienia innych niż trady
na odległość, zadając słuchaczom ćwiczenie wykorzystania omówionego
cyjne metod przekładu, nierzadko w sposób nieobiektywny, koncentru
uprzednio oprogramowania na domowych komputerach i umożliwiając
im konsultacje drogą elektroniczną, również w czasie rzeczywistym przy jący się przede wszystkim na wadach tego rodzaju tłumaczenia.
użyciu komunikatorów internetowych. Profesjonalne kształcenie tłumaczy specjalistycznych powinno obej
McCarthy (2004) opisuje wykorzystanie Babel Fish podczas zajęć mować techniki pracy z narzędziami wspomagającymi tłumaczenie. Nie
z przekładu, obnażając niedostatki systemu przez wprowadzanie pozor chodzi tu jedynie o tłumaczenie tekstów przy pomocy aplikacji wykorzy
nie prostych, ale w istocie podchwytliwych zdań angielskich i wychwyty stujących pamięć tłumaczeniową, ale także o korzystanie z baz term ino
wanie błędów w tłumaczeniach na francuski. Przedstawiony w artykule logicznych, edycję tekstu, nanoszenie poprawek i komentarzy. Celem
korpus ograniczony jest do tekstu wyjściowego i docelowego, poniżej nadrzędnym takiego kształcenia powinno być uświadomienie jego od
przedstawimy jednak wybrane przykłady z komentarzem: biorcom wszystkich, a przynajmniej większości możliwości wykorzysta
nia komputera i Internetu dla potrzeb tłumacza. Znana od ponad wieku
(1) They are writing letters = ils sont des lettres d’ecriture (zamiast: w ekonomii zasada Pareto (zwana również zasadą 80/20), głosząca, że
Ils ecrivent des lettres./Elles ecrivent des letters.) $0% wyników wypływa tylko z 20% przyczyn, znalazła swoje miejsce
- system nie rozpoznaje poprawnie zastosowanego w zdaniu angiel także w informatyce - 80% użytkowników komputerów wykorzystuje
skim aspektu progresywnego. lylko 20% ich możliwości. Tłumacz korzystający jedynie z wyszukiwarki
(2) the house I like = la maison I comme (zamiast: la maison c|iu* Google i podstawowych funkcji MS Word nie wykona swojego zadania,
j ’aime) jeżeli klient będzie miał specyficzne oczekiwania związane z formatem
- system dzieli zdanie angielskie z opuszczonym zaimkiem względ pliku, w którym zapisane ma być gotow e tłumaczenie, bądź też udo
nym na segmenty, tłumacząc je osobno (/ like= „I jak” zamiast „lubię”). stępni pamięć tłumaczeniową (czy będzie oczekiwał jej udostępnię-
IB S 1
nia). Nawet jeżeli klientowi chodzić będzie jedynie o elektroniczne] wer Kolejny fragment pochodzi z ćwiczenia, w którym studenci mieli
sję przedłożonego tekstu w języku obcym, przy tłumaczeniu wykonanym za zadanie przetłumaczyć tekst w programie Trados (a właściwie w jego
z wykorzystaniem tylko wymienionych powyżej technik ucierpi co naj. 30-dniowej wersji próbnej)9. Jest to fragment pamięci wyeksportowanej
mniej jeden element wspomnianej wcześniej triady przekładowej: szybko do pliku tekstowego:
dobrze i tanio. Zastosowanie narzędzi tłumaczeniowych, słowników elek
<TrU>
tronicznych, baz terminologii czy nawet chociażby zaawansowanych fu n k
<CrD> 06012008, 18:03:39
cji edytora tekstu przyspieszy i usprawni pracę. Co więcej, wyszkolony
< C rU > M & M
i wyposażony w odpowiednie narzędzia tłumacz będzie mógł pełnić funk
<Seg L=EN-GB> Bridging the gap between culture and capital is
cję korektora tłumaczeń wykonanych przez innych tłumaczy, czego często
a tradition in the Book Fair city.
wymagają zleceniodawcy instytucje. Wszystkie wspomniane tu elementy
<Seg L=PL>Tworzenie pomostu między rozwojem kultury a kapita
powinny zatem być uwzględnione w programie kursu tłumaczenia specja
lizmem to już tradycja w mieście, gdzie odbywają się Targi Książki.
listycznego. Spójrzmy na trzy przykłady prac wykonanych przez słuchaczy
</TrU >
takiego kursu. Poniższy rysunek ilustruje wynik ćwiczenia polegającego na
<TrU>
dokonaniu korekty tłumaczenia8. Jak widzimy, graficzny interfejs po/wala
<CrD> 06012008, 18:04:09
w łatwy sposób przejrzeć poprawki, nawet gdy jest ich dużo:
<C rU >M 8iM
<Seg L=EN-GB>A famous son
<Seg L=PL> Miasto Goethego
</TrU >
<TrU>
< CrD > 0601 '2008, 18:05:34
<CrU>M&M
<Seg L=EN-GB>Goethe.
<Seg L=PL> Goethe
</TrU>
<TrU>
< CrD >06012008, 18:06:44
< Crli > M&M
<Seg L=EN-GB>A world citizen par excellence \endash from
Frankfurt.
<Seg L=PL>- obywatel świata par excellence \endash pochodził
właśnie z Frankfurtu.
</TrU >
8 Teksty z m ateriałów reklam owych udostępnianych przez firm ę Apple. ,J Tekst źró d ło w y pochodzi ze strony w w w .fra n k fu rt.d e .
Tabela 7. Kalkulacja k osztów tłumaczenia Vallianatou (2005) przeprowadziła badanie własnej wydajności, wyko
nując zlecenia tłumaczeniowe przy użyciu Tradosa i Deja Vu, a także bez
Analiza liczby słó w i cena za tłum aczen ie
oprogramowania wspomagającego (metodologia badania opisana jest
Cena za w przywołanym artykule). Z badania wynika, że użycie Tradosa zwiększa
Liczba słów TOTAL
słow o wydajność średnio o 330">, a Deja Vu o 229%.
Repetition 0,05 zł 6 0,30 zł
%■
W tej książce pojęcie lokalizacji ma znaczenie zawężone do dostosowy łańcucha, nie odniosły zamierzonego skutku. Jak pisze Esselink (2000), po
wania oprogramowania komputerowego do wymogów rynku d o c e lo w e j pularność XLIFF (XML Localization Interchange File Format, patrz też 3.2),
a więc najczęściej przygotowywania obcojęzycznych wersji programów’ umożliwiającego wymianę danych w jednym formacie, pozwoliła tłuma
Takie działanie podyktowane jest nie tylko wymogami lokalnego rynku, ale czom oprogramowania ponownie skupić się na swoim zadaniu, a więc na
w wielu wypadkach także przepisami prawnymi, uniemożliwiającymi sprze przekładzie, nie zaś na konwersji plików i pracy z wieloma narzędziami.
daż oprogramowania w oficjalnej sieci dystrybucji bez uprzedniego przy Jednym z podstawowych problemów technicznych lokalizacji jest ty
gotowania wersji w odpowiednim języku docelowym-w niektórych krajach powy kierunek tłumaczenia, tj. z angielskiego na inny język, często mniej
nawet samo używanie obcojęzycznej wersji oprogramowania jest prawnie „oszczędny w słowach”. W wyniku tego procesu tekst docelowy może nie
zakazane (por. Esselink 2000: 5). We wczesnych latach ery komputerów mieścić się w przewidzianym polu tekstowym. Przykładowo, pasek menu
pojęcie lokalizacji nie istniało, a odpowiednie firmy zajmowały się po pro wielu anglojęzycznych programów zawiera pozycje Edit i View. Częste
stu przekładem tekstu oprogramowania. Prowadziło to jednak do sytuacji, tłumaczenie polskie tych poleceń to odpowiednio „Edycja” i „Widok”,
w których producenci programów zmuszeni byli testować nie tylko wersje co oznacza wydłużenie tekstu w stosunku do oryginału o kilkadziesiąt
oryginalne, ale i te w innych językach. W odpowiedzi na to „wąskie gar procent; w przypadku języka niemieckiego (odpowiednio „Bearbeiten”
dło", firmy tłumaczące oprogramowanie zaczęły rozszerzać zakres obsługi, i „Wiedergabe") różnica w stosunku do oryginału jest jeszcze większa.
proponując również wsparcie techniczne, testowanie i inne. Zbiegło się i:n Często tłumacz musi zastosować techniki ograniczania długości prze
w czasie z powołaniem wspomnianej organizacji LISA. Od tego momentu kładu, na przykład przez dobór innych ekwiwalentów bądź rezygnację
podstawowymi cechami przemysłu lokalizacyjnego od strony logistycznej z mniej istotnych segmentów. W przeciwnym wypadku gotowy produkt
były konsolidacja (fuzje, których wynikiem była coraz mniejsza liczba coraz wygląda nieprofesjonalnie:
to potężniejszych przedsiębiorstw) i outsourcing, czyli zlecanie prac nad
oprogramowaniem specjalistom (Esselink 2000: 7). W epoce Internetu loka
lizuje się również witryny. Ten obszar działalności tłumaczeniowej stanowi
wręcz modelowe pole do popisu dla systemów przekładu zautomatyzowa
nego. Zawartość stron internetowych zmienia się bardzo często, niewiele
wolniejszy jest cykl powstawania kolejnych wersji oprogramowania kom
puterowego. Wraz z oprogramowaniem powstają instrukcje obsługi, samo
uczki, specyfikacje techniczne itp. Teksty te są często bliźniaczo podobne
do wcześniejszych wersji. Spełnione są więc podstawowe warunki wyko
Rysunek 5. Przykład ograniczeń technicznych w lokalizacji oprogram ow ania wpływających
rzystania systemów wspomagających lub wykonujących tłumaczenie: seria
na końcow y wygląd p ro du ktu
powtarzalnych, przewidywalnych tekstów technicznych, często w dużej Źródło: za Esselink 2000: 67.
ilości, wymagających jak najszybszego przekładu. We wczesnych latach ery
komputerowej, a więc mniej więcej ćwierć wieku temu, lokalizacją zajmo W tym miejscu należy jednak zauważyć, że producenci oprogramo
wali się tłumacze, ponieważ skala zjawiska była wówczas znacznie mniejsza wania do lokalizacji (Alchemy Catalyst czy Passolo) stawili czoła temu
niż obecnie. Jednak nawet wtedy proces lokalizacji oprogramowania wyma problemowi. W aktualnych wersjach możliwy jest podgląd powstającego
gał udziału wielu osób. Działalność tłumacza, chociaż kluczowa dla powo tekstu docelowego już w postaci gotowej, tj. w okienku pokazującym
dzenia projektu, była jedynie ogniwem długiego łańcucha, składającego się interfejs oprogramowania; w ten sposób błąd pokazany powyżej można
między innymi z przygotowania, analizy i testów lokalizowanego oprogra łatwo wyeliminować. Co więcej, możliwe jest nie tylko szukanie alterna
mowania. Próby zmuszenia tłumaczy do poszerzania kwalifikacji i zdoby tywnych rozwiązań w rozumieniu tradycyjnym (to jest np. innego, krót
wania umiejętności informatycznych, mające na celu uproszczenie owego szego ekwiwalentu obcojęzycznego polecenia), ale także zmiana wielko
ści przycisku, opcji, długości okienka itp., a więc clość duża ingerencja rynku. Producenci oprogramowania dokładają starań, aby nowe wersje
w samo oprogramowanie. Ponadto Catalyst dysponuje wtyczką do pro programów pojawiały się na rynku od razu w wielu wersjach językowych;
gramu Trados, tak więc możliwe jest korzystanie w trakcie tłumaczenia sprostanie takim wymaganiom jest możliwe jedynie przy pomocy narzę
z bazy TM tego programu. Ten przykład pokazuje, jak rozwijają się na dzi wspomagających przekład. Co więcej, zmiany w strukturze oprogra
rzędzia wspomagające przekład i jak ich twórcy wykorzystują coraz no mowania i coraz większe wykorzystanie trybu online mają bezpośrednie
wocześniejszą technologię, starając się sprostać oczekiwaniom odbiorcy, przełożenie na metody lokalizacji:
ułatwić pracę tłumaczowi i odebrać argumenty przeciwnikom elektronicz
nych pomocy tłumaczeniowych. Widzimy także po raz kolejny, jak traci na W ith W eb sites c o n ta in in g m ore and m ore softw are fu n ctio n a lity and software ap
wartości konwencjonalne rozumienie przekładu jako operacji na tekstach plications increasingly d e p lo yin g a W eb interface, w e can no longer make a clear
distin ctio n betw een softw are and c o n te n t w h e n w e discuss localization. The tra
(czy nawet językach i kulturach) i jak do głosu dochodzi szereg działań
d itio n a l d e fin itio n in w h ic h localization o n ly refers to softw are applications and
niezwiązanych bezpośrednio z przekładem, polegających na dostosowa sup po rting c o n te n t is no longer valid. (Esselink 20 03 : 27)
niu produktu do funkcjonowania na nowym rynku.
Tłumaczenie oprogramowania, oprócz oczywistych kwestii technicz
nych, napotyka na szereg problemów całkowicie nieobecnych w innych Esselink (2000) wymienia zalety stosowania aplikacji opartych na pa
rodzajach przekładu. W menu oprogramowania często stosowane są mięci tłumaczeniowej w lokalizacji oprogramowania. Wiele spośród nich
skróty polegające na podkreśleniu (najczęściej pierwszej) litery nazwy omówiliśmy już wcześniej, poniższe zestawienie posłuży zatem przypo
danej pozycji; użytkownik może wybrać przycisk funkcyjny w połącze mnieniu typowych cech narzędzi opartych na pamięci tłumaczeniowej
niu z klawiszem odpowiadającym podkreślonej literze - działanie takie i wykazaniu nowych zalet, wybijających się na pierwszy plan w przypadku
będzie jednoznaczne z wyborem danej pozycji z menu (£opy=Alt+C). lokalizacji:
W przypadku lokalizacji w języku wykorzystującym pismo ideograficzne
(chiński, japoński itp.) zastosowanie takiego skrótu nie je st możliwe, • powtarzalność dokumentacji oprogramowania stanowi pole do popisu
używa się więc ekwiwalentu docelowego oraz skrótu w języku źródło dla aplikacji CAT; ponowne wystąpienie w tekście uprzednio przetłu
wym, pisanego alfabetem łacińskim. Należy również zwrócić uwagę, że maczonego zdania umożliwia aplikacji podstawienie go;
niektóre litery nie nadają się na tego typu skróty, ponieważ podkreślenie e tzw. trafienia zewnętrzne (external matches, Esselink 2000: 376) umoż
je st mało widoczne (np. małe litery j czy q); ma to wpływ na dobór ekwi liwiają rozpoczęcie lokalizacji jeszcze przed ukończeniem tekstu lub
walentów w procesie przekładu. Naturalnie, dany skrót może pełnić tylko prac nad stroną internetową czy aplikacją; wykorzystuje się w tym celu
jedną funkcję, a więc ekwiwalent rozpoczynający się od litery, która jest wcześniejsze wersje podręczników użytkownika czy plików pomocy;
już „zajęta”, nie je st dobrym rozwiązaniem; można co prawda zamiast 0 istniejące pamięci tłumaczeniowe można wykorzystać przy tłumacze
pierwszej litery nazwy polecenia użyć do skrótu drugiej, ale takie rozwią niu podobnych produktów;
zanie stosuje się rzadko. Co więcej, użytkownik może być przyzwycza • aplikacje zarządzające terminologią (stanowiące część pakietu opro
jony do skrótów używanych regularnie w wielu programach dla typowych gramowania wspomagającego tłumaczenie) umożliwiają zachowanie
poleceń (Otwórz, Zamknij, Zapisz, Znajdź, Anuluj), zatem tłumacz powinien spójności terminologicznej;
zachować konsekwencję i stosować się do obowiązujących konwencji, • narzędzia dodatkowe, jak statystyka wyrazów czy liczba powtórzeń,
chociaż te ostatnie potrafią być zmienne (Wyszukaj zamiast Znajdź, a na ułatwiają pracę nad projektami lokalizacyjnymi;
w et Poniechaj zamiast Anuluj). • korzystanie z pamięci tłumaczeniowych w sieci umożliwia kilku tłu
Obecnie zastosowanie aplikacji opartych na pamięci tłumaczeniowej maczom pracę nad tym samym zadaniem i eliminuje lub ogranicza
(a nawet tłumaczenia w pełni zautomatyzowanego) w lokalizacji oprogra rozbieżności, które zapewne wystąpiłyby, gdyby tłumacze pracowali
mowania wzrasta; ma to bezpośredni związek z rosnącymi wymogami niezależnie;
» tłumacze nie muszą uczyć się skomplikowanej edycji dokumentów English o objętości aż 450 min słów czy Korpus Języka Polskiego PWN
przy użyciu specjalistycznego oprogramowania, gdyż proces przekładu i _ 40 min słów w wersji sieciowej) istnieją nieco mniej znane, ale nie-
odbywa się na poziomie standardowych edytorów lub procesorów i pal równie ambitne projekty akademickie, jak PELCRA Katedry Języka
tekstu; ' Angielskiego i Językoznawstwa Stosowanego Uniwersytetu Łódzkiego,
• aplikacje wspomagające lokalizację zwiększają wydajność o 30 do 50“ó I w założeniach mający obejmować sto milionów słów, czy korpus IPI PAN
zmniejszając koszty tłumaczenia o 15 do 30%. ! liczący już 250 min słów. Jeśli przyjmiemy za punkt wyjścia szeroką defmi-
(za Esselink 2000: 37f,) j cję korpusu językowego jako ogromnego zestawu słów uporządkowanych
■ vv teksty w danym języku („bodies o f texts assembled in a principled way”
Czołowym dostawcą narzędzi lokalizacyjnych jest irlandzka firnia
| Johansson 1995: 19), bez wchodzenia w szcżegóły istniejących taksonomii,
Alchemy Software Development, twórca technologii pod nazwą Alchemy
| zastosowanie takich baz danych w przekładzie jest oczywiste. Mówiliśmy
CATALYST. Jej konkurentem je st PASS Engineering, niemiecka firma produ
| już wielokrotnie o przekładzie maszynowym opartym na korpusach.
kująca narzędzie PASSOLO. Ta druga firma w 2007 r. doświadczyła losu do
I Pamięć tłumaczeniowa jest także swego rodzaju korpusem równoległym
brze znanego wielu przedsiębiorstwom zajmującym się tworzeniem pro
(a więc dwujęzycznym zbiorem tekstów i ich tłumaczeń). Na marginesie,
gramów wspomagających przekład, mianowicie przejęcia przez giganta
korpus równoległy jest najczęściej zbiorem tekstów w dwóch różnych ję
SDL International, stąd obecna nazwa narzędzia: SDL Passolo. Listę innych
zykach, jak kanadyjski korpus przemówień parlamentarnych w języku an
programów tego typu można znaleźć w apendyksie.
gielskim i francuskim (Hansard, chyba najbardziej znany korpus równole
Narzędzia lokalizacyjne są ciekawym tematem do dyskusji, której
gły), ale istnieją także korpusy tekstów tłumaczonych, jak TEC pod opieką
jednak nie będziemy w tym miejscu prowadzić, ze względu na wciąż dość
Mony Baker. Korpusy przekładowe, jak zauważa Johansson (2007: 9),
ograniczony zakres lokalizacji oprogramowania jako działalności tłuma
mogą stanowić pełną reprezentację danych językowych tylko w połą
czeniowej. Wspomnijmy jedynie dwa programy będące częścią pakietu
czeniu z korpusami porównawczymi (tj. zawierającymi pogrupowane
CATALYST. Pseudo Translate Expert dokonuje symulacji przekładu (np.
teksty oryginalne w więcej niż jednym języku) - dzieje się tak dlatego,
dodając do samogłosek znaki diakrytyczne), aby pomóc ocenić ewentu
że przekład może zawierać błędy, nietypowe rozwiązania czy idiosynkra-
alne problemy, jakie wystąpią w wersji końcowej, a także oszacować roz
zje. Schmied i Schaffler (1996) analizują wykorzystanie korpusów w bada
miar tekstu docelowego. W ten sposób gotowy produkt w wersji obcoję
niu śladów pozostawionych przez tłumacza, tzw. języka przekładowego
zycznej może być testowany jeszcze zanim powstanie ostateczna wersja
(translationese). Jednak dla celów badań nad przekładem korpusy zawie
w danym języku. Leverage Expert je st lokalizacyjnym odpowiednikiem
rające oryginalne teksty i ich tłumaczenia stanowią nieocenioną bazę
pamięci tłumaczeniowej; program porównuje aktualny projekt z po
danych. Konkordancje, wszystkie wystąpienia słowa w danym korpusie,
przednimi szukając podobieństw, aby przyspieszyć i ujednolicić proces
mogą zastępować słowniki monolingwalne - nie podają one co prawda
lokalizacji.
definicji szukanego słowa, ale wiele przykładów kontekstowych, umożli
wiając określenie łączliwości danego hasła. Olohan (2004) w swojej mo
4.6. Korpusy język ow e a przekład i nografii prezentuje wiele zastosowań korpusów językowych w pracy tłu
macza, a także teorii i dydaktyce przekładu. Jak pisze SharofF (2006: 27),
Językoznawstwo korpusowe, stosunkowo młoda dziedzina lingwistyki, tłumacze wykorzystują duże narodowe korpusy przede wszystkim do
doczekało się już szeregu publikacji (chociażby Biber i in. 1998 ora/ sprawdzenia poprawności swojego rozumowania, przekonania się, czy
McCarthy i Sampson 2005), dedykowanych pism specjalistycznych (np. dany ekwiwalent rzeczywiście występuje w danym kontekście w auten
Corpora) i cyklicznych konferencji (np. łódzki PALC). Oprócz wielkich, tycznych tekstach.
ogólnodostępnych korpusów o charakterze narodowym (wymieńmy tylko Według Kenny’ego (1998: 50) podstawową cechą korpusów języ
British National Corpus liczący sto milionów słów, Birmingham Bank of kowych jest prymat autentycznych, potwierdzonych przykładów uży-
I .
d a . Ta właściwość pow oduje, że językoznaw stw o korpusow e ma wiele* jednak strony, niektóre założenia projektu izraelskiego badacza widać
wspólnego z opisowymi badaniami nad przekładem (DTS, Descriptive W pracy tłumaczy już teraz; rozsyłanie elektronicznych próśb o pomoc
Translation Studies). W tłumaczeniu trudniejszych fragm entów nie odbywa się jeszcze au to
Jak łatwo przewidzieć, dobrym źródłem danych dla korpusów rów matycznie, ale je st pow szechnie stosowanym sposobem poszukiwania
noległych jest Internet. Powstają nawet programy komputerowe zajmu, ekwiwalentu. Powstają ju ż skuteczne implementacje statystycznego
jące się wyszukiwaniem tekstów występujących w sieci w wielu wersjach tłumaczenia maszynowego (wymagającego, jak wiemy, sporej ilości da
językowych (Strand lub PT Miner). Fry (2005) opisuje metodologię po nych) na kieszonkowych urządzeniach typu PDA (PanDoRA, patrz Zhang
zyskiwania tekstów przy użyciu popularnej obecnie technologii kanałów i Vogel 2007).
informacyjnych RSS. Systemy przekładu maszynowego zapewne jeszcze długo będą bo
rykać się z językiem literackim, nazwami własnymi czy asocjacjami, ja
kie wywołują odniesienia do kultury. Przykłady takich użyć języka i ich
4.7. W izje p rzy szło ści - SATS, In te g ra c jo , nieudanych tłumaczeń będą jeszcze długo koronnym argumentem prze
ro zw iązy w an ie odw iecznych pro b lem ó w ciwników tej technologii. Spójrzmy na fragment recenzji filmu Opowieści
z Narnii w języku angielskim oraz na efekt przekładu maszynowego tego
Celem tej książki, jak ju ż sygnalizowaliśmy, nie je st bynajmniej pro zdania na język chiński oraz z powrotem na angielski:
gnoza dalszego kierunku rozwoju tłumaczenia w spom aganego przez
komputery. Takie próby były jed nak i są dokonywane. Schaler, Way i Carl
(2003: 104) zaprezentowali „przyszłościowy” model przekładu, składa k;-:' (oryginał): ,
"T he C hronicles o f N a rnia " do esn 't com e near the p o e tic vision o f "T he Lord
jący się z trzech etapów jakościowych. Na najniższym etapie, a więc o f the Rings" trilogy, and it do esn 't have the da rk undercurrents th a t makes the
tam, gdzie jakość nie je s t priorytetem , doskonale sprawdza się prze i "H a rry P otter" series endlessly fascinating.
kład automatyczny, ale na poziomie najwyższym konieczne je s t tłuma :: (tłum aczenie z p o w ro te m na angielski):
czenie przez człowieka. Zauważmy jednak, że model powstał w 2003 r., N a triu m N epal Asia legend: The lion, th e sorceress, the evil sp irit w a rd ro b e "al-
* ready la ck" the evil sp irit abstains th e trilo g y "rich in po e tic and artistic flavor,
je s t więc w zasadzie odzwierciedleniem nie tyle przyszłej, co obecnej
also has n o t le t" the H arley baud "th e series novel have the in fin ite pleasure the
sytuacji.
u n d e rcu rre n t to be tu rb u le n t".
Z pomysłów (jeszcze) niezrealizowanych w arto wspom nieć o pro (Stix 20 06 : 92)
jekcie nazwanym SATS, z angielskiego synchronous, automated translation
system (Lehman-Wilzig 2000). Lehman-Wilzig wieszczy koniec zawodu
tłumacza (pisemnego, a później ustnego) i wprowadzenie w szechstron Nawet nieznającemu dobrze angielskiego czytelnikowi łatwo zauwa
nych, zautomatyzowanych systemów tłumaczących. Systemy te byłyby żyć, że powstały tekst je st bezładnym zbiorem angielskich słów, a tytuły
miniaturyzowane i w efekcie instalowane naw et w najmniejszych urzą trzech popularnych powieści (a właściwie opartych na nich filmów) zupeł
dzeniach. Wspomniany artykuł przedstawia wizję zminiaturyzowa nie się zagubiły. Podkreślmy jednak po raz kolejny, że stosowanie wielo
nych telefonów komórkowych mocowanych w uchu, umożliwiających krotnego tłumaczenia w obie strony (tutaj: angielski-chiński-angielski)
nadawcy i odbiorcy porozum iew anie się w różnych językach (Lehman- ułatwia prezentację tezy o bezużyteczności systemów tłumaczenia au
Wilzig 2000: 478). W sytuacjach, gdy urządzenie typu SATS nie byłoby tomatycznego w przekładzie tekstów innych niż specjalistyczne, ale nie
w stanie przełożyć jakiegoś fragmentu tekstu, wysyłałoby ono elek jest obiektywne, ponieważ błędy przekładowe ulegają w takim wypadku
troniczne zapytanie do innych urządzeń tego typu, poszukując właś zwielokrotnieniu. Znane są przykłady badań, w których respondenci mieli
ciwego ekwiwalentu. Należy zauważyć, że koncept SATS ma ju ż blisko problemy z rozróżnieniem błędnie przetłumaczonych fragmentów autor
dziesięć lat, a jego implementacja jak dotąd się nie pojawiła. Z drugiej stwa tłumaczy i systemów maszynowych (Stix 2006: 95).
Niewątpliwie kolejną barierą (oprócz wielokrotnie wspominanych
ograniczeń jakościowych), którą pokonać będą musieli przyszli twórcy
podsumowanie
komputerowych systemów tłumaczących, jest implementacja dodatko
wych języków. Jak kilkakrotnie sygnalizowaliśmy, język polski jest trak to
wany po macoszemu p rz e z wiele systemów (lista systemów wykorzystują
cych język polski przedstawiona na końcu tej książki obejmuje co prawda
ponad trzydzieści pozycji, ale są to również elektroniczne słowniki
i translatory, a także aplikacje wykorzystujące pamięć tłumaczeniową).
Podobnie wiele języków azjatyckich i afrykańskich nie istnieje w świecie
tłumaczenia maszynowego.
Już w chwili obecnej jasne jest, że przyszłością komputerowych syste
mów wspomagających przekład jest integracja. Narzędzia w spo m ag ające
tłumaczenie były we wczesnych etapach rozwoju tej technologii aplika
cjami samodzielnymi, obecnie coraz częściej oferuje się pakiety oraz sze
rokie możliwości współpracy między narzędziami wykonującymi powią
zane ze sobą zadania. Johnson (2007: 5) pisze o pracach nad zintegrowa Champollion (2001) posługuje się niezwykle trafną analogią na określe
niem systemów przekładu maszynowego, pamięci tłumaczeniowych oraz nie roli, jaką pełni kom puter w procesie przekładu. W 1997 r. niezwykle
tzw. CMS (Content Management Systems), systemów zarządzania treścią skomplikowany jak na tam te czasy kom puter opracowany przez IBM,
do tworzenia i obsługi witryn internetowych. a nazwany Deep Blue1, nieznacznie pokonał w meczu szachowym ar-
cymistrza Garego Kasparowa; w sześciu partiach odnotow ano trzy re
misy, jed n o zwycięstwo mistrza i dwa komputera. Wcześniej Kasparow
grał z poprzednią wersją Deep Blue i wówczas wynik był korzystny dla
mistrza. Pojedynek był niezwykle kontrowersyjny (Kasparow zaskar
żył wynik, a IBM nie zgodziło się z zarzutami). W 2003 r. powstał film
dokumentalny Game over: Kasparov and the machine stawiający tezę, że
pojedynek nie był fair, a IBM wykorzystało wynik do zwiększenia sprze
daży swoich produktów. Idea meczu między człowiekiem a kom pute
rem je st niezwykle interesująca. Nasuwa się pytanie, czy urządzenie
elektroniczne, posiadające ogromną moc obliczeniową oraz możliwość
przyswojenia sobie przebiegu praktycznie wszystkich rozegranych kie
dykolwiek partii szachów (a co za tym idzie, przewidzenia ruchów ry
wala w sposób, który pozostaje poza zasięgiem umysłu ludzkiego), jest
w stanie wygrać z mistrzem rozumiejącym i „czującym” grę. Inne pyta
nie, może ważniejsze i trudniejsze, dotyczy samej zasadności porów-
1 Nazwa kom putera, podobnie ja k systemu Babel Fish, pochodzi z książki A Hitchhiker's
Guide to the Galaxy: w pow ieści Adamsa w ystępow a! potężny kom p uter Deep T hought, Big
Blue zaś to potoczne określenie firm y IBM.
10
nania tak różnych „graczy”. Jak pisze Champollion, „komputer pi::vlk7a Stawianie autorytatywnych tez dotyczących technologii jest ryzy-
szachy, a Kasparow w nie gra. Komputer nigdy nie zrozumie, ale tłumaczyć j 1(0wne i niedojrzałe. Billowi Gatesowi przypisuje się, że w 1981 r. ocenił
m oże”2. Jak widać, filozoficzne pytanie o skuteczność sztucznej inteli ' limit pamięci komputera wystarczający każdemu użytkownikowi na 640kB
gencji i zasadność porównywania jej z naturalną można postawić rów i (chociaż Gates zaprzecza, jakoby kiedykolwiek tak powiedział); obecne
nież w kontekście przekładu. Na stronach tej książki wielokrotnie po j komputery mają pamięć wielokrotnie przekraczającą podany limit. Nie
równywaliśmy przekład autorstwa tłumaczy profesjonalistów i przekład i podejmiemy się więc ocenić, czy kiedykolwiek komputery wyeliminują
dokonywany przez komputer. Czyniliśmy to jedynie p o to, aby pokazać tłumaczy z krwi i kości. W pierwszej dekadzie XXI w. technologia rozwi-
wady i zalety systemów tłumaczenia maszynowego oraz oprogramo ! nęła się w takim stopniu, że oprogramowanie komputerowe jest w sta-
wania wspomagającego przekład. Odpowiedź na ontologiczne pytanie ! nie znacznie usprawnić pracę tłumacza, a przeciętny użytkownik kompu-
o rację bytu tłumaczenia maszynowego o tyle wykracza poza ramy ni | tera ma (darmowy) dostęp do aplikacji umożliwiających natychmiastowy,
niejszego opracowania, że wiąże się ściśle z pojęciem sztucznej inieli- | w miarę poprawny przekład wielu typów tekstów między najczęściej
gencji, rolą kom puterów we współczesnym świecie i przewidywaniami ! używanymi językami. Dzięki elektronizacji słowniki zajmują teraz znacz-
na tem at ich przyszłej roli. Tak daleko posuniętych rozważań nie chcemy
j nie mniej miejsca na półce, a korzystanie z nich, dzięki wbudowanym
tu snuć. Niech za konkluzję tej pracy wystarczy stwierdzenie, że, po
j wyszukiwarkom, jest znacznie łatwiejsze. Należy więc stwierdzić, że rola
dobnie jak wykonywanie wielu codziennych czynności je st obecnie nie
I komputerów w pracy tłumacza jest niebagatelna, a opracowanie niniejsze
możliwe lub mocno skomplikowane bez użycia komputera i Internetu,
i może pomóc ją zrozumieć i docenić.
zarobkowe tłumaczenie tekstów specjalistycznych je st w dzisiejszych
| Wraz ze wzrostem mocy obliczeniowej i możliwości komputerów
czasach co najmniej znacznie utrudnione bez wykorzystania narzędzi
i maleje liczba używanych na świecie idiolektów (choć naturalnie nie w ta-
wspomagających przekład. Jak pisze Myerson, „jedynym funkcjonalnym
| kim samym tempie), co może w dalszej perspektywie być czynnikiem
rozwiązaniem problemu powtarzalnych i nużących zadań twórczych
sprzyjającym automatyzacji przekładu. Jeżeli sprawdzą się choćby częś
je st technologia i automatyzacja, jednak w sytuacjach wyjątkowych,
ciowo czarne scenariusze lingwistów, że pod koniec wieku 90% obecnie
krytycznych czy też nowych zawsze znajdzie się miejsce dla ingerencji
funkcjonujących języków praktycznie wyjdzie z użycia (Krauss 1992,
człowieka” (Myerson 2001: 14)3. Tłumaczenie wykonywane bez ingeren
Cronin 2003), uniwersalny system przekładu automatycznego obejmujący
cji człowieka wypełnia lukę tam, gdzie tłumacz nie je st dostępny, bądź
wszystkie języki może stać się faktem.
gdzie rolę odgrywa czas lub koszt tłumaczenia. Tłumacz je st w stanie
Mossop (2003) w recenzji książki Chestermana i Wagner (2002)
przetłumaczyć każdy tekst, który przetłumaczy maszyna, zwykle jed
nak drożej lub wolniej, chociaż często lepiej. Tłumaczenie wspomagano pisze, że łatwość dostępu do tłumaczenia maszynowego za pomocą
komputerowo je st dzisiaj faktem, nie mrzonką rodem z opowiadań Internetu może być czynnikiem, który spowoduje wzrost zaintereso
science-fiction. Jak pisze Allen (2005a: 8): „translation o f publishable do wania przekładem w społeczeństwie'1. Istotny je st też punkt widzenia
cuments is not a one-size-fits-all, miracle, push-button, magical wand". Macklovitcha (2001: 28), który pisze, że dostęp do obcojęzycznych
Zatem teraźniejszość przekładu w spom aganego komputerowo to ciągła stron internetowych może zachęcać użytkowników Internetu do sięga
współpraca między człowiekiem a maszyną w celu szybkiego i tańszego nia po profesjonalne tłumaczenia wysokiej jakości. Konkluduje on, że
tworzenia obcojęzycznych wersji tekstów zadowalającej jakości. „far from posing a threat to translators, MT on the Web may actually
result in a substantial increase in the demand for human translation”.
2 „The com p uter computes chess, w h ile Kasparov plays chess. A com p uter w ill n e w t Jak zauważa natom iast Cronin:
understand, b u t it can translate" {C ham pollion, 2001: 1, tłum . Ł.B.).
3 „Technology and au tom atio n are the only scalable so lu tio n to the com m only repea
ted and bo rin g p ro du ction tasks, b u t there w ill always be a place fo r human intervention, 4 „(...) the availability o f free M T on the In te rn e t may fo r the first tim e be m aking
dealing w ith exceptions, crises, new areas fo r evaluation and so on ” (tłum . z ang. Ł.B.), a large pu blic interested in translatio n" (Mossop, 2003: 375).
(...) a nervousness su rro u n d in g the advent o f increasing au tom atio n in translation :
stionuje, a biura tłumaczy uważają je za prawie tak samo nieodzowny
and the p ro life ra tio n o f free, W eb-based, M T translation services (...) is related to element wyposażenia firmy jak sam komputer. Ponadto, jak zauważają
w h a t is perceived as a radical u n d e rm in in g o f th e status o f the hu m an translator ! 0 ’Hagan i Ashworth (2002: 43), systemy tłumaczenia automatycznego
as m ediator, (C ronin 2 0 0 3 : 65) ' | przenikają do codziennej pracy tłumacza tekstów specjalistycznych, który
i czasami woli pracować nad edycją wstępnej, niedoskonałej wersji tłuma-
Nękająca wielu badaczy kwestia jakości przekładu maszynowego na ■i czenia automatycznego, niż samodzielnie tłumaczyć tekst,
dal pozostaje problemem. Są jednak sytuacje, w których jakość nie sta i Zakończmy dyskusję nad przekładem wspomaganym komputerowo
nowi priorytetu. Jak zauważa Barabe: i w podobny sposób, jak ją rozpoczęliśmy, a więc cytując dane staty-
j styczne. Szef Systrana Dimitris Sabatakakis twierdzi, że oprogramowa-
(...) w h e n you th in k th a t it is (...) possible th a t the cure for cancer is trapped i nie produkowane przez jego firmę tłumaczy ponad 37 min stron tekstu
inside several PCs and w ill n o t be discovered because these com puters cannot ■ | dziennie, a więc więcej niż wszyscy tłumacze na świecie razem wzięci5.
co m m u n ica te and th e ir c o n te n t is n o t accessible to o th e r researches because it is .
not: translated, this is n o t the tim e to be deba ting q u a lity versus quantity. (Bar.iljp
I Naturalnie, wartość statystyczna takich danych może być podważana, po-
20 0 7 : 427) | nieważ trudno zliczyć wszystkich, którzy od przypadku do przypadku wy-
J konują pojedyncze zlecenia dla znajomych. Pozostaje jednak faktem, że
Gross (1993) przywołuje żartobliwą metaforę opisującą stan badań pod względem ilościowym systemy przekładu automatycznego stanowią
nad przekładem maszynowym w owym okresie. Porównuje on systemy j poważną konkurencję dla tłumaczy. Jeżeli zaś weźmiemy pod uwagę sy-
przekładu maszynowego do automatycznego lalkarza elektronicznego, ] stemy oparte na pamięci tłumaczeniowej i ich obecną rolę w przekładzie
umożliwiającego nabywcy wystawianie we własnym domu przedstawień i tekstów specjalistycznych, negowanie roli komputerów w tłumaczeniu
kukiełkowych bez konieczności prowadzenia marionetek czy pisania sce j wydaje się poważnym zaniedbaniem. Przekładoznawstwo zawsze cier-
nariuszy, a jednocześnie ingerencję w bieg wydarzeń na scenie. Klient: ku j piało z powodu dysproporcji między skalą opisywanego zjawiska a liczbą
puje automatycznego lalkarza, okazuje się jednak, że wymaga on skompli i publikacji teoretycznych; niniejszy podręcznik zastosowań komputero-
kowanej instalacji i konsultacji z działem obsługi. Ostatecznie działający j wych w przekładzie może wypełnić tę lukę choćby w niewielkim stopniu.
system wystawia mocno ograniczoną liczbę spektakli, możliwości inge I}
rencji są znikome, a ruchy lalek nienaturalne. W odpowiedzi na reklama
cję nabywca dowiaduje się, że działanie systemu można usprawnić albo 1
.t
i ii lli'ii' |
Extrinsic Evaluation Measures f o r M T and/or Summarization at the 43 th Annual Meeting o f the
B ib lio g ra fia Association o f Computational Linguistics (ACL-2005), Ann Arbor, M ichigan, June 2005.
! B a ra b e D. 2007 „Towards a new w o rld ord er in translation". W: Thelen M., Lewandowska-
’ Tomaszczyk B. (red.) Translation and Meaning Part 7. Proceedings o f the Maastricht Session
i : o f the 4th International Maastrichl-Lódź Duo Colloquium M aastricht: Universitaire Peis,
I 421-428.
i B a r -H ille l Y. 1960 „The present status o f autom atic translation o f languages". Advances in
j Computers I, 91 -16 3.
I B a s s n e tt S., Lefevere A. 1990 Translation, History and Culture. London and New York: Pinter.
B e a v e n J . L . 1992 „Shake-and-Bake machine translation” . W: Coling-92. Proceedings o f the Fifteenth
■ 1
Colker D. 2005 „Gains in translation: softw are aims to cut through the babble be tte r” ( 0s pul ford I I., Granell-Zafra J. 2005 „Translation and technology: a study o f UK freelance trans-
Angeles Times, Business, May 15, 2005. iators". Jostrans Issue 04 - July 2005, 2 -1 7 .
Coughlin D. 2003 „C orrelating autom ated and human assessments o f machine translate Garcia 1. 2005 „Long term m em ories: Trados and TM tu rn 20" . Jostrans Issue 04 - J u ly 2005,
q u a lity ” . M T Summit IX, New Orleans, USA, 2 3 -27 . , 18-31.
Craciunescu O., Gerding-Salas C., Stringer-O 'Keeffe S. 2004 „M achine translation and com Gaspari F. 2007 The role o f online M T in webpage translation. Niepublikow ana praca doktorska,
pu ter translation: a new way o f translating?” . Translation Journal Vol. 8, No. 3. U niw ersytet Manchester!
Cronin M. 2003 Translation and Globalisation. London and New York: Routledge. Gaspari F., Hutchins J. 2007 „O nline and free! Ten years o f online machine translation: o ri
Dabbadie M., El Uadi W.M., T im im i 1. 2004 „CESTA-. The European M T evaluation campaign" gins, developm ents, current use and future prospects". M T Summit XI, 10 -14 September
Guide to Language Technology 2004 # 6 5 supplem ent, 10-11. 2007, Copenhagen, Denm ark, 199-206.
Dębowski Ł. 2001 Tagowanie i dezambiguacja morfosyntaktyczna. Przeglqd metod i oprogramo Gentzler E. 1993 Contemporary Translation Theories. London and New York: Routledge.
wania. Warszawa, Raport techniczny IPI PAN. Gierasimow A. 2007 „Review o f translation q u ality assurance softw are". M ultilingual
D illinge r M., Lommel A. 2004 Implementing machine translation. LISA best practice guide Magazine, January-February 2007, 22.
Publikacja w ew nętrzna Localisation Ind ustry Standards Association. Gross A. 1993 „W here do translators fit in to machine translation?". Sci-Tech Translation
Eckstein M., Sosnowski R. 2004, Komputer w pracy tłumacza. Praktyczny poradnik. Język a ko Journal, October, 1993.
munikacja 6. Kraków: Tertium ; Gutt E.A. 1991 Translation and Relevance. Cognition and Context. O xford: Basil Blackwell.
Elliston J.S.G. 1979 „C om puter-aided translation - a business v ie w p o in t” . W: Snell B.M. Hatim B., Mason I. 1997 The Translator as Communicator. London / New York: Routledge.
(red.) Translating and the computer: proceedings o f a seminar. London, 14th November. Hatim B., Munday J. 2004 Translation. An advanced resource book. London and New York:
Amsterdam: N orth-H olland, 149-158. Routledge.
Esselink B. 2000 A Practical Guide to Localisation. Am sterdam / Philadelphia: John Benjamins, Hejwowski K. 2006 Kognitywno-komunikacyjna teoria przekładu. Warszawa: W N PWN.
Esselink B. 2001 „Leningrad meets Am sterdam meets A quarius". Language International April Hermans T. 1985 The Manipulation o f Literature. Beckenham: Croom Helm.
2 0 0 1 ,1 4 -1 5 . Hewavitharana S., Vogel S., W aibel A. 2005 „A u g m e n tin g a statistical translation system w ith
Esselink B. 2003 „The e vo lu tion o f lo calizatio n” . Guide to Localization 2003, M ultilingual a translation m em o ry". 10th EAMT conference „Practical applications o f machine translation",
Com puting and Technology, 4 -7 . 30-31 May 2005, Budapest, 126-132.
Farwell D., Helmreich S. 2000 „An interlingual-based approach to reference resolution", House J. 1977 A model f o r translation quality assessment. T tibingen: G unter Narr Verlag.
NAACL-ANLP 2000 Workshop: Applied Interlinguas: Practical Applications o f Interlingual House J. 1997 Translation quality assessment: a model revisited. Tubingen: G unter Narr Verlag.
Approaches to NLP, Seattle, May, 2000, 1-11. Hutchins J., Somers H.L. 1992 An introduction to machine translation. London: Academic
Fawcett P. 1995 „Translation and po w e r play” . The Translator 1.2, 177-192. Press.
Feder M. 2000 Computer assisted translation. A proposal f o r tool evaluation methodology. Hutchins J. 1999 „The developm ent and use o f machine translation systems and com puter
N iepublikow ana praca doktorska, UAM Poznań. -based translation to o ls” . International Symposium on Machine Translation and Computer
Flanagan M. 1995 „M T in the online environm entichallenges and o p p o rtu n itie s". W: MT Language Information Processing, 2 6 -2 8 June 1999, Beijing, China.
Summit V Proceedings, Luxembourg, }u\y 10-13, 1995. Hutchins J., Lovtskij E. 2000 „Petr Petrovich Troyanskii (1894-1950): a fo rg o tte n pioneer o f
Flanagan M. 1996 „System dem onstration: online M T at CompuServe". W: Expanding MT mechanical translatio n". Machine Translation 15 (3), 187-221.
horizons: Proceedings o f the Second Conference o f the Association f o r Machine Translation in tliel Hutchins j . 2004 „Two precursors o f machine translation: A rtsroun i and Trojanskij".
Americas, 2 - 5 October 1996, Montreal, Quebec, Canada (Washington, DC: AMTA), 244-2-16. International Journal o f Translation 16(1)Jan-June 2004, 11-31.
lie d e rk in g R., RudnickyA., Hogan Ch. 1997 „Intera ctive speech translation in the DIPLOMAT ; Hutchins J. 2005 „The firs t p u b lic dem onstration o f machine translation: the G eorgetown-
pro ject". Workshop on Spoken Language Translation at ACL97, Madrid. IBM system, 7th January 1954” . (http://w ww.hutchinsweb.m e:uk/G U-IBM -2005.pdf).
Freigang K.H. 1998 „M achine-aided translatio n". W: Baker M . (red.), 134—136. Hutchins J. 2006a „M achine translation: h is to ry ". W: Brown K. (red.) Encyclopedia o f Language
Freivalds J. 1997 „M achine translation at the crossroads". Language International, ‘J.-I. i & Linguistics, Second Edition, volum e 7, O xford: Elsevier, 3 7 5-3 83.
3 4 -3 5 . | Hutchins J. 2006b „Example-based machine translation: a review and com m entary” . Machine
Fry J. 2005 „Assem bling a parallel corpus from RSS news feeds” . W: M T Summit X, Phuket, Translation (2005) 19, 197-211.
Thailand, September 16, 2005, Proceedings o f Second Workshop on Example-Based Machine i; Hutchins J. 2008 „M achine translation: a concise h is to ry ” . W: Chan Sin Wai (red.) Computer
Translation, 59-62. aided translation: Theory and practice. Chinese U niversity o f Hong Kong.
Ful Ford H., Granell-Zafra J. 2004 „The uptake o f online tools and web-based language reso Ide N., Veronis J. 1998 „In tro d u c tio n to the special issue on W ord Sense Disam biguation".
urces by freelance translators: im plications fo r translator train ing , professional deve Computational Linguistics Vol. 24, No. 1, 1-40.
lopm ent, and research". 2nd International Workshop on Language Resources f o r Translation Isabelle P., Church K.W. (red.) 1997 Machine Translation, Special Issue: New Tools f o r Human
Work, Research and Training, 3 7 -4 4 . Translators.Vol. 12, Nos. 1-2. Dordrecht/Boston/London: Kluwer Academic Publishers.
Johansson S. 1995 „M ens sana in corpore sano: on the role o f corpora in lingu istic research" I iu D., Gildea D. 2007 „Source-language features and m aximum correlation train ing for m a
The European English Messenger 4 (2), 19-25. chine translation evaluation". NAACL-HLT-2007 Human Language Technolog)': the conference
Johansson S. 2007 Seeing through multilingual corpora. On the use o f corpora in contrastive stu o f the North American Chapter o f the Association f o r Computational Linguistics, '1 1 -1 1 April
dies. Studies in Corpus Linguistics 26. Am sterdam / Philadelphia: John Benjamins.. 2007, Rochester, NY, 4 1 -4 8 .
Johnson D. 2007 „G e llin g started in lo calizatio n". Guide to Localization 2007, Multilingual Maas D. 1988 „The Machine Translation SUSY system” . W: King M. (red.) Machine Translation
Com puting and Technology, 3 -5 . Today: the State o f the Art. Edinburgh: Edinburgh University Press, 209-246.
Johnson J.i l., M artin J., Foster G., Kuhn R. 2007 „Im proving translation quality by discarding Macklovitch E. 2001 „Recent trends in translation technology". W: Proceedings o f the 2nd
m ost o f the phrasetable” . W: EMNLP-CoNLL-2007: Proceedings o f the 2007Joint Conference International Conference The Translation Industry Today: M ultilingual Documentation,
on Empirical Methods in Natural Language Processing and Computational Natural Language Technology, Market. 2 6 -2 8 October 2001, Bologna, Italy, 23 -47 .
Learning, June 2 8 -30 , 2007, Prague, Czech Republic, 967-975. Marcu D. 2001 „Towards a unified approach to m em ory- and statistical-based machine
Johnson R. 1980 „C o ntem p orary perspectives in machine tra n sla tio n ". W: Hain.n S translation". W: Proceedings o f the 39th Annual Meeting o f the Association fo r Computational
Pedersen V. H. (red.) Human Translation, Machine Translation. Papers from the 10th Annual Linguistics (AC.L), Toulouse, France, July 2001, 378-3 85.
Conference on Computational Linguistics in Odense, 2 2 -2 3 Nov. 1979. Odense: Romansk McCarthy B. 2004 „Does online machine translation spell the end o f take-home translation
In s titu t, 133-147. assignments?” . CALL-EJ Online 6(1).
Katz J.J. 1978 „EfTability and Translation". W: G uenthner F., Guenthner-Reutter M. (red.) McCarthy D., Sampson G. 2005 Corpus Linguistics: Readings in a Widening Discipline. London
Meaning and Translation. Philosophical and Linguistic Approaches. New York: New York and New York: C ontinuum .
University Press, 191-234. Meer van der J. 2003 „A t last translation autom ation becomes a reality: an anthology o f
Kenny D. 1998 „Corpora in translation studies". W: Baker M. (red.), 5 0 -53 . the translation m arket” . W: Proceedings o f Controlled language translation, EAMT-CLAW-03
Koehn P. 2005 „Europarl: a parallel corpus fo r statistical machine translation” . W: M T Summit workshop, Dublin City University, 15-17 May 2003, 180-184.
X, Phuket, Thailand, September 13-15, 2005, Conference Proceedings: the tenth Machine Melby A.K. 1992 „The tra n sla to r’s w o rk s ta tio n ” . W: New ton J. (red.) Computers in Translation.
Translation Summit, 7 9 -8 6 . London: Routledge, 147-165.
Kozłowski S. 2004 „Co to je s t tłum aczenie maszynowe?". W: Szym anikJ., Zajenkowski M. Mitamura T. 1999 „C ontrolled language fo r m u ltilin g u a l machine translation” . W: Proceedings
(red.) Kognitywistyka. 0 umyśle umyślnie i nieumyślnie. Warszawa: Kolo Filozoficzne przy o f M T Summit VII, Singapore, 13-17 September 1999.
MISH UW, 6 3 -94 . M ilkov R. 1996 „Anaphora and machine translatio n". Machine Translation Review, issue 4:
Krauss M. 1992 J li e w o rld 's languages in crisis". Language 68, 1, 4—10. O ctober 1996, 6 -1 6 .
Kugler M., Heyer G., Kese R., von Kleist-Relzow B., W inkelm an G. 1993 „The translator'.-- Montague R. 1970 „English as a form al language". W: V isentini B. i in. (red.) Linguaggi nella
w orkbench: an environm ent fo r m ulti-lingual te xt processing and translation". Societa e nella Tecnica. Edizioni di Com unita, M ilan, Italy.
W: N irenburg S. (red.) 1993, 185-189. Mossop B. 2003 „Review o f ‘Can T heo ry Help Translators? A D ialogue between the Ivory
LafflingJ. 1991 Towards High-Precision Machine Translation. Berlin / New York: Foris. Tow er and the W ordface’ by A ndrew Chesterman and Emma W agner". Target 15(2),
Lagoudaki E. 2008 „The value o f machine translation fo r the professional translator” . 3 7 2-3 75.
W: AMTA-2008. M T at work: Proceedings o f the Eighth Conference o f the Association fo r Muńoz R., Saiz-Noeda M „ Suarez A., Palomar M. 2000 „Sem antic approach to bridging re
Machine Translation in the Americas, Waikiki, Hawai’i, 2 1 -2 5 October 2008, 262-269. ference reso lutio n” . W: Proceedings ofM T 2000: machine translation and multilingual appli
Lavie A., Levin L „ Frederking R„ Pianesi F. 2002 „The NESPOLEI speech-to-speech transla cations in the new millennium: inte rna tiona l conference at the University o f Exeter, 20-22
tio n system". W: Richardson S.D. (red.) Machine Translation: From Research to Real Users. November 2000.
Heidelberg: Springer, 240-2 43. Munteanu D „ Marcu D. 2006 „Im p ro vin g machine translation perform ance by exp lo iting
Lee A., Przybocki M . 2005 „N1ST 2005 machine translation evaluation officia l results". non-parallel corpora". Computational Linguistics 31 (4), 477-504.
Oficjalne w yn iki oceny jakości przekładu autom atycznego. 'Myerson C. 2001 „G lobalization: beyond the hype". Language International, February 2001,
Lehm an-W ilzig S. 2000 „The Tower o f Babel vs the pow er o f babble: Future po litica l, econo Vol. 13, No. 1, 12-14.
mic, & cultural consequences o f synchronous, autom ated translation systems (SATS)". Nagao M. 1984 „A fram ew ork o f a mechanical translation between Japanese and English
New Media & Society, Vol. 2 # 4 , 467-4 94. by analogy prin cip le ". W: E lithorn A., Banerji R. (red.) Artificial and human intelligence.
Lehrberger J., Borbeau L. 1988 Machine Translation. Linguistic characteristics o fM T systems and Amsterdam: Elsevier, 173-180.
general methodology o f evaluation. Am sterdam / Philadelphia: John Benjamins. Napier M. 2000 „The soldiers are in the coffee - an in tro d u ctio n to machine translation".
Levin R. 2005 „Tools fo r m u ltilin g u a l com m unications” . M ultilingual Computing and Technology Cultivate Interactive, issue 2, O ctober 2000.
Vol. 16, Issue 2. Neubert A. 1991 „C om puter-aided translation; where are the problem s?" Target 3 : 1, 55-64.
LevyJ. 1967 „Translation as a decision process". W: Chesterman A. (red.) Readings in Translation Nida E.A. 1964 Toward a Science o f Translating. Leiden: Brill.
Theory. Helsinki: Oy Finn Lectura Ab. 3 7 -5 2 . Nida E.A., Taber C.R. 1969/1982 The Theory and Practice o f Translation. Leiden: Brill.
Nirenburg S. (red.) 1987 Machine Translation. Theoretical and Methodological Issues. Cambridge Schinied J., SchafTler H. 1996 „A pproaching translationese th ro u g h t parallel and translation
Cambridge University Press. j corpora” . W: Lancashire I., Percy C., M eyer C. (red.) Studies in Synchronic Corpus Linguistics.
Nirenburg S., Carbonell )., Tomita M.,’ Goodman K. 1992 Machine Translation: a Knowledge- Am sterdam / Atlanta: Rodopi.
Based Approach. San Mateo: M organ Kaufmann, Schubert K. 1992 „Esperanto as an interm ediate language fo r Machine Translation". W: Newton
Nirenburg S. (red.) 1993 Progress in Machine Translation. Amsterdam : JOS press. J. (red.) Computers in Translation: A Practical Appraisal. London: Routledge, 78-95.
Nirenburg S., Frederking R. 1994 „Toward m ulti-engine machine translation" W: Proceedings I Scott B.E. 1989 „The Logos system". W: Proceedings ofM TSum m it II, August 16 - 18, 1989, Munich,
of a workshop on Human Language Technology, Plaitisboro, 8-11 March 1994. Germany. Frankfurt a.M.: Deutsche Gesellschaft fu r Dokum entations e.V., 137-142.
Nkwenti-Azeh B. 2001 „Term banks". W: Baker M. (red.), 249-251. SharofFS. 2006 „Translation as problem -solving: uses o f com parable corpora” . W: Proceedings
Nyberg 1:., M itam ura T., Carbonell J. 1997 „The KANT m achine translation system: from R&d o f LREC-2006: Fifth International Conference on Language Resources and Evaluation. Third
to in tita l deploym ent”. Referat w ygłoszony w trakcie LISA W orkshop on Integrating International Workshop on Language Resources f o r Translation Work, Research & Training
Advanced Translation Technology, H yatt Regency Crystal City, W ashington D.C., jllne (LR4Trans-III), Genoa, Italy, 28 May 2006, 2 3 -28 .
3 -4 , 1997 (http://www.lti.cs.cmu.edu/Research/Kant/PDF/lisa.pdf). Smith R. 2004 „Translation m em ory: is it useful fo r financial and legal translation?” . Wersja
Och F.J., Ney II. 2004 „The alignm ent tem plate approach to statistical m achine translation" elektroniczna prezentacji konferencyjnej dostępna pod adresem http://w w w .m t-archive.
Computational Linguistics Vol. 30 No. 4, 41 7-4 34. info/Sm ith-2004.pdf.
Ogden C. 1930 Basic English: A General Introduction with Rules and Grammar. London: Paul Snell-Hornby M. 1988 Translation Studies: An Integrated Approach. Am sterdam / Philadelphia:
Treber. John Benjamins.
OTIagan M., A shw orth D. 2002 Translation-mediated Communication in a Digital World: Pacing Somers I LL. 1998 „M achine translation, applications” . W: Baker M. (red.), 136-139.
the Challenges o f Globalization and Localization. London: M u ltilin g u a l M atters. Somers ILL. 2003a „In tro d u c tio n ” .W: Somers H.L. (red.), 2003, 1-11.
Olohan M. 2004 Introducing Corpora in Translation Studies. London and New York: Routledge. Somers I LL. 2003b „Translation m em ory systems” .W: Somers H.L. (red.), 2003, 3 1 -4 7 .
Papineni K., Roukos S., Ward T., Zhu W.J. 2002 „BLEU: a m ethod fo r autom atic evaluation o f Somers H.L. (red.) 2003 Computers and Translation. A Translator's Guide. Amsterdam / Philadelphia:
machine translation” . W: Proceedings oj'ACL-2002:40th Annual meeting o f the Associationfo r John Benjamins.
Computational Linguistics, 311-3 18. Somers H.L. 2005 „R o u n d -trip translatio n: w h a t is it good fo r? ” . W: Proceedings o f the
Petrits A. 2001 „EC Systran: The Commission’s machine translation system". M ateriały Unii Australasian Language Technology Workshop 2005. 10-11 December 2005, Sydney, NSW,
Europejskiej (http://ec.europa.eu/translatioiVreading/articles/pdf72001_int_mtfullen.pdf). Australia, 12 7-1 33 (http://w w w .in fo rm atics.m anch ester.ac.u k/~ ha rold /R oun dT rip .d oc).
Quah C.K. 2006. Translation and Technology. Basingstoke: Palgrave Macmillan. Somers I LL., Gaspari F., Nino A. 2006 „D e te ctin g in ap prop riate use o f free onlin e machine
Rajinan M., Hartley A. 2001 „A u to m a tica lly p re d ictin g M T systems rankings com patible w ith translation by language students - a special case o f plagiarism d e tection” . W: Proceedings
Fluency, Adequacy o r Inform ativeness scores." W: Proceedings o f the 4th ISLE Workshop on o f the 11 th Annual Conference o f the European Association f o r Machine Translation, June 19-20,
MT Evaluation, M T Summit VIII, Santiago de Compostela, September 2001, 29-34. 2006, Oslo, Norway, 4 1 -4 8 .
Reifler E. 1954 „The first conference on mechanical translation” . Mechanical Translation 1 (2), , Spies C. 1995 Vergleichende Untersuchung von integrierten Ubersetzungssystemen m it Translation-
August 1954, 23-32. memory-Komponente. Saarbriicken: U niversitat des Saarlands.
Roudaud B., Puerta M.C., Gamrat O. 1993 „A procedure fo r the evaluation and im provem ent Steinberger R. 1994 „C urrent MT activities in Europe” . A rtyku ł dostępny w Internecie pod
o f an MT system by the end-user". Machine Translation Vol. 8, No. 1-2, 109-116. adresem http://langtech.jrc.it/D ocum ents/AAM T-94_Steinberger.pdf.
Sager J.C. 1994 Language Engineering and Translation. Consequences o f Automation. Amsterdam Stix G. 2006 „The elusive goal o f machine tra n sla tio n ". Scientific American March 2006,
/ Philadelphia: John Benjamins. 9 2 -9 5 .
Saiz-Noeda M., Palomar M., Farwell D. 2000 „NLP system oriente d to anaphora resolution". Taghvaipour M.A. 2005 „On machine translatio n fo r Persian” . Translation Studies Vol. 2, No.
W: Proceedings o f MT2000: machine translation and multilingual applications in the new mil 7 -8 ,3 3 -4 9 .
lennium: inte rna tiona l conference at the U niversity o f Exeter, 2 0 -2 2 Novem ber 2000, Tomaszkiewicz T. 2004 Terminologia tłumaczenia (przekład i adaptacja słownika pod redakcją
organised by the British C om puter Society. J. Delisle, H. Lee-Jahnke i M.C. Corm ier). Poznań: UAM.
Sammer M., Reiter K., Soderland S., KirchhofFK., Etzioni O. 2006 „A m b ig u ity reduction for Tomaszkiewicz T. 2006 Przekład audiowizualny. Warszawa: WN PWN.
machine translation: hum an-com puter collab ora tion". W: AMTA 2006: Proceedings o f the Tryulc M. 2007 Przekład ustny konferencyjny. Warszawa: WN PWN.
7th Conference o f the Association f o r Machine Translation in the Americas, „Visions f o r the Future Vallianatou F. 2005 „CAT too ls and pro du ctivity: tracking w ords and hours” . Translation
o f Machine Translation", August 8 -1 2 , 2006, Cambridge, Massachusetts, USA, 193-202. Journal Vol. 9, No. 4.
Schiller R., Way A., Carl M. 2003 „EBMT in a con tro lle d environm ent". W: Carl M., Way A. Vandeghinste V., D irix P., Schuurm an I. 2005 „Exam ple-based tra n sla tio n w ith o u t paral
(red.) Recent Advances in Example-Based Machine Translation: Text, Speech and Language le l corp ora : firs t exp erim e nts on a p ro to ty p e ” . W: M T Summit X, Phuket, Thailand,
Technology Vol. 21. Dordrecht: Kluw er Academic, 83 -11 4. September 16, 2005, Proceedings o f Second Workshop on Example-Based Machine
Translation, 1 3 5-1 42.
V eiiuli L. 1995 The translator's Invisibility: A History o f Translation. London and New York-
Routledge.
| N iektóre sy stem y lo k a liz a c ji
Vetulani Z. 2004 Komunikacja człowieka z maszynq. Komputerowe modelowanie kompetencji języ o p ro g ra m o w a iu a
kowej. Warszawa: EXIT.
P
V itek S.V. 2005 „Reflections o f a human translator on machine translation. W ill MT become ■
: :
the „Deus Ex M achina" rendering humans obsolete in an age when „Deus Est Machina?". www.passolo.com: komercyjny projekt niemieckiej firmy Pass
A rtykuł dostępny w Internecie pod adresem http://w w w .proz.com /lranslation-articles/ Engineering, obecnie własność SDL International
articles/270/1/.
http://www.schaudin.com/products/riav212.htm: RC-WinTrans, łatwy
Volk M., Harder S. 2007 „Evaluating M T w ith translations o r translators: w hat is the dif
ference?” W: M l Summit XI, 10-14 September 2007, Copenhagen, Denmark. Proceedings
w użyciu system lokalizacji oprogramowania
499-506. http://www.alchemysoftware.ie/products/catalyst.html: Alchemy Cata
Wang X., M artinez D. 2006 „W ord sense disam biguation using autom atically translated lyst, popularny produkt znanej irlandzkiej firmy
sense examples". W: Proceedings ofEACL-2006: 11th Conference o f the European Chapter of http://malakith.net/aegiwiki/Main_Page: Aegisub, program do edycji
t he Association f o r Computational Linguistics, Cross-Language Knowledge Induction Workshop,
Trento, Italy, A p ril 3, 2006, 4 5 -5 2 .
] napisów filmowych działający na większos'ci systemów operacyjnych
W arw ick-Arm strong S. 1991 „M achine translation in Europe". W: Proceedings o f the workshop
| http://kawaii-shoujo.net/AntiAliased/SSATool/: SSA Tool, program do
on Speech and Natural Language, February 19-22, 1991, Pacific Grove, California, 28-33. | tworzenia napisów filmowych
Weaver W. 1949 „Translation". W: Locke W.N., Booth A.D. (red., 1955) Machine translation j http://www.urusoft.net/products.php?cat=sw: Subtitle Workshop,
of languages: fourteen essays. Cambridge, Mass.: Technology Press o f the Massachusetts
In stitu te o f Technology, 15-23.
j bardzo popularny program do napisów filmowych
Webb L. 1998 Advantages and Disadvantages o f Translation Memory - A Cost / Benejit Analysis.
www.lingobit.com: Lingobit Localizer
Niepublikow ana praca dostępna w Internecie pod adresem http://techlingua.com /trans-
lation/thesis.htm l.
W hite J.S. 1985 „Characteristics o f the METAL machine translation system at production
stage . W: Proceedings of the Conference on Theoretical and Methodological Issues in Machine
Translation o f Natural Languages, Colgate University, H am ilton, New York, August 14-16, Niektóre sy stem y tłu m aczen ia m aszynow ego wylco-
1985, 359-369.
rzystiąjące język p olski
W hite J.S. 1987 „The research environm ent in the METAL p ro je ct". W: N irenburg S. (red.)
1987, 225-246.
W iersema N. 2004 „G lobalization and translation: A discussion o f the effect o f globalization Alamax Translator http://www.abitzi.com/uebersetz/deutschpolnisch.
on today's translatio n". Translation Journal Vol. 8, No. 1, January 2004.
W ilss W. 1999 Translation and Interpreting in the 20 tli Century. Focus on German. Amsterdam /
php3
Philadelphia: John Benjamins. Babylon-pro http://www.babylon.com
W ittn e r J., G oldschm idt D. 2007 „Technical challenges and localization to o ls” . W: Guide to Ergane (słownik elektroniczny) http://download.travlang.com/
Localization 2007, M u ltilin g u a l C om puting and Technology, 10-14. eXtractio Terminology Suite http://www.temis-group.com/index.
W ojtasiew icz O. 1957/2007 Wstęp do teorii tłumaczenia. Warszawa: Translegis.
php?id = 203&selt=l
Yang J., Lange E. 2003 „G oing live on the In te rn e t” . W: Somers H.L. (red.), 191-210.
Zaanen van M., Zwarts S. 2006 „U nsupervised measurement o f translation qu ality using mul-
FB-Active Translator http://www.brall.de
ti-engine, bi-directional translatio n". W: Sattar A., Kang B.H, (red.), Proceedings o f A l 2006 InterTran Website Translation Server http://www.tranexp.com/win/it-
„Advances in Artificial Intelligence. 19th Australian Joint Conference on Artificial Intelligence". server.htm
4 -8 December 2006, Hobart, TAS, Australia. Berlin: Springer, 1208-1214. Language Weaver http://www.languageweaver.com
ZetzscheJ. 2007 „M achine translation revisited". Translation Journal Vol. 11, No. 1.
LEC Translate i LEC Passport http://www.lec.com
Zhang Y., Vogel S. 2007 „PanDoRA: a large-scale tw o-w ay statistical machine translation
system fo r hand-held devices". W: Proceedings o f M T Summit XI, 10 -14 Septem ber 2007,
LingvoBit (i inne programy Lingvo) http://www.poltran.com
Copenhagen, Denmark, 543-5 50. NeuroTran http://www.tranexp.com/win/NeuroTra.htm
1-800-Translate http://www.l-800-translate.com
PalmTran (słownik elektroniczny dla palmtopów) http://tranexp.com p eriodyki sp ecjalisty czn e p ośw ięco n e tłu m a c z e n ie
PARS/P http://www.ling98.com/engpol.html
m aszynow em u
Partner (w zestawie z urządzeniem) http://www.partnertranslat0|-
com/
PC Translator http://www.pctranslator.cz Mechanical Translation (późniejsza nazwa Mechanical Translation and
Phraselator (w zestawie z urządzeniem) httpv'/www.phraselator.coni/ Computational Linguistics) wydawany w latach 1954-1968
p2.aspx Computers and Translation (Paradigm Press)
PocketTran (słownik elektroniczny) http://www.tranexp.com Machine Translation (Springer Science, wcześniej Kluwer Academic
Power Translator Worki http://www.lec.com/w2/listProdua.asp? Publishers)
product=World&family= Power-Translator MT News International (IAMT)
Pragma Online Translator http://www.trident.com.ua/eng/online.php Machine Translation Review (British Computer Society)
Reverso Translator http://www.softissimo.com/reverso_translator.asp
SDL Passolo http://www.passolo.com/en/home.htm
SDL Trados http://www.sdl.com/en/products/products-index/sdl-tra-
dos/
Similis http://www.Iingua-et-machina.com
Slovnyk (słownik internetowy) http://slovnyk.org.ua
Sprawk http://www.sprawk.com
Tr-AID http://www.ilsp.gr/traid2_eng.html
Transclick http://home.transclick.com/home
Transit http://www.star-group.net/star-www/description/transit/star-
group/eng/star.html
Translatica Enterprise i Translatica Server http://translatica.pwn.pl/in-
dex.php?id = 19
TranSphere http://www.apptek.com/products/transphere.html
WordPoint (słownik elektroniczny) http://www.point2translate.com/
i "
Indeks nazwisk FreivaldsJ.
Fresco P.R.
21
79
Ladling J. 82
Lagoudaki E. 69
FryJ. 104 Lange E. 72
Fulforcl H. 72, 96 LavieA. 7 7 ,8 4
Lee A. 84
' Gałązka-Salamon E. 18 Lefevere A. 13,60
Garcia 1. 59 Lehm an-W ilzig S. 104
Gaspari F. 72 Levih R. 23
Gates B. 109 LevyJ. 80
Gentzler E. 38 Liu D. 80
Gierasimow A. 87 Lommel A. 2 4 ,3 2 ,5 0 ,5 1
Gildea D. 80
G oldschmidt D. 63 M aasD. 46
Granell-Zafra J. 7 2 ,9 6 M acklovitch E. 109
Gross A. 110 Marcu D. 33, 57
Gutt E.A. 20 M artinez D. 82
Mason I. 14
Harder S. 78 Mazurek K. 18
Adams D. 72, 107 Carl M. 104 Hartley A. 84 McCarthy B. 73, 92
Aikawa T. 89 Carpuat M. 82 Hatim B. 8 ,1 4 ,6 4 McCarthy D. 102
Allen J. 89, 108 Cham pollion Y. 107,108 M e e rv a n d e rJ . 8,91
Hejwowski K. 14
Arnola H. 89 Chesterman A. 109 M elby A.K. 52
Helmreich S. 83
Arnold D.J. 1 0 ,1 1 ,2 7 ,2 8 Chomsky N. 38, 41 Mi ta mu ra T. 88
Mermans T. 13
A rtsrouni G. 38, 39 Church K.W. 73 M itko v R, 83
Hewavitharana S. 57
Ashw orth D. 111 Clark R. 9 M ontague R. 47
I-louseJ. 80
A usterm iihl F. 12, 13, 27, 31, 32, 53, 63, CockeJ. 48 Hovy E. 73 Mossop B. 109
66 Colker D. 34 Munday J. 8, 64
Hunt T.R. 28
Coughlin D. 84 M unóz R. 83
•Hutchins J. 23, 25, 27, 29, 30, 33, 34, 35,
Babiak K. 44 Craciunescu O. 82 M unteanu D. 33
37, 38, 40, 41, 43, 44, 72, 81, 88
Babych B. 84 Cronin M. 8 ,9 ,1 0 ,1 0 9 ,1 1 0 M yerson C. 108
Bach N. 77
Ide N. 82
Baker M. 2 0 ,1 0 3 Dabbadie M. 84 Nagao M. 35
Banerjee S. 84 Dębowski Ł. 30 Napier M. 25
Barabe D. 1 2 ,1 3 ,1 1 0 D illinge r M. 24, 32, 50, 51 Johansson S. 103 N e ub ertA . 2 7 ,6 8
Bar-Hillel Y. 40, 41 Johnson D. 106 Nida E.A. 1 5 ,1 9 ,3 7 ,3 8 ,4 0
Bassnett S. 13 Eckstein M. 58 Johnson J.H. 33 N irenburg S. 36, 89
Bayes T. 83 Elliston J.S.G. 88 Johnson R. 82 Nkwenti-Azeh B. 67
BeavenJ.L. 32 Esselink B. 1 0 ,2 1 ,5 4 ,6 9 ,9 8 ,9 9 , 101, Nyberg E. 88
Berger A.L. 34 102 Kasami T. 48
B ib e rD . 102 Kasparow G, 107 Ogden C. 88
Blatt A. 25 Farwell D. 83 KatzJ.J. 39 OTIagan M. 111
Bogucki Ł. 54, 55, 57, 61, 63, 65, 77 Fawcett P. 14 Kenny D. 103 Olohan M. 103
Booth A. 39 Feder M. 40 Koehn P. 84, 85
Brandt W. 13 Flanagan M. 72 Kozłowski S. 26, 29, 30, 31, 64 Palka T. 44
Brown P.F. 34 Frederking R. 36, 77 Krauss M. 109 Papineni K. 84
Bryce B. 34 Freigang K.H. 26 Kugler M. 53 • Petrits A. 43
IB
Przy boćki M. 84 Trojański P. 38, 39, 40
Tryuk M. 76, 79 Indeks rzeczowy
Q uail C.K. 27, 33, 35, 87, 90
Vallianatou F. 97
(hasła w języku polskim I angielskimi
Rajman M. 84 Vandeghinste V. 35
Reifler E. 40 Vauquois B. 46
Roudaud B. 46 Venuti L. 9, 97
VeronisJ. 82
Sabatakakis D. 111 V ogelS. 105
SagerJ.C. 18 Volk M. 78
Saiz-Noeda M. 83
Sammer M. 88
W agner E. 109
Sampson G. 102
Wang X. 82
SchafflerH . 103
Way A. 104
Schiller R. 104
Weaver W. 39, 40
SchmiedJ. 103
Webb L. 66
Schubert K. 47
W h ite J.S. 47
Scott B.E. 43
W iersem a N. 13
SharofFS. 103 analiza języka naturalnego (Natural ko n te kst (context) 19-21
W ierzbięta B. 18
Smith R. 58 Language Processing) 9 korpus ję zykow y (language corpus) 33, 34,
W ilson D. 20
Snell-Hornby M. 97 analiza składniow a (parsing) 43, 48 39, 48, 84, 85, 92, 93, 102-104
W ilss W. 9
Somers H.L. 26, 27, 29, 30, 43, 44, 53, Ariane 46 - rów noleg ły (parallel corpus) 35, 85, 103
W ittn e rJ . 63
72, 74, 81, 89
W ojtasiew icz O. 8, 37
Sosnowski R. 58 Babel Fish 22, 42, 48, 72, 92, 107 LISA 9 7 ,9 8
Wu D. 82
S perberD . 20 BLEU 78, 83, 84, 85 lokalizacja (localisation) 8, 10, 49, 9 7 -10 2
W urm an R.S. 12
Spies C. 17
Steinberger R. 47 Candide 34 ,71 METAL 47
S tiller R. 18 YangJ. 72
CMS 106 ' m iędzyjęzyk patrz inte rlin gw a
S tixG . 105 Younger D.H. 48