Модель «машинный перевод + постмашинное редактирование перевода» на платформе YiCAT: на примере дисциплины «Стилистическое постмашинное редактирование текста» для студентов первого курса магистратуры Высшей школы перевода МГУ

Лю Цзинпэн кандидат филологических наук преподаватель; Высшая школа перевода; Московский государственный университет имени М. В. Ломоносова 108802, Россия, г. Москва, ул. Красулинская, 21, кв. 104 Liu Jingpeng PhD in Philology Lecturer; Higher School of Translation; Lomonosov Moscow State University 108802, Russia, Moscow, Krasulinskaya str., 21, sq. 104 ljpesti@mail.ru

Введение

Машинный перевод (Machine Translation, MT), также известный как автоматический перевод или компьютерный перевод, — это процесс применения компьютеров для преобразования текста на одном естественном языке (исходный язык) в текст на другом естественном языке (целевой язык). По мере бурного развития интернет-технологий, а также стремительного расширения объемов информации, представленной на различных языках, технология машинного перевода постепенно перестала быть исключительно развлекательной, став эффективным инструментом преодоления естественных языковых барьеров в обществе. В условиях постепенного развития технологии машинного перевода все больше исследователей обращает внимание на вопрос возможностей постмашинного редактирования перевода ^[1].

В настоящее время машинный перевод во многих случаях помогает или даже заменяет человека при переводе. Однако, несмотря на быстрое развитие данной технологии, машинный перевод по-прежнему имеет определенные качественные недостатки. На практике переводчикам сложно выполнить большой объем переводческой работы за ограниченное время в современных рабочих условиях, используя только человеческие ресурсы. Вместо этого многие переводчики используют средства машинного перевода, а также выполняют постмашинное редактирование перевода. Таким образом, постмашинное редактирование текста является необходимым компонентом в работе современных письменных переводчиков. Однако, как в России, так и в Китае существуют пробелы в области построения систем оценки сложности постмашинного редактирования, проектирования вспомогательных систем перевода, а также разработки и исследований инструментов постмашинного редактирования. Помимо этого, в России имеется лишь несколько сотен статей, затрагивающих особенности машинного перевода. Большинство из них посвящены изучению имеющихся ограничений, возможностей развития и путей улучшения систем машинного перевода. В то же время статей, затрагивающих особенности постмашинного редактирования текста перевода, представлено чрезвычайно мало. Число таких статей не превышает нескольких десятков. Таким образом, в области исследований постмашинного редактирования перевода существует множество вызовов, которые следует решить как можно скорее для того, чтобы сфера постмашинного редактирования перевода могла соответствовать эпохе искусственного интеллекта. Одновременно с этим российским вузам следует обратить внимание на преподавание дисциплин, затрагивающих средства машинного перевода и навыки постмашинного редактирования. Крупные переводческие факультеты должны активно использовать переводческие технологии и инструменты машинного перевода на занятиях, добавлять новые учебные дисциплины, подразумевающие ознакомление и применение студентами подобных технологий и инструментов, а также встраивать такие дисциплины в рамки имеющихся программ обучения специалистов в области перевода. Все это позволит вузам сформировать надежную основу для воспитания современных и квалифицированных специалистов, отвечающих требованиям новой эпохи. Данный вопрос уже был актуализирован некоторое время назад. Так, в четвертом выпуске журнала «Вестник Московского государственного университета» за 2019 год декан факультета «Высшая школа перевода» Гарбовский Н. К. совместно с заместителем декана факультета Костиковой О. И. опубликовали статью «ИНТЕЛЛЕКТ ДЛЯ ПЕРЕВОДА: ИСКУСНЫЙ ИЛИ ИСКУССТВЕННЫЙ?». Авторы статьи утверждают следующее: «Сегодня рождается новое понятие — «цифровой перевод», определяющее новый вид технологии перевода, систему сетевого взаимодействия переводчика и цифровых информационно­-коммуникационных средств, искусственного интеллекта (ИИ), призванный повысить эффективность переводческого искусства и качество переводческой продукции. Перевод в цифровую эпоху представляет собой сложную систему противоречивых отношений в биноме «человек — умная машина» ^[2]. Помимо этого, в 2022 году Гарбовский Н. К. и Костикова О. И. сформировали учебно-исследовательскую группу. В состав группы вошли 3 преподавателя китайского языка Высшей школы перевода МГУ и 4 аспиранта. В результате исследования с 8 февраля 2022 года была запущена новая дисциплина для китайских студентов первого курса магистратуры под названием «Стилистическое постмашинное редактирование текста». Причина создания данной дисциплины заключается в том, чтобы соответствовать тенденциям развития эпохи искусственного интеллекта, а также в обновлении программы обучения специалистов для развития всесторонних переводческих компетенций, отвечающих потребностям современных цифровых технологий.

1．Организация дисциплины «Стилистическое постмашинное редактирование текста»

При подготовке программы дисциплины авторы изучили и проанализировали множество источников на русском и китайском языке, включавших научную литературу и статьи, которые затрагивали процесс обучения навыкам постмашинного редактирования перевода. Было установлено, что большая часть существующих исследований сосредоточена на ошибках и стратегиях англо-русского машинного перевода. Небольшое количество исследований было посвящено ошибкам и стратегиям перевода в рамках китайско-русского машинного перевода. Существует лишь несколько исследований, посвященных процессу обучения постмашинному редактированию китайско-русского перевода, а также типам ошибок, возникающих в процессе постмашинного редактирования, и методам их исправления. При этом в представленных исследованиях в основном использовались такие средства машинного перевода как Google Translate и Deepl Translator, в результате чего у данных исследований имеется единый объект, в то время как полученные результаты не имеют широкого применения. Поскольку разные языки имеют различные лингвистические характеристики, а разные системы перевода - разные характеристики перевода, типы ошибок в машинном переводе отличаются.

Программа обучения и профессиональной подготовки по данной дисциплине должна охватывать такие аспекты, как технологии машинного перевода, стратегии постмашинного редактирования перевода, лингвистические знания и т. д. Существуют некоторые исследования, в которых рассматривается отношение студентов к постмашинному редактированию перевода и их пользовательский опыт, а также способы разработки эффективных учебных программ по постмашинному редактированию ^[3]. Данные исследования стали источником важной информации о возможностях постмашинного редактирования при подготовке соответствующей дисциплины.

 «Стилистическое постмашинное редактирование текста» — это обязательный курс второго семестра для студентов магистратуры первого курса, который дает 2 кредита и подразумевает освоение программы в течение 72 академических часов (32 академических часа отводится на занятия лекционного типа и семинарского типа; 40 академических часов отводится на самостоятельную работу обучающихся).

Содержание дисциплины разделено на следующие модули:

1. Ознакомление с существующими программами машинного перевода, сравнительный анализ преимуществ и недостатков каждой программы;

2. Постмашинное редактирование перевода по теме «новости»;

3. Постмашинное редактирование перевода по теме «общественные тексты»;

4. Постмашинное редактирование перевода по теме «кулинария и ресторанное меню»;

5. Постмашинное редактирование перевода по теме «инструкции»;

6. Постмашинное редактирование перевода по теме «описание города»;

7. Постмашинное редактирование перевода по теме «деловая переписка».

Результаты обучения по дисциплине:

Итоговой экзамен по дисциплине проводится в форме зачета с соответствующими вариантами оценки: зачтено/ не зачтено.

2. Учебная платформа для дисциплины «Стилистическое постмашинное редактирование текста»

YiCAT (oфициальный сайт YiСat: https://www.yicat.vip)— это онлайн-платформа управления переводами, разработанная компанией Shanghai Yizhe Information Technology Co., Ltd. (Tmxmal), цель которой заключается в том, чтобы предоставлять пользователям более быстрые и эффективные решения по переводу и локализации. С момента своего запуска на платформе YiCAT поддерживается профессиональный уровень обслуживания, а также ведутся разработки новых решений в таких областях, как анализ многоязыковых больших данных, машинный перевод с применением искусственного интеллекта, обработка естественного языка, интеллектуальная обработка текста и обработка файлов в различном формате и т. д. Платформа YiCAT предлагает пользователям на выбор множество продуктов, включая групповую версию, корпоративную версию и университетскую версию платформы. Любую версию платформы можно бесплатно использовать по запросу, что очень удобно для пользователей. В результате проведенного сопоставления нескольких схожих платформ мы пришли к выводу о том, что YiCAT действительно является подходящим средством для преподавания и практики в рамках дисциплины постамашинного редактирования. Данная платформа подходит для преподавательской деятельности по переводу, основанной на реальных переводческих проектах, что позволяет преподавателям выполнять задачу по обучению наиболее качественно и системно, а также надлежащим образом воспитывать специалистов, сочетающих как языковые, так и необходимые технические навыки. Ключевые причины выбора данной платформы следующие:

1. Платформа практики перевода, идеально подходящая для студентов

Процесс перевода отображается визуально. Преподаватели могут в любое время проверять ход выполнения заданий учащихся. Они могут настраивать различные опции, такие как самостоятельная оценка студентов, взаимная оценка и оценка преподавателя, а также накапливать корпус перевода в процессе практики.

2. Интеграция нескольких систем машинного перевода

Платформа подключена к десяткам китайских и зарубежных систем машинного перевода, таких как Google и Baidu, между которыми происходит плавное переключение в процессе работы. На платформе поддерживается процесс редактирования машинного перевода, а также функция быстрого вызова средств машинного перевода для удовлетворения потребностей отдельных проектов и задач.

3. Глубокая интеграция технологий искусственного интеллекта

В сочетании с алгоритмами искусственного интеллекта платформа может автоматически наполнять перевод специальными отметками, автоматически оптимизировать результаты машинного перевода, а также интегрировать указанную терминологическую базу данных или базу памяти в результаты машинного перевода, позволяя пользователю удобнее внедрять перевод в работу.

4. Поддержка 30 основных форматов файлов

Платформа поддерживает 30 форматов файлов, таких как doc/docx, xls/xlsx, ppt/pptx, pdf, txt, html и т. д.

5. Наличие 46 языков

Платформа использует 46 языков, в том числе: китайский, английский, японский, корейский, русский, немецкий, испанский и португальский.

6． Сохранение формата файлов

Платформа поддерживает экспорт в 30 файловых форматов. Экспортируемое оформление и содержание остается неизменным, в то время как открытие и чтение документов становится более удобным для пользователя.

7. Сохранение записей перевода

Платформа сохраняет записи о сделанных переводах. При повторном скачивании не требуется дополнительная оплата.

8. Преобразование PDF-документов

На платформе поддерживается функция преобразования PDF в форматы Word, PPT и Excel с точным сохранением содержания и оформления исходного файла.

9. Упрощение процесса обучения и интегрированное управление

При помощи данной платформы преподаватель может объединять разработки учебных курсов и программ, формировать классы, подготавливать домашние задания и экзамены, осуществлять корректировку перевода, а также использовать иные функции. Все это позволяет сделать процесс обучения переводу проще, реализовать его в более замкнутом формате. Процесс управления выглядит следующим образом:

Максимальное количество студентов — более 500 человек; количество файлов в одном проекте — 300; количество предложений в одной базе памяти — 3 000 000; количество записей в терминологическом корпусе — до 1000.

Этапы обучения в рамках дисциплины «Стилистическое постмашинное редактирование текста»

1. Эффективное распределение учебных часов и разделение 16 занятий на пять этапов обучения.

Вступительный этап (1-я и 2-я недели обучения). Студенты знакомятся с процессом работы платформы YiCAT и средств машинного перевода, выполняют простые упражнения по машинному переводу новостных статей, а также выполняют редактирование машинного перевода. На этом этапе стоит задача дать студентам быстрее привыкнуть к применению платформы.  Предполагается, что студенты уже встречались ранее с новостными статьями во время обучения в бакалавриате. Независимо от того, практикуются ли студенты в аудировании или в чтении, большинство выбирает новостной стиль, который требуется при переводе новостных текстов.

Поскольку учащиеся только находятся на вступительном этапе дисциплины, чтобы уменьшить чрезмерную тревогу, связанную с обучением, преподаватель может снизить сложность заданий и дать задания для группового выполнения. Это также позволит студентам развивать навыки работы в команде.

Начальный этап (с 3-ей по 6-ю неделю обучения). Студенты уже знакомы с правилами использования платформы. Студенты могут попытаться перевести тексты базового характера, такие как общественные тексты или ресторанные меню. Тексты такого типа тесно связаны с жизнью студентов и достаточно просты с точки зрения грамматической структуры, что делает их умеренно сложными для перевода. Данный подход позволяет повысить интерес учащихся к редактированию машинного перевода.

Продвинутый этап (с 7-ой по 10-ю неделю обучения). Для того, чтобы осуществить плавный процесс обучения и постепенно повысить уровень сложности, на данном этапе происходит изменение содержания переводческих задач. В частности, происходит переход от перевода коротких общественных текстов к более длинным предложениям, представленных в инструкциях. При переводе инструкций машинный перевод имеет множество весомых преимуществ. Например, с помощью лингвистических корпусов или базы больших данных машина может точно подобрать нужный вариант перевода отдельных терминов, что значительно повышает эффективность работы переводчика.

Финальный этап (с 11-ой по 15-ую неделю обучения). После 10 недель обучения студенты могут перейти к практике перевода текстов различных стилей. К примеру, возможен перевод на тему городского описания или деловой переписки. Преподаватели проводят проверку окончательного перевода, после чего оставляют свои комментарии. Помимо этого, преподаватели осуществляют корректировки перевода, делают отметки и выбирают лучший перевод при помощи специальных инструментов на платформе. Во время обсуждения переводов в классе все студенты делятся своим переводом. Студенты суммируют виды ошибок машинного перевода и предлагают соответствующие стратегии перевода для каждого неправильного варианта. На основе определенных стратегий перевода студенты повторно просматривают переводы каждой группы и составляют отчеты, указывая на ошибки, возникшие после собственного редактирования машинного перевода.

В течение контрольного периода (16-я неделя) в конце семестра организуется устный и письменный экзамены.

Заключение

Инструменты перевода на основе применения искусственного интеллекта являются современным и быстрым методом перевода, повышающим эффективность работы переводчика. Однако у данного метода существует ряд определенных недостатков. В настоящее время постмашинное редактирование перевода особенно важно. При этом систематическое обучение стратегиям перевода и воспитание более развитого мышления у переводчиков, выполняющих постмашинное редактирование перевода, является еще более важной задачей^[4].

С помощью платформы YiCAT учащиеся могут проходить курсы постмашинного редактирования перевода, что значительно повышает эффективность их обучения и позволяет преподавателям в режиме реального времени отслеживать прогресс студентов, выполняющих задания. Помимо этого, на платформе происходит архивирование данных и коммуникация участников процесса обучения, что позволяет преподавателям проводить оценку результатов и успеваемости студентов в любое время. Данные о процессе обучения также позволяют проследить закономерности в приобретении учащимися знаний о переводе, что дает возможность преподавателям корректировать учебные материалы с учетом ошибок учащихся при переводе. Это значительно оптимизирует эффективность обучения. По сравнению с традиционными моделями обучения под руководством преподавателя, студенты чувствуют большее удовлетворение при использовании модели онлайн-обучения постмашинного редактирования, которая также повышает их чувство сопричастности. Таким образом, модель, применяющая сочетание машинного перевода и постмашинного редактирования, закладывает основу для развития специалистов в области перевода, требующихся в условиях новой эпохи.