Živobytí překladatelů ohrozí až vynález umělé inteligence
Instituce Evropské unie utratí ročně zhruba 1,1 miliardy eur za překlady a
tlumočení. V rámci unie totiž aktuálně existuje 506 možných jazykových
kombinací a s každým případným rozšířením se tato rodina o další desítky
kombinací rozroste. Kolem osmi set překladatelů a tlumočníků, kteří najdou
ročně práci při převodu dokumentů a jednání do mateřských jazyků členských
zemí, se zatím o svou obživu obávat nemusí. Jedním z principů unie je totiž
mimo jiné důraz na udržení národní identity přinejmenším na úrovni jazykové.
TAJNÉ SLUŽBY A SPOL.
Překladatele zatím neohrožují ani výsledky úsilí o dokonalý strojový překlad.
„Hrozivý“ optimismus amerických tajných služeb z poloviny minulého století, že
docílení plně funkčního řešení bez potřeby lidské revize je otázkou několika
málo let, vzal dávno za své. Počátkem studené války americká vláda investovala
do strojových překladů nemalé částky, aby CIA a dalším zpravodajským službám
ulehčila sledování Ruska a jeho satelitů. Povzbuzením byly úspěchy vluštění
kódovaných zpráv během 2. světové války, vznik informační teorie amerického
elektronického inženýra amatematika Clauda Shannona a spekulace o univerzálních
principech základů přirozených jazyků. Na mnoha amerických univerzitách byly
zahájeny výzkumy možností strojového překladu a již roku 1954 veřejně
představila první úspěchy společnost IBM spolu s univerzitou v Georgetownu.
Rané systémy spočívaly prvotně vrozsáhlých dvoujazyčných slovnících, které
nabízely k výrazům ve zdrojovém jazyce jeden či více ekvivalentů v jazyce
cílovém, a v základních pravidlech pro správný slovosled výsledného výstupu.
Brzy se však projevila omezení tohoto systému a začalo být zřejmé, že jazyk je
natolik složitým a komplexním mechanismem, že vyžaduje systematičtější metody,
jak analyzovat větnou stavbu. Vědci však postupně naráželi na sémantické
bariéry, znemožňující výraznější průlom, a tak optimismus upadal. V roce 1964
byl založen Poradní výbor pro automatické zpracování jazyků (Automatic Language
Processing Advisory Comittee), který o dva roky později dospěl ke „slavnému“
závěru: strojový překlad je pomalejší, méně přesný advakrát nákladnější než
práce lidského překladatele a vznik použitelného strojového překladače není v
nejbližší době uskutečnitelný. Zdroj peněz začal vysychat.
V 70. letech začaly strojový překlad poptávat nové subjekty, protože
administrativní akomerční nároky multijazyčných komunit a mezinárodního obchodu
zvýšily poptávku po překladech v Evropě, Kanadě a Japonsku nad kapacitu
zavedených překladatelských služeb. Cílem se staly stroji podporované
překladové systémy, jež by proces překládání zlevnily. Automatické systémy pro
překlad se poté začaly specializovat na úzce zaměřené oblasti – technické
manuály, zdravotnické formuláře a podobně – nebo sloužily jako levný a rychlý
prostředek hrubého překladu pro potřebu nadnárodních institucí, organizací a
společností. Příkladem budiž systém Systran, využívaný Evropským společenstvím,
NATO či firmou General Motors. Pro stolní počítače vznikaly první jednoduché
nástroje CAT (Computeraided Translation), dostupné širší překladatelské
veřejnosti, které pracují na základě vytváření databáze z překladů vytvořených
konkrétním překladatelem.
HYBRIDNÍ MODEL
Práci překladatelů zjednodušila možnost fulltextového vyhledávání napříč
internetem a již v roce 1997 spustila AltaVista svůj Babelfish – první
internetovou službu poskytující zdarma a v reálném čase strojový překlad obsahu
internetových stránek. Momentálně je nejdále vyhledávač Google. Jeho překladač
je podobně jako většina podobných nástrojů založen pouze na statistické metodě,
tedy pravděpodobnosti. Zjednodušeně řečeno, čím více vět obdobného charakteru
obsahuje databáze, tím pravděpodobnější je správnost výsledného ekvivalentu. Přestože
má Google přístup k ohromnému množství dat díky bilingvním korporátním i
institucionálním webům, která dokáže rychle nasávat a vytvářet na jejich
základě algoritmy, použití výsledného textu je stále omezeno spíše na základní
orientaci v překládaném textu a jeho využití jako finálního překladu je zatím v
nedohlednu. Možnou cestu do budoucna však představují takzvané hybridní modely,
na nichž je postaven například evropský projekt EuroMatrix. Jeho druhá vývojová
fáze s názvem EuroMatrixPlus byla zahájena letos na jaře v Praze. Účastníky
projektu jsou totiž mimo jiné Ústav formální a aplikované lingvistiky
Matematicko-fyzikální fakulty Univerzity Karlovy a česká překladatelská
agentura CEET. Statistika sice hraje v EuroMatrixPlus významnou roli, nicméně
je doplněná o lingvistická pravidla. Výsledek by tedy měl být kvalitnější.
„Zatím to tak ale není, Google má nepoměrně obsáhlejší databázi dat a
statistika díky tomu zatím lingvistiku hravě nahradí,“ popisuje dosavadní vývoj
ředitel společnosti CEET David Matuška. Jaký by měl být ideální výstup celého
projektu, který je zaměřen na překlady v rámci agendy Evropské unie? Na
překládaný text se nejprve nasadí překladový nástroj CAT. Ten určité segmenty
textu přeloží ve stoprocentní shodě s překladovou pamětí a na zbylý text se
nasadí strojový překladač. Poté nastupuje lidská korektura, případně
překladatel dopřeloží potřebné „zbytky“. Výsledek se „nalije“ zpátky do
databáze CAT a poslouží i ke zdokonalení nástroje pro strojový překlad. Hlavní
výhoda? Překlad se jednak zrychlí, podstatná je ale i potenciální úspora
nákladů, která by mohla činit 20 až 70 procent.
POČÍTÁNÍ VERSUS HRANÍ
Již vroce 2001 francouzský překladatel asoftwarový vývojář Yves Champollion
předpověděl, že budoucnost lidského překladu bude spočívat v korekci překladu
vyrobeného počítačem. „I když řídím překladatelskou firmu, vidím budoucnost v
tom, že se překladatelé postupně změní v editory,“ souhlasí Matuška. Přesto
existují oblasti, ve kterých budou jazykové schopnosti překladatelů od počátku
nenahraditelné. Beletrie, marketingové texty, ale i publicistika.
Champollion například porovnává překlad se třemi základními způsoby, jakými
lidé počítají: * Počítání: když máme spočítat 145 + 133, rozdělíme operaci do
dílčích, spočítáme a máme výsledek.
* Paměť: když máme spočítat 8 x 5, vybavíme si tabulku násobení a odpovíme
okamžitě. * Selský rozum: když máme říci, zda je 1 450 000 x 3789 více, nebo
méně než jedna, odpovíme více, aniž bychom počítali (počítač odpoví stejně, ale
nejprve provede početní operaci).
Šachový mág Garri Kasparov by jistě potvrdil, že počítače zvládají poměrně
rychle první a druhou metodu. Třetí metodu bychom mohli dle Champolliona
považovat za „pěknou a poetickou, nicméně neefektivní“. „To je ale zásadní
chyba. Všichni seriózní IT inženýři, kteří se vážně zabývají budoucností
počítačových možností, pracují právě na této třetí metodě,“ dodává Champollion.
Zatímco počítače šachy počítají, Kasparov je hraje. Zatímco počítače nikdy
„nepochopí“ význam, mohou do určité míry překládat. Protože ale překlad bez
pochopení významu často nedává smysl, bez lidské revize se stroje nikdy
neobjedou. Minimálně do té doby, než bude vynalezena umělá inteligence.
David Kasl
