Elk jaar schrijf ik een blog over mijn ervaringen met machinevertalingen. Niet dat ik een voorstander ben van machinevertalingen, maar ik wil weten hoe het evolueert, of het mij ooit gaat vervangen. 

Neural Machine Translation (NMT)

Neural Machine Translation (NMT) is een vorm van machinevertaling waarbij gebruik wordt gemaakt van een groot artificieel neuraal netwerk om voorspellingen te doen over de waarschijnlijkheid van een sequentie van woorden.

Sinds enige tijd pakt het vertaalprogramma Trados Studio uit met de NMT 2.0. Het nadeel is echter dat dit maar voor een beperkt aantal talen beschikbaar is. Frans-Nederlands zit daar bijvoorbeeld niet tussen. Trados heeft zich vooral gefocust op alle talencombinaties met Duits en Engels wat betreft de ‘standaard’ talen, verder zijn het vooral de Chinees en Arabisch waar de nadruk op ligt.

Door corona is mijn doelgroep dit jaar volledig verschoven naar de Franse markt. De Duitse machinebouwers en de Belgische importeurs laten al maanden niet meer van zich horen. Daarom kon ik niet meteen een nieuwe test doen. Maar nu dient de kans zich toch aan, zij het wel met twee compleet andere soorten teksten dan diegene uit mijn vorige twee testen (zie De plugin van DeepLPro: machinevertaling een hulpmiddel of niet? (juni 2019) en Machinevertalingen: praktijktest 2 (oktober 2018)):

  • twee kleine gebruiksaanwijzingen voor reinigingsdoekjes
  • een contract voor een ‘Markenbotschafter’

Helemaal vergelijken met de twee vorige testen lukt dus niet, want toen ging het allebei om een handleiding voor een hoogtewerker, maar toch geeft het een goed beeld over de mogelijkheden en beperkingen.

Machine versus professionele vertaler

Wat bij de gebruiksaanwijzingen vanaf de eerste zin opvalt, is hoe letterlijk de NMT nog altijd blijft: alocholfreie Desinfektionstücher worden ‘niet alcoholische desinfecterende doekjes’.  Dit is al meteen een gevaarlijke insteker want ‘niet alcoholisch’ is idiomatisch gewoonweg niet correct. 

Een professionele vertaler zoekt het betreffende product op en gebruikt de vertaling/benaming die de fabrikant gebruikt. 

Wat bovendien ook opvalt, is hoe inconstistent de NMT is: Desinfektionstuch wordt in het enkelvoud ineens ‘desinfectiemiddel’.

Ook blijkt duidelijk dat NMT nog steeds niet is verbeterd op het vlak van interpreteren: mehr Sicherheit dank.. wordt gewoon ‘meer veiligheid dankzij’

Een professionele vertaler interpreteert en vertaalt ‘natuurlijker‘, d.w.z. zoals jij het zou zeggen: “veiliger dankzij” …

4-Felder-Test vertaalt hij dan weer wel correct als ‘4-veldtest’, alleen zal je als professionele vertaler altijd alles opzoeken om het te controleren en eventueel bij de EN-normen kijken naar de officiële vertaling. 

Een vertaler is iemand die een woord dat hij al kent in het woordenboek opzoekt

Het mag dan wel juist zijn in dit geval,
maar klakkeloos een machinevertaling overnemen zou ik nooit doen.

Het adjectief ‘materialschonend‘ vertaalt Trados als ‘materiaalbesparing’, terwijl een professionele vertaler kijkt naar de context en het vertaalt als ‘die het oppervlak niet aantast’. Ook ‘naar de afvalverwerking voeren’ is veel te letterlijk, om over ‘datum van inbraak’ (Anbruchsdatum) nog maar te zwijgen.

Conclusie: de NMT was voor meer dan 85% niet bruikbaar. Over een vertaling van 250 woorden deed ik 60 minuten. Dus zelfs als hulpmiddel – om productiever te zijn – was het nutteloos. 

Een ogenschijnlijk standaarddocument vertalen met machinevertaling

En dan nu de overeenkomst. Het betreft een samenwerkingsovereenkomst, dus op het eerste gezicht een standaarddocument, zou je denken. Dat was ook mijn idee toen ik met de vertaling startte. Ik verwachtte dan ook standaardformuleringen die NMT wel zou herkennen of die toch deels bruikbaar zouden zijn, zodat ik een tijdswinst zou behalen. Tijdswinst zou in dit geval betekenen dat ik over de vertaling van 1200 woorden minder dan 3 uur zou doen (voor meer informatie over vertaalsnelheid zie: Vertaalsnelheid: wat is haalbaar en wat is een mooi gemiddelde?)

Geen learning

Wat meteen opviel was dat de NMT van Trados – in tegenstelling tot de Muse van MemoQ die werkt op basis van je eigen vertaalgeheugen – niet leert: Markenbotschafter wat ik vertaalde als ‘merkambassadeur’ moest ik telkens opnieuw intypen. Toch best een lang woord. Een vertaalprogramma zoals Trados beschikt dan weliswaar over andere oplossingen om dit soort lange woorden voor jou te typen, maar dat is voor eenmalige vertalingen niet altijd praktisch. Dat is goed als je voor een bepaalde klant vaak dezelfde terminologie gebruikt.

Inhalt vertaalde Trados automatisch als ‘inhoud’ maar hier ging het om digitale content. Ook bij de vertaling van Schrift- und Textform sloeg de machinevertaling van Trados de bal compleet mis.

Uiteindelijk heb ik 2,5 uur over de vertaling gedaan. Dat is weliswaar iets korter dan gemiddeld maar in mijn ogen niet significant genoeg om dit toe te schrijven aan de NMT-functie.

Dit kan andere factoren hebben:

  • de aard van de tekst (vrij simpele formuleringen),
  • het vertaalgeheugen (sommige zinnen stonden zo goed als letterlijk in het vertaalgeheugen).

 

Conclusie: in beide gevallen viel het nut van de NMT tegen. Het is duidelijk dat het nut van NMT 2.0 in Trados heel tekstafhankelijk is. 

Ik zal niet beweren dat het in geen enkel geval bruikbaar is, de aard van de tekst maar zeker ook de talencombinaties spelen een grote rol. Ik heb het idee dat hij naar het Duits veel beter zal zijn, omdat Trados van Duitse makelij is. Ook voor Engelse vertalingen verwacht ik betere resultaten omdat machinevertalingen zich volledig focussen op Engels. Maar voor mijn talencombinaties Frans-Nederlands en Duits-Nederlands hoef ik me duidelijk nog lang geen zorgen te maken. Er is nog veel werk aan de winkel vooraleer machinevertalingen zo goed zijn als een menselijke vertaler.

 

Web Analytics