Wat kan ik wat machinevertalingen zoals DeepL niet kunnen?

Als je zegt dat je vertaler van beroep bent, krijg je heel vaak te horen: “Oh, bestaat dat nog? Je hebt toch Google Translate en DeepL?” Jazeker bestaat dat nog. Een machine kan nog altijd niet wat ik kan.

Zeker, de technologische evolutie en dus ook de machinevertalingen gaan erop vooruit, maar zelfs de nieuwste vertaaltechnologie, Neural Machine Translation (NMT), geeft nog lang geen betrouwbare resultaten. Een baas van een groot vertaalbureau zei ooit: “In combinatie met een menselijke proeflezer, maar echt wel tot een aanvaardbaar resultaat.”

Aanvaardbaar resultaat vat precies samen waarom ik, vertaler Frans en Duits naar het Nederlands, nog geen schrik heb van machinevertalingen: het feit dat je als post-editor, zoals de proeflezer van machinevertalingen wordt genoemd, niet meer doet dan corrigeren van slechte vertalingen maakt dat ‘menselijke denkwerk’ en creativiteit geen kans krijgen. Het enige wat je doet, is er het beste van maken binnen de tijd die je krijgt.

Het feit dat machinevertalingen vertrekken vanuit het Engels zorgt er enerzijds wel voor dat de kwaliteit van de vertalingen van en naar het Engels verbetert, maar de andere talencombinaties blijven ondermaats, omdat ze altijd met Engels als tussentaal werken.

Dit verklaart ook waarom bepaalde talencombinaties zelfs niet worden aangeboden door bepaalde fabrikanten van MT-software. Zo biedt SDL Trados, de marktleider op de markt van vertaalsoftware, de talencombinatie Frans-Nederlands niet aan voor zijn nieuwe MT-technologie NMT 2.0.

Wil dit nu zeggen dat machinevertalingen compleet nutteloos zijn? Neen, absoluut niet. Als je snel een idee wilt krijgen over wat er bedoeld wordt, is DeepL zeker bruikbaar (DeepL geeft in elk geval betere resultaten dan Google Translate).

Maar opgelet! De gratis versies slaan de zinnen op in een cloud waardoor ze voor iedereen toegankelijk worden, laat staan GDPR-compliant zijn. Doe dit dus niet met vertrouwelijke informatie! Zo heeft een Scandinavische oliemaatschappij haar medewerkers verboden om DeepL te gebruiken omdat een vertrouwelijke overeenkomst volledig terug werd gevonden op Linguee, het vertaalplatform van de aanbieder van DeepL.

Er bestaat ook een betaalde versie: DeepLPro. Deze is voor vertalers beschikbaar als plug-in in Trados en MemoQ, maar ook hier blijven de vertaalresultaten bijzonder twijfelachtig.

Kleine bedenking van mezelf: Lingee, de bedenker van DeepL, beweert weliswaar dat ze van de betaalde versie geen vertalingen oplsaan, maar hier stel ik mij als vertaler toch vragen bij (hoe kunnen zij anders hun database verbeteren als de professionele gebruikers worden uitgesloten?). Dus een zekere terughoudendheid is geboden.

Ikzelf gebruik de MT-plugin van DeepLPro niet, precies omdat ik hierover mijn twijfels heb en omdat de resultaten zelden bruikbaar zijn. Dat was al zo tijdens mijn eerste test in 2017 ( De opvolger van Google Translate: de schrik van elke menselijke vertaler? ), maar ook de tests in 2018 en 2019 toonden niet echt beterschap.

Let op! Ik spreek hier over vertalingen van en naar het Duits, dus geen Engels.

Dit werd ook bevestigd tijdens de vertalersconferentie in Bonn waar ik een infosessie over trainbare machinevertalingen volgde: waar trainbare machinevertalingen, d.w.z. machinevertalingen die werken op basis van jouw eigen menselijk vertaalwerk, bijzonder goed scoorden op terminologieniveau, bleef DeepL hopeloos achter.

Maar ook hier was de gastspreker die tijdens deze infosessie de resultaten van een pilootproject rondom technische productbeschrijvingen en technologie presenteerde, overduidelijk: “ Let op. We hebben het hier enkel over de vertaalkwaliteit van terminologie van dergelijke programma’s, niet over de stijl, de context en alle andere moeilijkheden waar een menselijke vertaler mee geconfronteerd wordt binnen zijn vertaalspecialiteiten.”

Met andere woorden: deze systemen zijn volgens deze spreker slechts in staat om één fractie van het vertaalproces bij een bepaald soort teksten zo goed als perfect te vervullen.

In 2020 gaan wij deze evolutie verder opvolgen en de NMT van SDL Trados in de praktijk uittesten binnen het vertaalprogramma Trados voor de talencombinatie Duits-Nederlands (aangezien Frans-Nederlands niet wordt aangeboden kunnen wij deze talencombinatie dus niet testen). Wij overwegen ook om de trainbare machinevertalingen – dat wil zeggen machinevertalingen die werken op basis van eigen menselijk vertaalwerk – in beide talencombinaties uit te proberen.

U kunt nu denken “Wat heb ik daaraan?”. Maar u hebt daar wel degelijks iets aan. Als dergelijke tools ons typewerk uit handen nemen en fouten helpen voorkomen, is het best mogelijk – onder zeker voorbehoud – dat wij op termijn sneller kunnen leveren dan wat u nu van ons gewoon bent.

In dit artikel hebben we het over machinevertalingen en vertaalprogramma’s. Dit is niet hetzelfde. In tegenstelling tot machinevertalingen helpen vertaalprogramma’s de vertaler tijdens het vertalen. Vandaar ook de naam CAT-tools in het Engels: Computer Aided Translation Tools. Voor meer info hierover zie de blog “ Hoe werkt een professionele vertaler in de praktijk? ”.

Via plug-ins en functionaliteiten binnen de vertaalprogramma’s waar wij bij EP Vertalingen mee werken, zijn wel vormen van automatisatie beschikbaar, MAAR in geen enkel geval gaat het hier om machinale vertalingen.

Wilt u hierover meer weten, neem dan gerust contact met ons op.

Wilt u meer weten over waar het zo allemaal fout kan gaan bij machinale vertalingen? Lees dan mijn allereerste blog over dit thema: “ Wat kan ik met Google Translate niet kan? ”. Via het zoekvenster kunt u met de zoektermen Google Translate en DeepL alle artikelen die ik hierover geschreven heb nalezen.

Conclusie: neen, ik heb nog absoluut geen schrik voor de toekomst. En ook toekomstige vertalers die werken in mijn talencombinaties hoeven niet te vrezen (met Engels durf ik het niet te voorspellen om bovenstaande redenen).