Искусственный интеллект в переводе: сильные и слабые стороны

Бесплатный доступ

Достижения в области искусственного интеллекта (ИИ) значительно улучшили качество машинного перевода, в результате чего переводные тексты стали более точными и корректными. Однако открытым остается вопрос о том, способен ли ИИ полностью заменить переводчика-человека. Цель данного исследования - охарактеризовать адекватность выполненного с применением ИИ-перевода и определить его недостатки. Эмпирической базой послужил текст интервью В.В. Путина американскому журналисту Т. Карлсону от 9 февраля 2024 г. и его переводы на английский язык: официальный перевод, размещенный на сайте Кремля, и перевод, полученный нами с помощью платформы DeepL, которая на данный момент считается самым точным ИИ-переводчиком. В центре внимания были семантическая, грамматическая, стилистическая и прагматическая адекватность двух переводных вариантов. Сопоставительный анализ позволил выявить ряд ограничений нейронного машинного перевода, которые свидетельствуют о недостаточной способности ИИ делать правильный выбор среди значений многозначного слова, распознавать переносные значения слов, учитывать языковой контекст, адекватно интерпретировать фразеологизмы и находить им переводные соответствия, различать синтаксическую структуру предложений, выделять и учитывать эмоционально-экспрессивные и иные стилистические нюансы. Проблемой для создания адекватного перевода посредством ИИ остается игнорирование социокультурного контекста. Результаты исследования подтверждают необходимость постмашинного редактирования переводного текста. Они могут найти применение в нейролингвистике и способствовать совершенствованию нейронного машинного перевода.

Еще

Искусственный интеллект, нейронный машинный перевод, адекватность перевода, переводные соответствия, постмашинное редактирование, интервью

Короткий адрес: https://sciup.org/149148696

IDR: 149148696   |   УДК: 81’322.4.4:004.8   |   DOI: 10.15688/jvolsu2.2025.1.10

Текст научной статьи Искусственный интеллект в переводе: сильные и слабые стороны

ЙО

DOI:

Искусственный интеллект (далее – ИИ) активно проникает во все сферы современной жизни, ускоряя и совершенствуя деятельность человека, часто замещая его. Не остается в стороне от новых технологических прорывов сфера лингвистики и перевода (см., например: [Гарбовский, Костиковa, 2019; Koehn, 2020; Matusov, 2019; Wilken et al., 2020; Sharoff, 2022 и др.]), где ИИ открывает перспективы как для теоретических, так и прикладных исследований. Отдельной областью лингвистики стала нейролингвистика, а концептуализация ИИ в сознании людей и осмысление его роли в жизни общества обсуждаются в когнитивной, корпусной и медиалингвистике [Галички-на, 2024; Ilyinova, Kochetova, 2024].

Эффективным инструментом перевода стал нейронный машинный перевод (далее – НМП). Современные технологии совершили революцию в переводческой практике и активно эволюционируют, изменяя как восприятие перевода пользователями, так и концептуализацию перевода производителями и теоретиками [Gambier, 2019, p. 345]. Они развивают переводческую деятельность и переводческий рынок, а также предоставляют получателям перевода новые возможности для коммуникации и получения информации.

Среди преимуществ НМП очевидны следующие: быстрая скорость перевода и достаточно высокий уровень его эффективности, доступность и простотав использовании пере- водческих ресурсов, перевод на несколько языков одновременно. Кроме того, НМП открывает доступ к получению информации в самых разнообразных сферах – в науке, политике, медиа и др. Он продемонстрировал способность находить специализированные и точные переводные термины в соответствии с различными отраслевыми стандартами. Необходимо признать, что достижения в области искусственного интеллекта значительно улучшили качество машинного перевода, в результате чего переводные тексты стали более точными и корректными.

Самыми востребованными инструментами перевода, созданными на основе искусственного интеллекта, являются Google Translate, Yandex Translate, Reverso, Bing Microsoft Translator, DeepL Translate. На сайте переводческой платформы DeepL, которая позиционирует себя как «самый точный переводчик в мире» (DeepL), отмечается, что новые нейронные сети способны более точно передать смысл на целевом языке, а также находить более профессиональные формулировки. Разработчики видят свою задачу «в стирании языковых барьеров во всем мире и сближении культур» (DeepL).

Не вызывает сомнений, что переводческие технологии на базе ИИ расширяют границы коммуникативного пространства, делают доступными новые источники информации, стирают языковые барьеры и содействуют общению представителей различных лингво-культур. ИИ-перевод (термины ИИ-перевод и

НМП употребляются нами взаимозаменяемо), безусловно, эффективен при передаче информации, что особенно востребовано в сфере науки, технологии, бизнеса и др. – везде, где важны новые знания.

Здесь можно согласиться с идеей В.В. Сдоб-никова о том, что главная задача переводчика – «создать текст, который был бы полезен получателю в рамках осуществляемой им деятельности» [Сдобников, 2023, с. 77], а основная цель получателя перевода – «извлечь из текста информацию, полезную для осуществления предметной деятельности» [Сдобников, 2023, с. 77]. В этом случае вполне оправданной представляется и нейтрализация лингвокультурной маркированности, что необходимо, например, при создании многоязычных сайтов (см. об этом: [Митягина, Наумова, Новожилова, 2023]).

Однако коммуникация – это не только передача информации, это также и передача отношений, чувств, оценок и др., что чрезвычайно важно сохранить при переводе художественных текстов, кинофильмов, политического и медийного дискурса. В СМИ, которые выполняют как информационную функцию, так и функцию воздействия, большое значение имеет сохранение стилистических особенностей текста, его эмоциональных и экспрессивных нюансов, передача прагматических значений.

Для исследования мы выбрали интервью как один из жанров медийного дискурса, руководствуясь следующими соображениями. Во-первых, в интервью как жанре устной речи отражаются активные процессы современного русского языка, создающие ряд сложностей для перевода. Среди них называются общая тенденция демократизации языка, которая выражается как в функциональных изменениях лексических единиц, так и в структурных изменениях словосочетаний и предложений, тенденция к усилению субъектного аспекта содержания текстов в публичном общении, обнаруживающаяся в их сближении с оценочно-экспрессивно-эмоциональной разговорной речью, тенденция к интеллектуализации текста, предполагающая обращение автора к фоновым знаниям и др. (см. об этом: [Akimova, Bezkorovaynaya, Ionova, 2022, p. 205]). Во-вторых, хотя интервью определяется как «межличностное вербальное обще- ние для получения информации и производства нового знания в целях удовлетворения информационных потребностей общества» [Лукина, 2012], помимо информационной, оно выполняет и воздействующую функцию. В случае политического интервью воздействие оказывается и на третьего участника – аудиторию, часто с применением имплицитных средств, что также создает трудности при переводе. Нам было интересно проследить, как с подобными трудностями справляется НМП, и определить его слабые места. Мы попытались ответить на следующие вопросы:

  • 1.    Насколько точным является НМП?

  • 2.    Какие переводческие трудности ИИ не может преодолеть?

  • 3.    Способен ли НМП заменить переводчика?

Материал и методы

Эмпирической базой исследования послужил текст интервью В.В. Путина американскому журналисту Т. Карлсону от 9 февраля 2024 г. (13 749 слов) (Интервью...) и его переводы на английский язык: официальный перевод, выполненный переводчиком-синхронистом и размещенный на сайте Кремля (16 947 слов) (Interview...), и перевод, полученный нами с помощью платформы DeepL. Исходный текст (далее – ИТ) сопоставлялся нами с переводными текстами, выполненными профессиональным переводчиком (далее – П) и искусственным интеллектом (ИИ), которые даются в каждом примере после исходного текста.

В ходе анализа обращалось внимание на точность и адекватность (семантическую, грамматическую, стилистическую и прагматическую) двух переводных текстов и ставилась задача выявить и систематизировать переводческие неудачи НМП.

Результаты и обсуждение

Результаты сопоставительного анализа двух переводных текстов показали, что переводчик-человек более успешно справляется с трудностями перевода, чем НМП, который допускает неточности на разных уровнях языка – лексическом, фразеологическом, грам- матическом (синтаксическом), стилистическом, делает семантические, прагматические и иные ошибки. Далее мы представим основные из выделенных нами типов несоответствий и проиллюстрируем их примерами.

Лексико-семантические переводные несоответствия

Было замечено, что НМП дает буквальный перевод слов, которые в тексте оригинала употребляются в переносном значении, не принимая во внимание контекст их употребления, что приводит к существенному искажению смысла. Так, глагол заиграться (1) в значении «выйти за пределы дозволенного» ИИ переводит как play the game , что означает «поступать порядочно / честно, соблюдать правила, играть по правилам (здесь и далее при верификации лексических значений нами использовались словари, указанные в списке источников и словарей).

  • (1)    ...Они (поляки) заигрались и вынудили Гитлера начать Вторую мировую войну именно с них.

Перебить электорат (в значении «переубедить») (2) ИИ переводит как outbid , что означает «предложить более высокую цену (на аукционе)», то есть «перебить ставку». Переводчик подбирает адекватный вариант – dissuade this electorate («переубедить электорат»):

  • (2)    И «перебить» этот электорат, относившийся позитивно к России, было очень сложно.

П: And it was very difficult to dissuade this electorate, which had a positive attitude towards Russia.

ИИ: And it was very difficult to “outbid” this electorate, which had a positive attitude towards Russia.

Для перевода выражения влить в состав (3) ИИ использует прямое значение глагола лить и переводит эту единицу словом pour , в то время как имеется в виду «включить в состав чего-то»:

  • (3)    И, тоже по непонятным причинам... все это [территории] было «влито» в состав Украинской ССР...

П: And, again for some unknown reasons... they were made part of that Soviet Republic of Ukraine...

ИИ: And, also for unknown reasons... during the formation of all this was “poured” into the Ukrainian SSR...

ИИ не учитывает различий в объеме семантики слов. Так, при переводе глагола залезть (4), который в русском языке, в отличие от английского, может указывать на движение в разных направлениях (вверх, вниз, внутрь и др.), ИИ выбирает глагол climb , который означает движение вверх (например, залезть на дерево), в то время как в тексте речь идет о движении вниз – залезть на дно Балтийского моря , что создает комический эффект. Переводчик находит адекватное соответствие – sink to the bottom («погрузиться на дно»):

  • (4)    Потому что заинтересованных может быть много, но залезть на дно Балтийского моря и осуществить этот взрыв могут не все.

П: Because there may be many people interested, but not all of them are capable of sinking to the bottom of the Baltic Sea and carrying out this explosion.

ИИ: Because there may be many people interested, but not everyone can climb to the bottom of the Baltic Sea and carry out this explosion.

Как показал наш материал, у ИИ возникают проблемы с редкими терминами. Например, коренизация переводится при помощи калькирования korenization , в то время как переводчик предлагает соответствующий данному понятию английский термин indigenization :

  • (5)    Не только потому, что там были выходцы с Украины, в руководстве Советского Союза, но в целом была такая политика – « коренизация » она называлась.

П: It was not merely because the Soviet leadership was composed to a great extent of those originating from Ukraine. Rather, it was explained by the general policy of indigenization pursued by the Soviet Union.

ИИ: Not only because there were natives of Ukraine in the leadership of the Soviet Union, but in general there was such a policy – “ Korenization ” it was called.

Данный пример подтверждает мнение исследователей о том, что в словари нейрон- ных систем «не попадают лексические единицы, претендующие на терминологический статус или характеризующиеся низкой частотой в обрабатываемых массивах или корпусах текстов» [Беляев, Камшилова, 2024, c. 16].

Фразеологические переводные несоответствия

Еще бóльшую трудность вызывает перевод фразеологических единиц (далее – ФЕ), которые при отсутствии прямых соответствий также переводятся дословно, что не соответствует смыслу ИТ. Например, фразеологизм серая кошка пробежала (6), который означает «произошла неожиданная ссора, размолвка между кем-либо» (здесь и далее значения фразеологизмов уточнялись по фразеологическим словарям, указанным в списке источников и словарей), переводится буквально – “a gray cat ran”. Несмотря на то, что этот фразеологизм дан в кавычках, он вряд ли сможет донести до аудитории нужное значение, поскольку в английском языке подобная ФЕ отсутствует. Более того, в английской языковой картине мира серая кошка обладает позитивными характеристиками и символизирует независимость, свободу, защиту, духовное возрождение, интуицию, равновесие и надежду (https://www.storycenter. org/covid-stories-1//the-grey-cat). Переводчик, в отличие от ИИ, находит удачное переводное соответствие (a certain rift started growing between us букв.: «между нами начала расти трещина», то есть началось охлаждение отношений).

  • (6)    Больше того, я тоже уже говорил об этом публично – сейчас ельцинское время возьмем, – был момент, когда « серая кошка пробежала ».

П: Moreover, I have also said this publicly before (let’s look at Yeltsin’s times now), there was a moment when a certain rift started growing between us .

ИИ: Moreover, I have also said this publicly – let’s take Yeltsin’s time now – there was a moment when “ a gray cat ran ”.

То же и в примере (7), где использован фразеологизм хвосты заносить , означающий «угодничать, подхалимничать». Переводчик опускает данный фразеологизм, не находя для него переводного соответствия, в то время как

ИИ ошибочно переводит его глаголом tailspin , что означает «резко падать, терять контроль».

  • (7)    Но они приняли неправильное решение, теперь мы должны искать выход из этого неправильного решения, хвосты заносить , корректировать их ошибки?

П: However, they made the wrong decision and now we have to look for a way out of this situation, to correct their mistakes.

ИИ: But they made a bad decision, now we have to look for a way out of that bad decision, tailspin , correct their mistakes?

Еще одним примером (8) непонимания ИИ семантики устойчивых выражений является ФЕ и близко не было , которая в русском языке используется не для передачи пространственных отношений, а для усиления отрицания («абсолютно не», «решительно не», «совсем не» и т. д.). Однако при переводе ИИ актуализирует именно пространственные отношения, что приводит к нарушению логики.

  • (8)    Даже если мы вспомним, назад вернемся, 1654 год... там было три-четыре современные области Украины, никакого Причерноморья там и близко не было .

П: Even if we go as far back as 1654... that territory was the size of three to four regions of modern Ukraine, with no Black Sea region .

ИИ: Even if we remember back to 1654... there were three or four modern regions of Ukraine, there was no Black Sea region even close to it .

ИИ не понимает не только значения ФЕ в целом, но и значений отдельных его компонентов, что порой вызывает юмористический эффект. Так, ФЕ с барского плеча (9) переводится как from the shoulder of the bard (букв.: «с плеча барда»), то есть происходит смешение слов барин и бард . Переводчик в данном случае удачно переводит данный фразеологизм через его толкование generously bestowed :

  • (9)    И все, что Украина получила в подарок от России, «с барского плеча», она утащила с собой.

П: And everything that Russia had generously bestowed on Ukraine was “dragged away” by the latter.

ИИ: And everything that Ukraine received as a gift from Russia, “from the shoulder of the bard” , it took with it.

Смысловые несоответствия, обусловленные синтаксисом

Как показал наш материал, ИИ не справляется с переводом предложений, которые не вписываются в стандартную модель английского предложения: субъект – предикат – объект. Трудности вызывают неопределенно-личные предложения с опущенным подлежащим, которые характерны для русского синтаксиса. Возможно, при переводе таких предложений ИИ автоматически вставляет на свободное место близлежащее подлежащее, что часто приводит к полному искажению смысла.

Так, в примере (10) [ они ] добрались до Украины подменяется на «мы добрались до Украины» ( we have gotten to Ukraine ), в примере (11) [они] открыли двери Украине в НАТО – на «мы открыли двери Украине в НАТО» ( we opened the door for Ukraine to join NATO ). Примеры (10)–(11) показывают, что ИИ не способен охватить широкий контекст и ориентируется исключительно на ближайший языковой контекст, что приводит к синтаксической и смысловой дезориентации. Переводчик подобных трудностей не испытывает, его перевод логичный и адекватный.

  • (10)    И вот теперь перехожу к главному: добрались до Украины. В 2008 году на саммите в Бухаресте заявили о том, что двери для Украины и Грузии тогда в НАТО открыты.

П: And now I come to the main thing: they have come to Ukraine ultimately. In 2008 at the summit in Bucharest they declared that the doors for Ukraine and Georgia to join NATO were open.

ИИ: And now I come to the main point : we have gotten to Ukraine . In 2008, at the summit in Bucharest, it was declared that the doors for Ukraine and Georgia then to NATO were open.

  • (11)    Итак, в 2008 году открыли двери Украине в НАТО.

П: So, in 2008 the doors of NATO were opened for Ukraine.

ИИ: So, in 2008 we opened the door for Ukraine to NATO.

Еще одну трудность для ИИ создают предложения с пассивным залогом. Несовпадения в русских и английских конструкциях также приводят к непониманию ИИ субъектно-объектных отношений и, как следствие, к подмене субъектов. Так, в (12) Нами все вре- мя всех пугали ИИ переводит с противоположным смыслом – «Мы постоянно всех пугали»:

  • (12)    Нами все время всех пугали...

П: They have been scaring everyone with us all along...

ИИ: We were always scaring everyone...

Разговорный синтаксис усугубляет эту проблему. Характерный для него нетрадиционный порядок слов не укладывается в стандартные алгоритмы и не позволяет ИИ распознать структуру предложений, что приводит к неверной интерпретации смысла ИТ. Так, исходя из ИИ-перевода следует, что те, кто не признал госпереворот (на Украине) создали угрозу для Крыма (13), и мы (Россия) погрузили туда (в НАТО) и Прибалтику, и всю Восточную Европу (14).

  • (13)    В 2014 году... тех, кто не признал госпере-ворот, а это госпереворот, начали преследовать, создали угрозу для Крыма, который мы были вынуждены взять под свою защиту.

П: In 2014... they started persecuting those who did not accept the coup, and it was indeed a coup, they created a threat to Crimea which we had to take under our protection.

ИИ: In 2014... those who did not recognize the coup d’état , which was a coup d’état, began to be persecuted, created a threat to Crimea , which we were forced to take under our protection.

  • (14)    Сказали: ну на бумаге же не зафиксировали, поэтому будем расширять. Пять расширений, погрузили туда и Прибалтику, и всю Восточную Европу, и так далее.

П: They said, “Well, it’s not enshrined on paper, so we’ll expand.” So there were five waves of expansion, the Baltic States, the whole of Eastern Europe, and so on.

ИИ: They said: well, it was not fixed on paper, so we will expand. Five expansions, we loaded the Baltic States, the whole of Eastern Europe, and so on.

Стилистические несоответствия

Среди стилистических характеристик текста нами в первую очередь рассматривались эмоционально-экспрессивные и разговорные особенности ИТ и возможные способы их передачи в ПТ.

Эмоционально-экспрессивная окраска текста, как известно, представляет собой се- рьезным препятствием при переводе. В русском языке существует значительное количество эмоциональных и экспрессивных средств, отсутствующих в английском языке и являющихся непереводимыми. Особую группу, в частности, составляют многочисленные частицы, которые в разговорной речи передают различные смысловые и эмоциональные оттенки (же, ведь, уж, ну и, -ка, -таки и др.), для передачи которых в английском языке отсутствуют лексические средства, что создает большие сложности при переводе, которые труднопреодолимы как для переводчика, так и тем более для ИИ. Например, в (15) частица же усиливает значение глагола додуматься, что придает ему ироничное звучание и выражает осуждение. Переводчик, очевидно, не смог найти подходящее соответствие и воспользовался приемом опущения. ИИ предложил свой вариант перевода, в котором утрачены не только негативная оценка, но и смысл, поскольку осуществлена подмена субъектов.

  • (15)    Додумались же , довели до той ситуации, в которой мы находимся. Это не мы довели, а наши «партнеры», оппоненты до этого довели.

П: They have driven the situation to the point where we are at. It is not us who have done that, it is our partners, opponents who have done that.

ИИ: We came up with it and brought it to the situation we are in. It was not us who brought it about, but our “partners”, our opponents, who brought it about.

Переводческая ошибка в выборе субъекта, как нам представляется, произошла здесь из-за того, что в русском главном предложении отсутствует подлежащее, а в придаточном подлежащим является местоимение мы , которое, возможно, было автоматически перенесено на главное предложение. В результате [ они ] додумались же переведено как We came up with it (букв.: Мы придумали это). Как было показано выше, это достаточно распространенная ошибка, допускаемая ИИ при переводе неопределенно-личных предложений.

Пытаясь передать разговорную стилистику В.В. Путина, переводчик, в отличие от ИИ, ищет средства для сохранения данной стилистической особенности ИТ. Как видно в (16), непереводимую на английский язык лек- сическими средствами разговорную частицу же переводчик компенсирует менее формальным по сравнению с deceive («обмануть») глаголом trick («обхитрить, облапошить»).

  • (16)    Вы же нас обманули ...

П: You tricked us.

ИИ: You deceived us.

Созданию разговорного стиля способствуют ФЕ, игнорирование которых снижает данную стилистическую окраску. В (17) ИИ переводит эмоционально-экспрессивное выражение нас послали подальше («грубо отказали») более нейтральным we were sent away , которое, хотя и является компонентом идиоматических выражений, само по себе подобной окраской не обладает.

  • (17)    В конечно итоге нас послали подальше .

П: In the end they just told us to get lost.

ИИ: In the end we were sent away .

ИИ испытывает трудности в передаче эмоционально-экспрессивных оттенков текста. Он уступает переводчику при передаче интенсивности действия, которое в русском языке выражается разнообразными средствами. Так, в (18) существительное затягивание переводится двумя синонимами dragging и pulling. Однако лексема, выбранная переводчиком ( dragging ), представляется более удачной, так как называет действие, для осуществления которого требуется больше усилий, то есть отличается большей степенью интенсивности.

  • (18)    Потом затягивание в НАТО Украины. Это же все давление, давление.

П: Then, dragging Ukraine into NATO is all about pressure, pressure, pressure.

ИИ: Then pulling Ukraine into NATO. It’s all pressure, pressure.

В русском языке интенсивность действия / состояния / качества может передаваться через лексический повтор (очень-очень, сади-тесь-садитесь, красивый-красивый), что не характерно для английского языка. Переводчик, в отличие от ИИ, учитывает данные особенности и находит удачные замены. Так, в (19) для перевода нахваливали-нахваливали предлагается выражение lavish with praise («быть щедрым на похвалу»). ИИ дает дословный перевод was praised and praised, что расходится с английскими синтаксическими нормами и не отражает той степени интенсивности, которая содержится в русском тексте. Стоит отметить, что в ИТ (19) интенсивность передается как синтаксически – через повтор, так и лексически – при помощи лексемы нахваливать, являющейся более экспрессивной, чем хвалить (praise), что теряется в ИИ-переводе.

  • (19)    Нет, когда начались события в Югославии... До этого Ельцина нахваливали-нахваливали ...

П: Remember the developments in Yugoslavia, before that Yeltsin was lavished with praise ...

ИИ: No, when the events in Yugoslavia began... Before that, Yeltsin was praised and praised ...

Как было продемонстрировано ранее, в английском языке эмоционально-экспрессивные оттенки могут передаваться не только лексическими, но и грамматическими средствами, например, модальными глаголами, нетрадиционным употреблением глагольно-временных форм, инверсивным порядком слов и др. [Озюменко, 2015]. Данные способы передачи различных эмотивных значений грамматическими средствами требуют отдельного внимания переводчика, так как их учет помогает в поиске прагматических эквивалентов.

Например, в (20) эмоциональный акцент на уточняющем высказывании ( а Польша сотрудничала с Гитлером ) передается переводчиком при помощи нетрадиционного употребления вспомогательного глагола did ( it did collaborate with Hitler ), что позволяет сохранить тональность высказывания. Однако ИИ с такой задачей не справляется и предлагает буквальный перевод, не замечая при этом допущенной тавтологии ( Poland cooperated with Hitler, and Poland cooperated with Hitler ). Переводчику удается избежать повтора благодаря использованию синонимических глаголов cooperate , collaborate :

  • (20)    В 1939 году, после того как Польша по-сотрудничала с Гитлером, а Польша сотрудничала с Гитлером, и Гитлер предлагал... договор о дружбе и союзничестве...

П: In 1939, after Poland cooperated with Hitler – it did collaborate with Hitler, you know – Hitler offered Poland peace and a treaty of friendship and alliance...

ИИ: In 1939, after Poland cooperated with Hitler, and Poland cooperated with Hitler, and Hitler offered...

to make peace with Poland, a treaty of friendship and alliance...

С целью не допустить тавтологии переводчик, в случае невозможности подобрать синоним, прибегает к стратегии опущения, как например, в (21), где понимал и смыслил переводятся одним глаголом understood («понимал»). ИИ, который здесь так же не находит синонимической замены глаголу understand , употребляет его дважды:

  • (21)    Все он [Ельцин] понимал и все смыслил , я Вас уверяю.

П: He understood everything, I assure you.

ИИ: He understood and understood everything, I assure you.

То же и в примере (22):

  • (22)    ...Я разговаривал со своими, со своей командой.

П: ... I’ve talked to my team .

ИИ: ...I talked to my team, to my team.

Даже если в ИТ тавтология присутствует, переводчик старается устранить ее, осуществляя редакторскую правку. ИИ переводит текст буквально, не редактируя его. Как видим в (23), повторяющийся в русском тексте глагол втянуть передается синонимами – implicate , drag . В ИИ-переводе тавтология сохраняется ( dragged dragged ):

  • (23)    Не знаю, может быть, его втянули , кто-то мог втянуть его в это дело, может, он сделал все по неосторожности, по собственной инициативе.

П: Maybe he had been implicated in that, someone could have dragged him into that, maybe he did that out of carelessness, or on his own initiative.

ИИ: I don’t know, maybe he was dragged into it, somebody might have dragged him into it, maybe he did everything recklessly, on his own initiative.

Следует отметить, что речь В.В. Путина в данном интервью изобилует разговорными элементами, что в целом характерно для его публичных выступлений. Нам представляется, что данный риторический прием используется им целенаправленно для сближения с аудиторией и выполняет воздействующую функцию (см. о нем, например: [Ponton, Ozyumenko, Larina, 2023]). Результаты анализа показали, что данные стилистические осо- бенности вызывают серьезные трудности у переводчика и становятся непреодолимым барьером для ИИ.

Лингвокультурные особенности текста и прагматические несоответствия

Идея о том, что «перевод – это не только столкновение языков, но и столкновение культур» [Сдобников, 2019, с. 310], нашла подтверждение в многочисленных исследованиях показавших, что для адекватного перевода необходимо знание культуры, в том числе тех ее проявлений, которые находят воплощение в языке и коммуникации (см., например: [Ремчукова, Недопёкина, 2020; Koskinen, 2015; Nida, 1993; Ponton, Ozyumenko, Larina, 2023; и др.]).

Наш материал также продемонстрировал, что игнорирование культурного фона приводит к непониманию текста и является причиной различного рода ошибок, в том числе прагматических. Так, крылатое выражение интересное кино , которое вошло в разговорный русский язык из кинофильма «Иван Васильевич меняет профессию», используется для передачи удивления, недоумения и разочарования. Переводчик находит в английском языке разговорную фразу Oh, come on! , которое также содержит удивление и недоумение. Однако ИИ предлагает буквальный перевод – That’s an interesting movie! , что меняет смысл высказывания и не передает эмоцию, содержащуюся в ИТ.

  • (24)    Вот интересное кино! Мы так не договаривались.

П: Oh, come on! This is not how we agreed.

ИИ: That’s an interesting movie! We didn’t agree to this.

Неспособность учитывать социокультурный контекст осложняет и выбор лексико-семантического варианта многозначного слова. Так, вспоминая Эгона Бара, крупного политического деятеля Социал-демократической партии Германии, В.В. Путин называет его умным дедом (25). Переводчик успешно справляется с переводческой задачей, используя выражение old man («старый человек, старик») . Однако ИИ дает неуместный перевод и называет Эгона Бара дедушкой ( granpa ), что создает юмористический эффект:

  • (25)    Умный был дед. Его никто не послушал.

П: He was a wise old man , but no one listened to him.

ИИ: Grandpa was smart. Nobody listened to him

Юмористическому эффекту в данном переводе способствует и порядок слов. Поскольку ИИ настроен на традиционную модель английского синтаксиса, начинающуюся с подлежащего, он предлагает следующий перевод: Grandpa was smart. – Дедушка был умным.

Лингвокультурные особенности языка, которые, как и культурные различия в целом, являются многочисленными и трудно постижимыми, часто создают сложности не только для ИИ, но и для переводчика, что мы заметили в нашем материале. Так, поскольку местоимение второго лица you в английском языке, в отличие от русского, может обозначать как одного собеседника, так и группу лиц, к которой он принадлежит, в переводе местоимения вы на английский язык требуется уточнение – кто под ним подразумевается. В.В. Путин сам делает такое уточнение в своем высказывании:

  • (26)    Вы же нас обманули – я когда говорю «вы», не Вас лично имею в виду, конечно, а Соединенные Штаты.

Однако в (27) видим прагматическое непонимание (или его имитацию) нацеленное на юмористический эффект для повышения интереса аудитории. На вопрос Т. Карлсона Кто взорвал «Северный поток» ? В.В. Путин отвечает: Вы, конечно , сопровождая свой ответ смехом. Трудно судить, правильно ли был понят его ответ, однако невербальная реакция Т. Карлсона (выражение лица и глаз) свидетельствует о его явном недоумении. Его последующий ответ о своем алиби говорит о том, что он отнес (или сделал вид, что отнес) фразу В.В. Путина на свой счет (то есть вы было интерпретировано как ты ), что вызвало последующий комментарий ( Я был занят в тот день. Я не взрывал «Северный поток» ), после которого В.В. Путин поясняет, что он имел в виду не своего собеседника, а ЦРУ:

  • (27)    Т. Карлсон: Кто взорвал «Северный поток»?

В. Путин: Вы , конечно. (Смех.)

Т. Карлсон: Я был занят в тот день. Я не взрывал «Северный поток».

В. Путин: У Вас лично , может быть, есть алиби, но у CIA [ЦРУ] такого алиби нет.

П: Tucker Carlson: Who blew up Nord Stream?

Vladimir Putin: You , for sure. (Laughter.)

Tucker Carlson: I was busy that day. I did not blow up Nord Stream.

Vladimir Putin: You personally may have an alibi, but the CIA has no such alibi.

Данное недопонимание (или его имитация) обусловлено особенностями индивидуалистической я-культуры и коллективистской мы-культуры и, соответственно, я-идентичностью и мы-идентичностью их представителей [Ларина, Озюменко, 2016; Larina, Ozyumenko, Kurteš, 2017; Ponton, Ozyumenko, Larina, 2024].

Обобщая результаты исследования, можно сделать вывод о том, что ИИ, в отличие от переводчика-человека, пользуется не всем многообразием языка, а лишь его поверхностным срезом. У него нет инструментов для обработки всех контекстов, в которых функционирует язык. В итоге за пределами ИИ часто оказываются лексико-семантические варианты многозначных слов, их переносные значения, фразеологические выражения, эмоциональноэкспрессивные и стилистические нюансы, прагматические значения высказываний и др.

Более того, как справедливо отмечает И. Гамбье [Гамбье, 2016; Gambier, 2019], в переводе, осуществляемом при помощи современных технологий, язык воспринимается как статичный, а не динамичный, коммуникация рассматривается как простая последовательность информационных блоков, а не как процесс взаимодействия ее участников. Поскольку переводятся «не языки, а тексты, вписанные в определенную социально-культурную действительность» [Гамбье, 2016, с. 59], запрограммированность ИИ на систему языка не может обеспечить должную адекватность переводного текста. Для этого необходимы дополнительные языковые и социокультурные компетенции, которыми на данном этапе обладает только переводчик-человек.

Заключение

Несмотря на то что на сегодняшний день НМП является самой современной перевод- ческой технологией, он имеет не только преимущества, но и недостатки. Хотя ИИ может переводить быстро и достаточно точно, его результаты нуждаются в дальнейшем постмашинном редактировании человеком.

Проведенное исследование показало, что НМП допускает неточности как в выборе лексических эквивалентов, так и распознавании синтаксической структуры высказываний, что приводит к искажению смысла; демонстрирует нечувствительность к идиомам, эмоционально-экспрессивным нюансам, разговорному стилю, прагматике; игнорирует контекст. Он исходит из общих моделей, следует установленным правилам и имеющимся алгоритмам и не учитывает многообразия и сложности функционирования языка.

Таким образом, несмотря на очевидный прогресс в совершенствовании машинного перевода и повышении его качества, на данном этапе НМП не может полностью заменить переводчика-человека и нет уверенности, что когда-нибудь это станет достижимым. Как справедливо отмечает Г. Масси, в эпоху нейронного машинного перевода когнитивные способности переводчика-человека представляют собой «ключевую ценность» дополняющую искусственный интеллект, который не всегда способен себя реализовать [Massey, 2021, p. 37].

Выявленные нами ограничения в работе искусственного интеллекта на данный момент представляется для него непреодолимыми. Результаты исследования могут найти применение в нейролингвистике и намечают пути дальнейшего совершенствования нейронного машинного перевода.