Потенциал машинного перевода в медиадискурсе музеев: анализ современных браузерных систем

Потенциал машинного перевода в медиадискурсе музеев: анализ современных браузерных систем

Автор: Митягина В.А., Новожилова А.А., Наумова А.П.

Журнал: Вестник Волгоградского государственного университета. Серия 2: Языкознание @jvolsu-linguistics

Рубрика: Потенциал искусственного интеллекта в автоматической обработке естественного языка и машинном переводе

Статья в выпуске: 5 т.23, 2024 года.

Бесплатный доступ

Статья посвящена актуальным проблемам оптимизации нейронного машинного перевода, которые обусловлены включением многоязычия в функционал онлайн-ресурсов. Описаны результаты анализа машинного перевода англо-, немецко- и франкоязычного контента медиадискурса музеев на русский язык с применением встроенных браузерных систем от Яндекс, Google и Microsoft. Выбор фрагментов для сравнительного анализа осуществлялся с учетом рандомного предпочтения исходного языка пользователями. Определено, что функциональные возможности систем машинного перевода, оптимизированных нейросетевыми технологиями, в основном обеспечивают его денотативную эквивалентность, корректно передают большинство имен собственных и адекватно актуализируют значения лексических единиц с опорой на контекст. Выявлены ситуации, когда браузерные переводчики используют соответствия без учета контекста, лингвокультурной традиции, прагматического значения языковых единиц, что демонстрирует ограниченные возможности этих систем создавать адекватный, стилистически и дискурсивно оформленный перевод. Установлено, что наибольшую сложность представляет перевод изолированных номинаций (названий разделов, кнопок выбора языков и т. п.), что свидетельствует о высоком уровне задействованного в системах машинного перевода искусственного интеллекта, имитирующего человека в его обязательном стремлении получить контекст, актуализирующий значение слова. В.А. Митягиной предложена концепция работы и дана общая характеристика актуальных исследований нейросетевого этапа развития машинного перевода, А.А. Новожиловой проанализированы англо- и немецкоязычные публикации по машинному переводу и контент Пергамского музея, А.П. Наумовой - публикации на французском языке и контент Музея Орсе.

Еще

Нейронный машинный перевод, искусственный интеллект, многоязычие, браузерные системы автоматизированного перевода, медиадискурс музея

Короткий адрес: https://sciup.org/149147500

IDR: 149147500   |   DOI: 10.15688/jvolsu2.2024.5.7

Список литературы Потенциал машинного перевода в медиадискурсе музеев: анализ современных браузерных систем

  • Волкова И. Д., 2021. Постредактирование машинного перевода научной статьи // Homo Loquens: Вопросы лингвистики и транслятологии. Вып. 14. С. 13–25.
  • Денисова Д. С., 2018. Современные системы машинного перевода. Статический машинный перевод // Синергия наук. № 19. С. 1425–1434.
  • Дукальская И. В., Бараковская Е. В., 2022. Нейронные сети в машинном переводе // Инфокоммуникационные технологии. Т. 20, № 2 (78). С. 90–95. DOI: 10.18469/ikt.2022.20.2.10
  • Коканова Е. С., Поротова П. В., 2023. Автоматическая метрика оценка качества машинного перевода BLEU // Профессия переводчика: вызовы и перспективы. Вып. 2. С. 44–47.
  • Колин К. К., Хорошилов Ал-др А., Никитин Ю. В., Пшеничный С. И., Хорошилов Ал-й А., 2021. Искусственный интеллект в технологиях машинного перевода // Социальные новации и социальные науки. № 2. С. 64–80. DOI: 10.31249/snsn/2021.02.05
  • Кузнецова Э. В., 2020. Машинный перевод vs человеческий перевод с точки зрения передачи воздействующего потенциала рекламного банковского текста // Проблемы языка и перевода в трудах молодых ученых. № 19. С. 99–105.
  • Митягина В. А., Наумова А. П., Новожилова А. А., 2023. Транслатологическое обоснование создания многоязычных ресурсов Интернета // Вестник Волгоградского государственного университета. Серия 2, Языкознание. Т. 22, № 3. С. 5–18. DOI: https://doi.org/10.15688/jvolsu2.2023.3.1
  • Мурзабекова А. Р., Алиев З. Г., 2020. Машинный перевод: системы машинного перевода, их недостатки и преимущества // Инновационное развитие науки и техники: сб. ст. VI Междунар. науч.-практ. конф. С. 4–9.
  • Нарбут Е. В., Шерстнева Е. С., 2022. Машинный перевод vs. человеческий перевод: сравнительный метод // Вестник Северо-Восточного государственного университета. № 38. С. 20–27.
  • Раренко М. Б., 2021. Машинный перевод: от перевода «по правилам» к нейронному переводу // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6. Языкознание. № 3. С. 70–79. DOI: 10.31249/ling/2021.03.05
  • Castilho S., Doherty S., Gaspari F., Moorkens J., 2018. Approaches to Human and Machine Translation Quality Assessment: From Principles to Practice // Technologies and Applications. Springer. Vol. 1. P. 9–38. DOI: 10.1007/978-3-319-91241-7_2
  • Constantine P. 2019. Google Translate Gets Voltaire: Literary Translation and the Age of Artificial Intelligence // Contemporary French and Francophone Studies. Vol. 23, iss. 4. P. 471–479. DOI: 10.1080/17409292.2019.1694798
  • Eszenyi R., Bednárová-Gibová K., Edina R., 2023. Artificial Intelligence, Machine Translation & Cyborg Translators: A Clash of Utopian and Dystopian Visions // Orbis Linguarum. Vol. 21, iss. 22. P. 102–113. DOI: 10.37708/ezs.swu.bg.v21i2.13
  • Knaus Th., 2023. Künstliche Intelligenz und Bildung: Was sollen wir wissen? Was können wir tun? Was dürfen wir hoffen? Und was ist diese KI? Ein kollaborativer Aufklärungsversuch // Ludwigsburger Beiträge zur Medienpädagogik. Ausgabe 23. S. 1–42. DOI: 10.21240/lbzm/23/19
  • Krüger R., 2018. Mehrsprachigkeit im Licht der Maschinenübersetzung // Magazin Sprache. URL: https://www.goethe.de/ins/dk/de/spr/mag/21250571.html
  • Mityagina V. A., Volkova I. D., Walter S., 2022. Multilinguality of Digital Platforms as a Factor of Inclusive Growth in the Global Economic Space // New Technology for Inclusive and Sustainable Growth. Smart Innovation, Systems and Technologies / ed. by E. I. Inshakova, A. O. Inshakova. Singapore: Springer. Vol. 287. P. 267–276. DOI: 10.1007/978-981-16-9804-0_23
  • Popovich S. G., Bortnikov V. I., 2023. Machine Translation: On the Problem of Post-Editing // Язык в сфере профессиональной коммуникации: сб. материалов Междунар. науч.-практ. конф. (Екатеринбург, 20 апреля 2023 г.). С. 469–473.
  • Sennrich R., Haddow B., Birch A., 2016. Improving Neural Machine Translation Models with Monolingual Data. Edinburgh: School of Informatics University of Edinburgh. 245 p.
  • Strube J., 2023. Im Austausch mit künstlicher Intelligenz: Neues Forschungsprojekt rückt mehrsprachige Frage-Antwort-Systeme in den Fokus). URL: https://www.sitefusion.de/news/imaustausch-mit-kuenstlicher-intelligenz-neuesforschungsprojekt-rueckt-mehrsprachige-frageantwort-systeme-in-den-fokus/
  • Welnitzova K., Jakubickova B., Králik R., 2021. Human-Computer Interaction in Translation Activity: Fluency of Machine Translation // RUDN Journal of Psychology and Pedagogics. Vol. 18, № 1. P. 217–234. DOI: 10.22363/2313-1683-2021-18-1-217-234
  • Yonghui W., Schuster M., Chen Z., V Le Q., Norouzi M., Macherey W., Krikun M., Cao Y., Gao Q., Macherey K. et al., 2016. Google’s Neural Machine Translation System: Bridging the Gap Between Human and Machine Translation. DOI: 10.48550/arXiv.1609.08144
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp