Лексико-семантические ошибки в машинном переводе Рея Бредбери «451 градус по Фаренгейту»

Ошибки синтаксиса и грамматики в таких случаях возникают, как правило, из-за аномалий оптимальный выбор некоторых (одного или нескольких) параметров из набора, входящего в систему, программистом (изготовителем) [3]. В данной работе не рассматриваются ошибки, возникающие на этапе идентификации десигната, поскольку они не связаны с ошибками перевода (причины таких ошибок, например, различные орфографические ошибки и т. д.), ошибками, которые есть у лингвистического объяснения по поводу исследования. К слову сказать, окказиональные соответствия представляют собой весьма серьезную проблему, т. к. они практически никогда не разрешаются системой машинного перевода приемлемым образом, что может существенно исказить смысл выходного текста или полностью разрушить его, затрудняя при этом процесс кросскультурного взаимодействия [9], [12].лексические ошибки связаны с неправильным выбором вариантного соответствия: вместо использования существительногоТа же ситуация наблюдается при выборе переводного соответствия для многих других частей речи. Аналогичная проблема, только на уровне окказиональных соответствий, возникает в примере с многозначным глаголомКроме того,грубая ошибка допускается на этапе монограмматического анализа при переводе конструкции с двойным отрицанием. Как следствие этого на этапе трансформационного анализа и синтеза, а затем, и на этапе синтеза выходных словоформ и текста, вместо обычного глагольного отрицания, которое является простейшим решением проблемы, используется вариант со смещением функции подлежащего, что приводит к образованию некоего сложносочиненного предложения, разрушающего смысл текста.Кроме того, грубой ошибкой, допущенной на этапе трансформационного анализа и синтеза, является синтаксическая конструкция, предложенная системой электронного перевода, где формальное и реальное подлежащие разделены двумя придаточными предложениями, не являющимися однородными, вследствие чего предложение становится практически бессмысленным или довольно сложным для восприятия и понимания даже специалистом в данной области.Здесь же может демонстрироваться проблема перевода терминов, состоящих из нескольких словОшибки такого рода встречаются в переводах, выполненных машиной, довольно часто [6], [16]. Это, хотя и не влияет существенным образом на понимание выходного текста, может исказить его смысл в значительной степени.Однако примечательным является тот факт, что электронная переводческая система умеет опускать излишние уточнения, не искажая при этом смысла исходного текста. Такие преобразования, осуществляемые на этапе трансформационного анализа, облегчают восприятие информации.демонстрируется такое явление как отсутствие эквивалента перевода слов, что расценивается как лексическая ошибка. Такие слова – новые, отсутствующие в словаре системы машинного перевода – помещаются в выходной текст непереведенными, при этом не выполняется никаких лексических (транслитерация, транскрипция и т. п.) и прочих трансформаций. Однако такого рода лексика не влияет негативным образом на выполнение адекватного монограмматического анализа и, следовательно, не препятствует приемлемому переводу исходного текста.Примечательно, что специальные символы и т. п. обозначения переводятся без изменений [17], вернее, не переводятся вовсе, а помещаются в выходной текст в абсолютно идентичной формеТакие проблемы возникают вследствие того, что система электронного перевода не учитывает (и не может в полной мере) кон􏰀 текста.помимо лексических ошибок, которые уже упоминались выше, присутствуют ошибки, связанные с фразеологизма ми.Кроме того, определенную трудность для электронных переводческих систем представляют собой безличные предложения, а также класс местоимений, в частности, притяжательных и возвратных [7], [13]. Перевод осуществлен неверно по двум причинам: неправильное определение главного слова и неправильный перевод глагола в синтаксической функции сказуемого.Также значительный интерес представляют нижеследующие ошибки, возникающие, в основном, при работе динамического компонента системы машинного перевода на основе переводных соответствий.в оригинале получает в переводе синтаксическую функцию реального подлежащего, а не дополнения, как следовало бы. В итоге с грамматической точки зрения предложение является верным – подлежащее согласовано со сказуемым, но с точки зрения семантики – смысл искажается. Такого рода ошибки являются наиболее опасными, поскольку смысл в переводе не разрушается до полного его исчезновения, что является очевидным признаком наличия ошибки в тексте перевода, а лишь принимает иные очертания и ошибка может остаться незамеченной, оказывая существенное негативное влияние на кросскультурное взаимодействие в информационном поле [11].Таким образом, здесь же кроется еще одна типичная для электронных систем ошибка, которая обычно возникает на этапе трансформационного анализа и синтеза: машина не может преобразовать конструкцию с реально выраженным активным залогом, но имплицитно пассивным, в исходном тексте – в актуализованную пассивную конструкцию в тексте перевода.Как видно, существенную трудность для перевода представляют собой различные предлоги согласования, управления, подчинения и т. д., обладающие свойством многозначности. Проблему также составляют различные частицы, многие служебные слова, включая характерные только английскому языку (такие, как, например, артикли) и т. п.Очевидным фактом является ошибка, возникающая на этапе трансформационного анализа и синтеза. В результате на следующем этапе – синтеза словоформ и текста – нарушается порядок слов, что влечет за собой существенное искажение смысла, а в ряде случаев и полное его разрушение, как, например, в предложении (22). Это связано, прежде всего, с тем, что система машинного перевода на основе переводных соответствий не всегда может справиться с одной из принципиальных задач перевода, а именно, перехода от конструкции исходного языка к конструкции выходного языка, поэтому в тексте перевода появляются конструкции, характерные языку оригинала, но не языку перевода. Таким образом, существенно нарушаются нормы языка перевода, что свидетельствует о довольно низком качестве работы системы электронного перевода, тем более что в сочетании с другими ошибками, о которых говорилось выше, нарушается процесс кросскультурного взаимодействия и в информационном поле выходного текста как замкнутой семантикосмысловой структуры может вообще не существовать,Кроме того, при работе систем машинного перевода на основе переводных соответствий довольно часто обнаруживается еще масса других ошибок различного характера и различной «степени ухудшения» качества выходного текста.Стоит отметить, что в целом, программы-переводчики умеют строить осмысленные фразы, и за последние несколько лет разработок в этой области качество перевода улучшилось. Сегодня в стадии эксперимента находятся модели «третьего уровня», которые, в дополнение к грамматике и семантике, применяют также для синтеза перевода и фоновые знания кросскультурного характера, что позволит значительно приблизить качество машинного перевода к переводу человека.И все же компьютер еще плохо разбирается в грамматических нюансах и жаргоне. Вообще, полностью автоматизированный высококачественный машинный перевод следует, видимо, считать некоторым идеалом, подобно многим абстракциям науки.Вывод: В заключение мы хотели бы остановиться на возможных вариантах использования NMT для литературы. Автоматический перевод литературы может быть полезен не только для помощи профессиональным переводчикам литературы в сценарии постредактирования.Это также может помочь сделать почти неизвестные книги на иностранных языках мгновенно доступными в Интернете для читателей по всему миру, например. когда их переведут на английский. Издатели также могли бы использовать NMT для лучшего ознакомления с такими иностранными литературными произведениями и получения помощи в процессе выбора книг для профессионального перевода на другой язык, способствуя тем самым увеличению распространения высококачественных произведений среди разных языков и культур. Автоматический перевод прозы в сочетании с методами оценки качества машинного перевода также можно использовать для выявления сегментов, которые трудно перевести, или где существует большая вероятность ошибки переводчика. Литературные переводы редко вычитываются билингвами, скорее одноязычный редактор целевого языка редактирует перевод перед публикацией, в ходе которого существует риск внесения в текст ошибок. Мы утверждаем, что необходим более высокий уровень контроля качества художественного перевода, и системы NMT могут оказаться полезными инструментами для облегчения и ускорения этого процесса.Наконец, автоматический перевод может помочь изучающим иностранный язык с конкретными фразами, которые им трудно понять при чтении книги на указанном иностранном языке, и, таким образом, NMT может найти полезное применение и в изучении иностранного языка.Глава 2. Практические аспекты машинного перевода, его ошибки на примере произведения Рея Бредбери «451 градус по Фаренгейту»»общая информация о произведении«451 градус по Фаренгейту» — роман-антиутопия американского писателя Рэя Брэдбери, написанный в 1953 году. Этот роман, который часто считают одним из лучших его произведений, представляет собой американское общество будущего, в котором книги объявлены вне закона, а «пожарные» сжигают все, что находят. Слоган книги объясняет название как «температура, при которой книжная бумага загорается и горит»: температура самовоспламенения бумаги. Главный герой, Гай Монтэг, пожарный, который разочаровывается в своей роли цензуры литературы и уничтожения знаний, в конце концов бросает свою работу и посвятил себя сохранению литературных и культурных произведений.451 градус по Фаренгейту — это температура, при которой зажигается и горит бумага. Философская антиутопия Брэдбери рисует многообещающую картину развития постиндустриального общества: мир будущего, в котором специальная группа пожарных безжалостно уничтожает все письменные издания, а обладание книгами оценивается как интерактивное. телевидение успешно всех обманывает, карательная психиатрия решительно противостоит редким диссидентам, а охота на недобросовестных диссидентов идет с электрической собакой...В 1954 году Бредбери был награжден премией Американской академии искусств и литературы и золотой медалью Калифорнийского клуба Содружества за свою книгу «Оглядываясь назад». Роман был экранизирован несколько раз (фильм 1966 года и фильм 2018 года), а его премьера состоялась на BBC Radio 1 (1982). Сам Брэдбери адаптировал «Фаренгейт» к театральному сценарию «451 градус» и записал аудиоверсию книги, которая в 1977 году была номинирована на премию «Грэмми». Фаренгейт также участвовал в создании текстовой компьютерной игры 451. (1984), которая служит своеобразным продолжением романа.2.2. Лексико-семантические ошибки в машинном переводе Рея Бредбери «451 градус по Фаренгейту»Для анализа были взяты отрывки из произведения Рея Бредбери «351 градус по Фаренгейту». Перевод производился на основе сервиса GoogleTranslateи перевода выполненного переводчиком- человеком(Перевод: Т. Шинкарь). Оригинал GOOGLE Translate Переводчик “Whatincredible power of identification the girl had; she was like the eagerwatcher of a marionette show, anticipatingeachflicker of an eyelid, eachgesture of hishand, eachflick of a finger, the momentbefore it began. How long hadtheywalkedtogether? Threeminutes? Five? Yet how large that time seemed now. How immense a figure she was on the stagebefore him; what a shadow she threw on the wall with her slenderbody! He felt that if hiseyeitched, she mightblink. And if the muscles of hisjawsstretchedimperceptibly, she wouldyawn long before he would.”«Какая невероятная сила идентификации была у девушки; она была похожа на нетерпеливого наблюдателя за представлением марионеток, предвкушающего каждое движение века, каждое движение его руки, каждое движение пальца за мгновение до того, как оно начнется. Как долго они шли вместе? Три минуты? Пять? Но каким большим это время казалось сейчас. Какой огромной фигурой она была на сцене перед ним; какую тень она отбрасывала на стену своим стройным телом! Он чувствовал, что если его глаз чешется, она может моргнуть. И если бы мышцы его челюстей незаметно напряглись, она бы зевнула задолго до него».“Какой невероятной способностью перевоплощения обладала эта девушка! Она смотрела на него, Монтэга, как зачарованный зритель в театре марионеток, предвосхищала каждый взмах его ресниц, каждый жест руки, каждое движение пальцев.Сколько времени они шли рядом? Три минуты? Пять? Ивместе с тем как долго! Каким огромным казалось ему теперь ее отражение на стене, какую тень отбрасывала ее тоненькая фигурка! Он чувствовал, что, если у него зачешется глаз, она моргнет, если чуть напрягутся мускулы лица, она зевнет еще раньше, чем он сам это сделает.“Flowers, butterflies, leaves, sunsets, oh, hell! It's all in her file. I'll be damned.I'vehit the bullseye.Look at the sicklookon your face. A fewgrass-blades and the quarters of the moon. Whattrash. What good did she ever do with all that?" Montagsat on the coldfender of the Dragon, movinghis head half an inch to the left, half an inch to the right, left, right, leftright, left .... "She saw everything. She didn't do anything to anyone. She just let themalone." "Alone, hell ! She chewedaround you, didn't she? One of those damn do-gooders with their shocked, holier-than-thousilences, their one talent makingothersfeelguilty.”.«Цветы, бабочки, листья, закаты, о черт! Это все в ее файле. Будь я проклят. Я попал в яблочко. Посмотрите на больное выражение вашего лица. Несколько травинок и четверти луны. Какой мусор. Что хорошего она когда-либо делала со всем этим?"Монтэг сидел на холодном крыле Дракона, двигая головой на полдюйма влево, на полдюйма вправо, влево, вправо, влево вправо, влево.... «Она все видела. Она никому ничего не делала. Она просто оставила их в покое». «Одна, черт возьми! Она жевала вокруг тебя, не так ли? Одна из тех проклятыхблагодетелей с их шокированным, святым, чем ты, молчанием, их единственный талант заставляет других чувствовать себя виноватыми».“Цветочки, листочки, мотыльки, солнечныйзакат. Знаем, знаем! Все записано в ее карточке. Эге! Да я, кажется, попал в точку! Достаточно поглядеть на ваше потерянное лицо. Несколько травинок и лунный серп! Экая чушь! И что хорошего она всем этим сделала?Монтэг присел на холодное крыло «саламандры». Он несколько раз повернул своюодеревеневшую голову: вправо-влево, вправо-влево…— Она все видела. Она никому ничего не сделала. Она никого не трогала…— Не трогала! Какбы не так! А возле вас она не вертелась? Ох уж эти мне любители делать добро, с их святейшими минами, с их высокомерныммолчанием и единственным талантом: заставлять человека ни с тогони с сего чувствовать себя виноватым.”В первом отрывке из ошибок именно машинного перевода было найдено: непереводимость фразеологических оборотов( в то время как переводчик перевела, применяя синонимичную фразу в русском языке: движение века- взмах ресниц и так далее)). Строго сказать, были у переводчика- человека и замены и опущения, чего не было замечено при переводе машинном. Переводчик- человек и Google так же разнятся в числе существительных( Google,подобно оригиналу дал единственное число- веко, а переводчик- человек выбрал множественное- ресницы; так же словом пальцы). Google выбрал дословный перевод слова together-вместе, переводчик-человек же- рядом. В роде и падеже все согласовалось.Во втором отрывке ситуация была немного лучше- Google уже увидел некоторые фразеологизмы( I'll be damned. I'vehit the bullseye,перевёлправильно( попасть в яблочко), хотя переводчик- человек так же предложил хороший вариант перевода- попасть в точку. Единственное, что переводчик вместо выражения оригинала Будь я проклят брала другие выражения( замена), и так же были опущения и добавления( святейшими минами, хотя в оригинале и в переводе Google в этом отрывке не было о лице, одеревеневшаятак же, хотя не было в оригинале этого ). Так же есть несостыковки множественного и единственного числа(четверти Луны- лунный серп; виноватыми- виноватым). Так же замены слов у переводчика- автора(.бабочки у Google и мотыльки у переводчика- человека). Google дословно переводит слова, в том числе trash( в отрывке явно говорится не о мусоре).Так же было опущено местоимение его(his)При переводе предложения в past Simple переводят как Conrinious( сделала- делала). Разнится и перевод животного- ( Google Оставил Дракон, автор- человек- Саламандра). Так же переводчик Google перевёл неверно слово chewearound( вертетьсяоколо, а не жевать )Так же в тоже и падеже все согласовалось. Во всех двух отрывках не были переведены артикли. Рис. 1. Основные ошибки Таким образом, посмотрев на таблицу с переводами и Рис. 1– можно понять, что основными ошибками именно в машинном переводе были: дословный перевод, неумение переводить фразовые обороты, упущение местоимений. Менее распространенными подтипами лексических ошибок являются типы ложных друзей, неправильный выбор, типы на основе согласных, типы на основе гласных, неподходящие согипонимы и партнеры по предлогам. Остальные категории вообще не отображаются. Это тип суффикса, тип префикса, заимствование, чеканка, пропуск, чрезмерное включение, неправильный порядок, смешение, неправильные синонимы и произвольное сочетание. Из двух основных типов лексических ошибок формальные ошибки вызывают больше проблем, чем семантические.Google переводчик не так легко переводит морфологические знания, а не семантику. Google — отличный источник информации и знаний. Благодаря Google мы можем узнать и изучить все науки. Одним из инструментов Google, который помогает пользователям Интернета и широко используется, является Google Translate. Это потому, что Google переводчик представляет разные языки. Однако результаты Google Translate, как машинного переводчика, не совсем точны. Поэтому читателям, особенно пользователям, предлагается быть более корректирующими и осторожными при их принятии. В ходе этого исследования исследователь обнаружил еще одну проблему в переводе , который был переведен с помощью Google Translate. Другая возникающая проблема заключается в том, как пересмотреть результаты Google Translate, в которых много ошибок и которые все еще нуждаются в исправлении. ВыводПроцесс перевода трудоемкий и несколько сложный. В настоящее время машинный перевод является одним из самых популярных направлений в переводческой индустрии. Ведущие мировые компании работают над его развитием и усовершенствованием. Процесс перевода текстов с одного языка на другой уже сложно представить без систем машинного перевода, ведь такие системы помогают отличному переводчику. В данной работе рассмотрены основные методы и технологии реализации различных техник машинного перевода на примере переводчика Google и перевода человека. . Кроме того, при реализации методов машинного перевода, основанных на переводческих соответствиях, очень часто обнаруживается множество других ошибок разного характера и различных «дефектов» качества выходного текста. Стоит отметить, что системы-переводчики, как правило, способны развивать осмысленную лексику, а достижения последних лет в этой области позволили повысить качество перевода. Сегодня в стадии оценки находятся модели «третьего уровня», которые, помимо лингвистики и семантики, также используются для перевода и предпосылки синтеза кросс-культурных знаний, что сильно приведет к совершенствованию машинного перевода ближе к человеческая версия. И все же компьютер по-прежнему плохо понимает грамматические термины и выражения. В целом, кажется, что полностью автоматизированная технология высокого класса должна рассматриваться как своего рода идеал, как и многие абстрактные научные утверждения. На протяжении всей истории электронного перевода и сейчас некоторые ученые утверждают, что машинный перевод невозможен, потому что машина не может справиться с той или иной двусмысленностью, не может не полностью продумать контекст, потому что, нуждается в информации вне языка, не может делать логических выводов и так далее. При этом качество перевода можно повысить не только за счет редактирования исходного текста. Обычно при анализе перевода приходится выходить за пределы оригинала, чтобы, например, понять смысл и т. д., что, конечно же, является повторным переводом: редактируют не просто полученный текст, а основанный исключительно на данных одного текста (переведенного текста), но переосмыслив то, что движок вообще не мог обработать или допустил серьезные ошибки. В таком случае непонятно, зачем нужен сам машинный перевод в его нынешнем виде. Электронный перевод научно-технического текста имеет практически все вышеперечисленные проблемы, которые, как правило, возникают уже на этапе анализа единичной грамматики (или на динамической фазе процесса машинного перевода выполнения других вычислительных шагов на основе перевода). скрипты), их можно использовать скорректированными до того, как они появятся в выводимом тексте, и редактору не нужно выполнять операции перевода, т.е. рассказчик остается редактором, а не переводчиком. Для этого, на наш взгляд, требуется не традиционное редактирование текста перевода, которое традиционно используется при работе с электронными системами перевода, а предварительная обработка исходного текста перед его набором в процессе перевода или в область пространственных архитектурных данных.Список литературыАпресян Ю.Д. Лингвистический процессор для сложных информационных систем. – М.: Наука, 1992.2. Баранов А.Н. Введение в прикладную лингвистику. М., 2001.3. Белоногов Г. Г. Системы фразеологического машинного перевода политематических текстов [Электронный ресурс]. Режим доступа:http://www.a-z.ru/person/belonogov/index.htm4. Борисевич А.Д. Англо-русский автоматический словарь оборотов: (Кпроблеме идиоматичности при обращении текста в системе «человек- машина-человек»): автореф. дис. на соиск. учен. степ. канд. филол. наук: (10663)/ А.Д. Борисевич – Минск: БГУ им. В.И.Ленина, 1972.5. Зубов А.В., Зубова И.И. Основы искусственного интеллекта для лингвистов. М., 2007.6. Козеренко Е.Б. Глагольно-именные трансформации при англо-русском машинном переводе [Электронный ресурс]. Режим доступа: http://www.dialog-21.ru/digests/dialog2007/materials/html/43.htm7. Кулагина О. С. Исследования по машинному переводу. – М., 1979.8. Леонтьева Н.Н., Шаляпина З.М. Современное состояние машинного перевода // Искусственный интеллект. Справочник. Кн.1. Системыобщения и экспертные системы. - М., 1990.9. Мамедова М.Т. Машинный перевод. Эволюция и основные аспектымоделирования – Баку, 200610.Марчук Ю.Н. Основы компьютерной лингвистики. М., 2000. 11.Марчук Ю.Н. Проблемы машинного перевода. М., 198312.Машинный перевод и прикладная лингвистика. М., 1980.13.Нелюбин Л.Л. Компьютерная лингвистика и машинный перевод. М.,1991.14.Панич Ю. В. Предварительная идентификация неоднозначногоисходного текста и его перевод на другие языки с использованием системы согласованных словарей [Электронный ресурс]. Режим доступа: http://www.sciteclibrary.ru/rus/catalog/pages/9402.html15.Рябцева Н.К. Информационные процессы и машинный перевод. М., 1986.16.Семенов А.Л. Современные информационные технологии и перевод. М., 2008.17.Степанова Д.В. Лингвистические аспекты перевода на русский язык английских терминологических словосочетаний с использованием корпуса параллельных текстов. Мн., 2007.18.Шаляпина З.М. Текст как объект автоматического перевода. М., 1988.