ПОСТРЕДАКТИРОВАНИЕ МАШИННОГО ПЕРЕВОДА С АНГЛИЙСКОГО НА КАЗАХСИЙ: СТРАТЕГИИ ПОВЫШЕНИЯ КУЛЬТУРНОЙ АДЕКВАТНОСТИ

Abstract

В статье рассматривается культурная адекватность машинного перевода с английского языка на казахский и стратегии постредактирования, необходимые для её достижения. В исследовании сопоставляются две системы нейронного машинного перевода (Google Translate и Яндекс Переводчик) и большая языковая модель ChatGPT. Материалом послужили 19 англоязычных предложений, содержащих культурно маркированные единицы пяти типов: бытовые и социальные реалии, идиомы, формулы речевого этикета, единицы измерения и форматы дат; проанализировано 57 переводов. Для каждого перевода определялись тип и степень тяжести культурно обусловленной ошибки; ошибочные переводы подвергались постредактированию с фиксацией применённого приёма. Google Translate и ChatGPT адекватно передали культурно маркированные единицы в 79 % случаев, Яндекс Переводчик — в 37 %. Наиболее частотной ошибкой оказалась неадаптированность единиц измерения и форматов, которую ни одна из систем не устранила последовательно. Наиболее серьёзными явились буквальный перевод идиом и формул этикета, а также подмена социальных реалий. Предложена схема соответствий типов ошибок и приёмов постредактирования: пересчёт единиц — для ошибок формата, казахский функциональный аналог или описательный перевод — для буквализмов, описательный перевод или транслитерация с пояснением — для непереданных реалий. Результаты показывают, что даже наиболее успешные системы не устраняют необходимости постредактирования человеком с учётом культурного контекста