Wat kan ik met mijn ervaring wat ChatGPT en Google Translate niet kunnen?
Hoe vaak hoor je niet dat vertalers overbodig worden? Er is nu immers Google Translate, DeepL en ChatGPT. Maar is dat ook zo, wordt mijn beroep overbodig, of kan ik toch nog wel het verschil maken met mijn ervaring, met mijn menselijke touch?
Hulpmiddel of afzetmiddel
Laat ik eerst één ding heel duidelijk stellen: ik veroordeel vertalers niet die gebruik maken van machinevertaalplugins als dat hun werk effectief versnelt en/of verbetert. Ieder vakgebied is anders en voor sommige soorten teksten en talencombinaties kan het misschien wel een meerwaarde zijn. Maar het is nog altijd de vertaler zelf die dat bepaalt. Een professionele vertaler kan het beste inschatten of zo'n tool voor jouw vertaalwerk handig is of niet. En tuurlijk heb jij het recht als klant om te vragen of er niets van de prijs af kan als er machinevertaling wordt ingezet. Tuurlijk mag je dat vragen. Ook bij mij. En in sommige gevallen zal ik je misschien ook gelijk geven en je bijvoorbeeld voorstellen om met een uurprijs te werken i.p.v. een vooraf vastgestelde prijs.
Maar lang niet altijd.
En daar zit hem het verschil met heel wat (grotere) vertaalbureaus: zij zullen je met krankzinnige kortingen maar wat graag over de streep trekken omdat er nu zoiets als 'machinevertalingen' bestaat. Maar of dat ook in jouw voordeel is?
Eigenlijk begint alles bij een verschil in visie bij de twee groepen:
“Een vertaler die machinevertaalsoftware gebruikt doet dat om een geheel andere reden dan een vertaalbureau dat doet.”
Een freelancevertaler zal een machinevertaaltool inzetten als hulpmiddel als hij denkt hiermee zijn productiviteit te kunnen verhogen, zonder dat dit ten koste gaat van de kwaliteit.
Een vertaalbureau echter gebruikt machinevertaalsoftware, hierna afgekort als MT-software, om sneller, maar vooral goedkoper vertalingen te kunnen leveren: kwantiteit gaat boven kwaliteit. Wil een vertaalbureau toch de schijn van kwaliteit nog hoog houden, dan zullen ze een extra fase in het vertaalproces inlassen: de Post-Editing Machine Translation, afgekort PEMT, of het ‘editen’ van machinevertalingen.
Maar dat editen van machinevertalingen wordt amper tot niet vergoed, waardoor vertalers zich niet de moeite troosten om dit grondig te doen. Bovendien is de kwaliteit van machinevertalingen soms zo slecht dat opnieuw vertalen de enige (of de snelste) optie is. Maar daarvoor word je als vertaler al helemaal niet betaald. Wat overblijft, is rommel waar hooguit even doorheen is gelezen.
Machinevertalingen en AI = gokwerk
MT-software en al helemaal AI werken op basis van frequentie en waarschijnlijkheid: als een term dus maar heel zelden in het corpora voorkomt in de betekenis die jij zoekt, dan vinden MT-software en AI geen passende vertaling. Omschrijven, wat een menselijke vertaler in dat geval zou doen als er geen woord voor bestaat, lukt MT-software en/of ChatGPT niet omdat die de zin niet begrijpt.
In het artikel 'Gedanken zur maschinellen Übersetzung' stelt de auteur en vertaler, Marc Prior, terecht dat het wel nog eens jaren zou duren vooraleer alle probleemgevallen zijn opgelost (m.a.w. voordat er voldoende hits in de corpora zitten), als het al ooit zou lukken….
Net zoals machinevertaling evolueert, evolueert ook taal, de maatschappij, de technologieën. Denk maar aan inclusiviteit, #metoo, woke…
Omdat een MT-software niet kan begrijpen, niet kan denken zoals mensen, heeft hij het ook heel erg lastig met onduidelijke formuleringen. Taal is nu eenmaal geen exacte wetenschap. Daarom kan je in mijn ogen bij een goede vertaling nooit 1-op-1 vertalen, en dat is nu net wat je bij machinevertalingen heel vaak ziet.
Geslachten is nog zo een thema waarvoor je de tekst moet begrijpen: in het Engels is het altijd ‘my cousin’ maar in het Nederlands ‘mijn neef’ of ‘mijn nicht’. Een menselijke vertaler leidt dat af uit de rest van de context maar MT-software kijkt (voorlopig) nog niet verder dan zinsniveau. Er wordt wel al geëxperimenteerd met MT die verder kijkt dan zinsniveau, maar dat is heel erg moeilijk want hoe weet de software waarnaar hij moet kijken? Bovendien geldt: hoe groter het fragment waarnaar hij moet kijken, hoe langer het duurt vooraleer hij een vertaling heeft. En laat snelheid nu net de grote troef zijn die MT-softwareontwikkelaars uitspelen.
Ook registers en stijl zijn een punt waar een MT-software het volgens dat artikel altijd zal laten afweten, want daarvoor moet je de tekst ‘aanvoelen’. Je moet weten waarvoor de tekst bedoeld is. Een inleiding van een tijdschrift moet catchy zijn en prikkelen. Een diepgaandere tekst over dat onderwerp moet dan weer een andere stijl hebben, die op zijn beurt kan afhangen van het doelpubliek. Als ik een boorddocument voor mobilhomes vertaal, dan schrijf ik anders dan wanneer ik een soortgelijke inhoud voor een garagemonteur vertaal.
Elke taal heeft ook andere nuances. Soms kom je vaktermen tegen waarvoor in jouw moedertaal gewoonweg geen woord voor bestaat. In de verpakkingsindustrie is dat bijvoorbeeld zeer vaak het geval bij transportbandsystemen. Devertaler gaat dan vaak omschrijven en zet bijvoorbeeld de letterlijke vertaling tussen haakjes zodat hij die in de rest van de tekst kan gebruiken om steeds die herhaling te voorkomen.
Soms moet een vertaler ook duidelijker zijn dan in het origineel, omdat de lezer het anders niet gaat begrijpen. Vaak komt hij aan die extra kennis door research of door navraag te doen bij de auteur, omdat hij het tijdens het vertalen zelf al verwarrend vond.
Dat zijn allemaal zaken wat een machine of robot niet kan en in mijn ogen ook nooit gaat kunnen.
Post-Editing Machine Translation: soms gaat opnieuw vertalen sneller
Als post-editor moet je bijzonder gefocust werken, misschien nog wel meer dan als vertaler. Veel van die zinnen doe je in je hoofd automatisch juist als je de zin from scratch vertaalt… Bij een machinevertaling moet je doorheen de reeds vertaalde tekst kunnen kijken en dezelfde redenering maken. Dat is een extreem moeilijk proces…
Ik ben er dan ook van overtuigd dat Post-Editing een vak op zich is. Ik heb het zelf nooit geleerd en ik waag mij er ook niet aan. Bovendien is de verloning voor PEMT-werk, wat hierboven al zei, vaak (maar niet altijd) bijzonder laag, dat een opleiding niet rendabel is.
En ook het omgekeerde is waar: je kan niet post-editen zonder een degelijke vertaalvaardigheid. Ik heb al verschillende ervaringen gehad met studenten die alleen maar met DeepL hebben leren vertalen. Als je aan hen vraagt een heel eenvoudige tekst zelf te vertalen, loopt het faliekant mis.
Bijvoorbeeld: research. Hoe pak je dat aan? Hoe zoek je op een efficiënte manier op het internet naar informatie? Als je met PEMT dezelfde kwaliteit wilt bereiken, moet je dezelfde research doen als bij een gewone vertaling.
Teufelskreis: de machine graaft zijn eigen graf
Marc Prior stelt in zijn artikel dat - omdat de PEMT niet correct verloond wordt en dus niet correct gebeurt - de kwaliteit er alleen maar op achteruit zal gaan:Slecht vertaalde corpora – omdat het post-editing niet grondig is gedaan of omdat de menselijke vertaler niet de juiste vertaalkwaliteit levert (er zijn heel wat hobbyvertalers, vertaler is helaas geen beschermd beroep) – geven slechte machinevertalingen. Resutlaat: de kwaliteit van de corpora wordt steeds slechter totdat ze uiteindelijk compleet onbruikbaar wordt.
Er is immers niemand die de kwaliteit van de corpora beoordeelt.
Sneller met machinevertaling?
Er wordt beweerd dat MT het vertaalproces zou versnellen: uit studies gebleken dat men 13 tot 86%
sneller kan
werken. Persoonlijk vind ik dat er te veel factoren zijn om hier echt een cijfer op te plakken. In het vakartikel kwam dit vanuit een ander standpunt – het standpunt van de vertaalbureaus – ook aan bod: vertaalbureaus gaan er vanuit dat
machinevertalingen minder werk vragen dan louter menselijke vertalingen (en gebruiken dat als argument voor een lager tarief). Maar
niets is minder waar:
“Als de MT-software 9 van de 10 zinnen goed vertaalt, dan is dat geen tijdswinst van 90%, want in de meeste gevallen is het net die ene verkeerd vertaalde zin die de menselijke vertalers het meeste hoofdbrekens kost.”
Bovendien – er zijn nog andere manieren om je productiviteit op te drijven buiten machinevertalingen, manieren die je als hulpmiddel in je vertaalproces kunt integreren zonder dat je het risico loopt geniepige fouten over het hoofd te zien. Uit onderzoeken is bijvoorbeeld gebleken dat je met
Dragon Naturally Speaking tot wel zes keer sneller kan werken.
In het vakartikel zegt Marc Prior ook dat precies deze ondernemingsstrategie van vertaalbureaus de ondergang van machinevertaling en PEMT zal inluiden: vertalers haken af en zoeken een andere job of weigeren PEMT-werk.
Wie dan nog overblijft, zijn vaak hobbyvertalers die niet de gewenste kwaliteit leveren en vertalers die zich er rap vanaf maken vanuit het standpunt: “Als ik hier niet correct voor betaald word, mag je van mij ook niet verwachten dat ik correcte kwaliteit ga leveren.” Het gevolg is de Teufelskreis, het begin van het einde.
