بهینه‌سازی فرآیند ترجمه با تخمین کیفیت هوش مصنوعی

AI (هوش مصنوعی) به‌عنوان ابزاری اساسی در فرآیند محلی‌سازی (localization) به کار گرفته می‌شود و تیم‌ها دیگر به این سوال نمی‌پردازند که آیا باید از ترجمه‌ی ماشینی یا مدل‌های زبانی بزرگ (LLMs) استفاده کنند، بلکه به چالش بزرگ‌تری مواجه‌اند: چگونه می‌توانند اطمینان حاصل کنند که کدام ترجمه‌ها برای انتشار مناسب هستند؟

تخمین کیفیت ترجمه (Quality Estimation یا QE) ابزاری است که بدون نیاز به ترجمه‌ی مرجع، کیفیت یک ترجمه را پیش‌بینی می‌کند. مدل‌های QE با خواندن جمله‌ی منبع و خروجی ترجمه‌شده، نمره‌ای را ارائه می‌دهند که تقریباً نشان‌دهنده‌ی قضاوت یک بازبین انسانی است. این ویژگی «بدون مرجع» به QE امکان می‌دهد تا در فرآیند تولید مفید باشد؛ به‌ویژه زمانی که ترجمه‌ی محتوای جدیدی انجام می‌شود که هیچ ترجمه‌ی انسانی ایده‌آلی برای مقایسه وجود ندارد.

استفاده از معیارهای سنتی مانند BLEU یا chrF معمولاً کافی نیست. این معیارها به مقایسه‌ی خروجی ماشینی با ترجمه‌ی انسانی می‌پردازند و در شرایط روزمره به مشکلاتی برمی‌خورند. به‌عنوان مثال، این معیارها به یک مرجع نیاز دارند و در صورت عدم وجود آن، نمی‌توانند به‌خوبی عمل کنند. همچنین، این معیارها ممکن است ترجمه‌های صحیحی را که از واژگان متفاوتی استفاده می‌کنند، تنبیه کنند.

برای ارزیابی کیفیت ترجمه، بهترین رویکرد ترکیب چندین لایه است. این لایه‌ها شامل بررسی‌های خودکار، تخمین کیفیت و ارزیابی انسانی هستند. لایه‌ی تخمین کیفیت به‌عنوان لایه‌ی میانی عمل می‌کند و به شناسایی بخش‌هایی که نیاز به توجه انسانی دارند، کمک می‌کند.

در عمل، دو رویکرد اصلی برای QE وجود دارد: مدل‌های QE آموزش‌دیده و قضاوت‌های مبتنی بر LLM. مدل‌های آموزش‌دیده مانند CometKiwi و xCOMET به‌سرعت و به‌طور مقرون‌به‌صرفه‌ای می‌توانند نمره‌دهی کنند. از سوی دیگر، قضاوت‌های مبتنی بر LLM به انعطاف‌پذیری بیشتری نیاز دارند و ممکن است هزینه و زمان بیشتری را به همراه داشته باشند.

برای پیاده‌سازی QE به‌طور مؤثر، مراحل مشخصی وجود دارد. ابتدا باید تعریف دقیقی از «کافی بودن» برای هر نوع محتوا داشته باشیم. سپس با انجام بررسی‌های قطعی، نمره‌دهی به هر بخش از ترجمه را آغاز کنیم و در نهایت، نتایج را با قضاوت انسانی کالیبره کنیم.

این برای مخاطبِ حرفه‌ای یعنی چه؟ تخمین کیفیت ترجمه به شما این امکان را می‌دهد که با استفاده از رویکردهای نوین، فرآیند ترجمه را بهینه‌سازی کرده و منابع انسانی را به‌طور مؤثرتر مدیریت کنید. با درک و اجرای این روش‌ها، می‌توانید کیفیت محتوای منتشرشده را افزایش دهید و ریسک‌های مرتبط با ترجمه‌های نادرست را کاهش دهید.