عصر حذف انسان از ترجمه

به گزارش بی‌بی‌سی، این مثال بخشی از پرسشی بزرگ‌تر درباره آینده صنعت ترجمه است. ابزارهای هوش مصنوعی در سال‌های اخیر ترجمه را سریع‌تر و ارزان‌تر کرده‌اند و کیفیت خروجی آنها نیز به اندازه‌ای بهبود یافته است که در بسیاری از کاربردها دیگر نیازی به بازنویسی گسترده متن توسط مترجم انسانی نیست. با این حال، افزایش روزافزون استفاده از این ابزارها سبب بروز پرسشی می‌شود. اینکه آیا ترجمه ماشینی به اندازه‌ای دقیق شده که بتوان انسان را به‌طور کامل از این فرآیند کنار گذاشت؟

گوگل در آوریل اعلام کرد که کاربران ماهانه هزار‌میلیارد کلمه را با گوگل‌ترنسلیت ترجمه می‌کنند. این رقم، استفاده از ابزارهای دیگری مانند دیپ‌ال، مایکروسافت، کلود، چت‌جی‌پی‌تی و جمینای و همچنین سامانه‌های اختصاصی شرکت‌ها را در بر نمی‌گیرد. بی‌بی‌سی به نقل از Grand View Research همچنین ارزش فروش مستقیم خدمات ترجمه ماشینی را در سال پیش از انتشار گزارش حدود ۱.۴‌میلیارد دلار برآورد کرده و لازم به ذکر است که این رقم اشتراک عمومی ابزارهای هوش مصنوعی را شامل نمی‌شود.

کاهش هزینه ترجمه، استفاده از این فناوری را برای بسیاری از فعالیت‌ها توجیه‌پذیر کرده است. جان زیمرمن، بنیان‌گذار سازمان غیرانتفاعی سوئیسی OKA که مقالات ویکی‌پدیا را به زبان‌های دیگر ترجمه می‌کند، معتقد است در کاربردهایی مانند ترجمه اسناد داخلی شرکت‌ها یا فهرست محصولات، پرداخت هزینه‌ای چندین برابر برای اصلاح آخرین خطاهای باقی‌مانده لزوما منطقی نیست. در چنین مواردی، سرعت و هزینه کمتر ممکن است از دستیابی به ترجمه‌ای بی‌نقص اهمیت بیشتری داشته باشد.

این سازمان تاکنون بیش از ۱۰هزار مقاله منتشر کرده که بیشتر آنها به زبان‌های اسپانیایی، پرتغالی و انگلیسی ترجمه شده‌اند. در روش کاری آن، هوش مصنوعی پیش‌نویس ترجمه را تولید می‌کند و مترجم انسانی جمله‌به‌جمله آن را بررسی می‌کند. زیمرمن می‌گوید تولید چنین حجمی از ترجمه به روش سنتی ‌میلیون‌ها دلار هزینه داشت و بدون استفاده از هوش مصنوعی، دستیابی به این مقیاس امکان‌پذیر نبود.

با این حال، تجربه ترجمه مقالات دانشنامه‌ای تفاوت مهمی با ترجمه یک فهرست محصول دارد. ویکی‌پدیا بر اعتماد خوانندگان تکیه دارد و یک خطا می‌تواند برای سال‌ها در یک مقاله باقی بماند و بعدتر به منبعی برای روزنامه‌نگاران یا حتی سامانه‌های هوش مصنوعی تبدیل شود. از این منظر، پایین‌بودن هزینه ترجمه به‌تنهایی برای سنجش کیفیت آن کافی نیست و اهمیت خطا و پیامدهای احتمالی آن نیز باید در محاسبه هزینه نهایی لحاظ شود.

خطاهایی که دیده نمی‌شوند

با وجود پیشرفت ترجمه ماشینی، مترجمان حرفه‌ای معتقدند که کیفیت ظاهری متن برای کنارگذاشتن نظارت انسانی کافی نیست. مشکل زمانی جدی‌تر می‌شود که ترجمه‌ای روان و طبیعی، معنای نادرستی را منتقل کند؛ خطایی که ممکن است برخلاف اشتباهات دستوری، در نگاه نخست به چشم نیاید.

به گزارش بی‌بی‌سی، آریلا بالتیه، مترجم و متخصص ترجمه اسناد حقوقی، اخیرا با فردی مواجه شده که اسناد خود را با هوش مصنوعی ترجمه کرده بود و برای بررسی آنها به او مراجعه کرد. در همان ابتدای متن، دو خطای مهم وجود داشت. سامانه ترجمه، اصطلاح فرانسوی «Le demandeur» به معنای «خواهان» را به واژه‌ای انگلیسی با معنای «درخواست‌کننده» برگردانده بود که در متن حقوقی مناسب نبود. در نمونه دیگر، عبارت «Madame X, épouseY» که به همسر بودن خانم X اشاره دارد، به شکلی ترجمه شده بود که معنای ازدواج‌کردن او با Y را می‌رساند. در اینجا، اشتباه انتخاب یک واژه نامناسب نبود و به عبارت بهتر، ساختار و معنای عبارت تغییر کرده بود.

در ترجمه پزشکی، پیامد خطا می‌تواند از این هم جدی‌تر باشد. کارول برِیوِتِر، متخصص ترجمه پزشکی، از نمونه‌ای یاد می‌کند که در آن نماد یونانی μ به‌جای «میکرو» به «میلی» ترجمه شده بود. تفاوت این دو پیشوند در مقدار مورد اشاره هزار برابر است. بنابراین، چنین اشتباهی در متنی که به دوز دارو یا نتایج آزمایش مربوط می‌شود، نقصی زبانی نیست و می‌تواند پیامد عملی خطرناکی داشته باشد.

ماشینی قدیمی‌تر گاهی به دلیل جمله‌بندی مبهم یا خطاهای دستوری، تردید خواننده را برمی‌انگیختند اما متن روان‌تر ممکن است حتی در صورت انتقال معنای نادرست، معتبر به نظر برسد. در چنین شرایطی، بررسی تخصصی اهمیت بیشتری پیدا می‌کند.

داده‌های یک مطالعه با حمایت مالی ویکی‌مدیا نیز ابعاد این مساله را نشان می‌دهد. این بررسی ۱۱۹ مقاله را در ۱۰ جفت زبانی و با بیش از هزار ساعت کار مترجمان بررسی کرد. طبق توضیحات جان زیمرمن، ۲۷درصد متن‌های تولیدشده با هوش مصنوعی پیش از انتشار اصلاح شدند؛ سه‌چهارم این اصلاحات به خطاهای ایجادشده توسط هوش مصنوعی مربوط بود و ۵ تا ۶ درصد خطاها معنای متن اصلی را تغییر داده بودند. این نتایج نشان می‌دهند ارزیابی ترجمه ماشینی باید با توجه به کاربرد و پیامد خطا انجام شود. هرچه تصمیم‌های مهم‌تری به ترجمه وابسته باشند، اتکا به روان‌بودن خروجی یا کاهش هزینه به‌تنهایی دشوارتر خواهد بود.

هوش مصنوعی و زلزله در صنعت ترجمه

داده‌های ژاپن تصویر روشنی از فشار بر شرکت‌های سنتی ترجمه ارائه می‌دهد. طبق گزارش نیپون، شرکت ژاپنی پژوهشی Tokyo Shōkō Research عملکرد ۱۰۰ شرکت ترجمه ژاپنی را که نتایج آنها طی پنج سال مالی متوالی قابل مقایسه بود، بررسی کرده است. در سال مالی ۲۰۲۵، مجموع فروش این شرکت‌ها به ۳۹.۳‌میلیارد ین و سود خالص آنها به ۹۲۰‌میلیون ین رسید. مقایسه با سال مالی ۲۰۲۲ که فروش به اوج ۴۳.۵‌میلیارد ین و سود به ۳.۱‌میلیارد ین رسیده بود، نشان می‌دهد فروش ۹.۷درصد و سود خالص ۷۰.۷درصد کاهش یافته است. از میان ۱۰۰ شرکت، ۵۰ شرکت کاهش فروش و ۴۷ شرکت کاهش سود را گزارش کرده‌اند. در مقابل، ۳۲ شرکت افزایش فروش و ۳۵ شرکت افزایش سود داشته‌اند.

این ارقام حاکی از آن است که فشار فقط به کاهش فروش محدود نیست و افت سود بسیار شدیدتر بوده است. گزارش نیپون پیشرفت سریع ترجمه ماشینی، امکان ترجمه رایگان متون ساده و تشدید رقابت قیمتی را از عوامل اصلی این وضعیت می‌داند. با این حال، داده‌های موجود به‌تنهایی ثابت نمی‌کنند که هوش مصنوعی تنها عامل تمام این کاهش‌ها بوده است.

در مقیاس جهانی، گزارش «۲۰۲۵ Market Sizing: Year End Update» موسسه CSA Research (آرل لومل، دسامبر ۲۰۲۵) تصویر گسترده‌تری ارائه می‌دهد. بازار خدمات و راهکارهای زبانی از ۴۹.۶۸‌میلیارد دلار در سال ۲۰۲۳به ۵۰.۵۵‌میلیارد دلار در سال ۲۰۲۴ رسیده است؛ رشد اسمی ۱.۸درصدی که پس از تعدیل تورم به افت ۱.۱درصدی تبدیل می‌شود. برآورد اولیه CSA برای سال ۲۰۲۵ درآمد ۴۸.۶۷‌میلیارد‌دلاری را پیش‌بینی می‌کند؛ ۳.۷درصد کمتر از سال قبل. این موسسه افت تجمعی پنج‌ساله را بر مبنای دلار ثابت ۱۷.۵درصد برآورد می‌کند.

نکته مهم‌تر، تغییر ترکیب درآمد است. سهم ترجمه از کل درآمد صنعت خدمات زبانی از ۷۹.۳۶درصد در سال ۲۰۱۹ به ۴۷.۲۵درصد در سال ۲۰۲۴ کاهش یافته و CSA پیش‌بینی می‌کند این سهم تا سال ۲۰۲۶ به ۴۰.۰۶درصد برسد. این ارقام مربوط به سهم ترجمه از درآمد کل صنعت است و نباید آنها را با نرخ افت کل بازار یا کاهش فروش شرکت‌های ژاپنی یکی گرفت. CSA سه عامل اصلی را برجسته می‌کند. جایگزینی خدمات انسانی با ابزارهای ارزان هوش مصنوعی، بازنگری شرکت‌ها در تیم‌های بومی‌سازی و گرایش به پلتفرم‌های مبتنی بر هوش مصنوعی، و کاهش هزینه‌کرد در شرایط اقتصادی و سیاسی نامطمئن.

با این حال، CSA استدلال می‌کند توسعه راهکارهای محتوای جهانی و بازتعریف نقش تخصص انسانی در کنار هوش مصنوعی است. شرکت‌هایی که بتوانند سرعت و هزینه پایین هوش مصنوعی را با کنترل کیفیت انسانی و خدمات تخصصی ترکیب کنند، ممکن است موقعیت متفاوتی نسبت به شرکت‌های متکی صرف بر ترجمه عمومی پیدا کنند.

در نهایت، شواهد موجود پاسخ یکدستی به پرسش آغازین نمی‌دهند. ترجمه عمومی با فشار قیمت و کاهش نیاز به مداخله انسانی مواجه است؛ در مقابل، خطاهای حقوقی و پزشکی و تجربه سازمان‌هایی مانند OKA نشان می‌دهند که در کاربردهای حساس، بازبینی انسانی همچنان ارزش اقتصادی دارد. رقابت آینده فقط میان انسان و ماشین نیست؛ میان مدل‌های مختلف تولید و عرضه خدمات زبانی نیز جریان دارد.