Sodobne prevajalske tehnologije in prihodnost prevajalskega poklica Špela Vintar, Univerzav Ljubljani, Filozofskafakulteta, Oddelekzaprevajalstvo spela.vintar@ff.uni-lj.si IzvleËek Prispevek pregledno predstavlja podroËje sodobnih prevajalskih tehnologij in njihovega vpliva na profesionalno prevajanje.Vzadnjih letih se to namreËkorenitospreminjapod vplivomvse cenejšihin dostopnejšihstrojnihprevajalnikov,kijih uporabljamoza izdelavogrobegaprevoda,vloga prevajalcapaje.le« poprava takegaprevoda.Vprispevkupredstavimostrojnoprevajanje danesznajpomembnejšimi tehnologijamiin sistemi, nato pa se posvetimo naËinom, kakoprevajalniki spreminjajo klasiËne delovneprocese, poklicneprofile, pojem kakovostiin cenovno politikovprevajal­stvu.Vsklepnih odstavkih razmišljamoo prihodnostiprevajalskega poklicainpredlagamo nekajukrepov,s katerimibise bilo dobro odzivatina razvojne trende. KljuËne besede: strojno prevajanje, popravljanje strojnih prevodov, prevajalske tehnologije, pomnilnik prevodov, profil prevajalca. Abstract RecentTrendsinTranslationTechnologies and the Futureof ProfessionalTranslation The paper gives an overviewof the fieldof translation technologies and their impact onprofessional translation services. Through the pastde­cade this field has witnessed profound changes due to better and cheaper machine translation systems used to produce a raw translation, whiletheroleofthe human translatorisreducedto postediting.The paperpresentsthe state-of-the-artin machine translation technologies and systems,andthen describeswaysin which machine translation affects traditional workflows,professionalprofiles,the notionof qualityand the pricing policyin translation services.We conclude witha discussionofthe futureofthe translation businessand suggest certain measures to meet the new challenges and react to technological trends. Key words: machine translation (MT), post-editing machine translation, translation technologies, translation memory, translator profile. 1 UVOD Razvoj spletnih prevajalnikov,kotstaGoogleTranslateinBing Translator, je dodobra posegel v razmišljanje in vedenje upo­rabnikov spleta. Kljub šalam na raËun slabih prevodov so nam namreË danesspreprostim klikom na gumb prevedi dostopne vsebine, ki jih prej nismo mogli prebirati in ki jih po vsej ver­jetnosti tudi nikolinebi poslalivuradni Ëloveški prevod.a do nedavnega je veljalo, da so - z nekaj redkimi izjemami - strojni prevajalniki namenjeni obiËajnih uporabnikom,kiznji­hovo pomoËjo dostopajo do v njim nerazumljivih jezikih napi­sanih informacij, svet raËunalniških orodij za prevajalce pa se je vrtel okrog pomnilnikov prevodov. V zadnjih letih sta se tradicionalno loËeni veji stroj­nega in raËunalniško podprtega prevajanja moËno zbližali in celo prepletli, kar je korenito spremenilo prevajalski proces, s tem pa tudi poklicni profil preva­jalca.1 Obenem so se spremenili tudi prevajalski pro­ 1 Vprispevku dosledno uporabljamo moško obliko poklica prevajalec, pri Ëemer mislimo na prevajalke in prevajalce. jekti, saj vse pogosteje prevajalci nimajo veË opravka z besedili, temveË z jezikovnimi nizi, seznami besed in besednih zvez brez sobesedila, ki se v okviru ciljne aplikacije dinamiËno sestavljajo v vsebine. V prispevku najprej opišemo stanje prevajalskih tehnologij in njihovo razširjenost v praksi, pri Ëemer zaËnemo s strojnim prevajanjem in nadaljujemo s prevajalskimi namizji, ki klasiËni pomnilnik pre­vodov kombinirajo s strojnim prevajalnikom. Nato spregovorimo o popravljanju strojnih prevodov kot novemu tipu prevajalske naloge in predstavimo ne­kaj raziskav, ki se ukvarjajo z vprašanji uËinkovito­sti in kakovosti pri takem tipu prevajanja. Nazadnje prispevek poda vizijo nadaljnjega razvoja podroËja prevajalskih tehnologij in prevajalskega poklica. 2 STROjNO PREVajaNjEDaNES »e bi želeli celovito ponoviti zgodovino razvoja stroj­nih prevajalnikov od petdesetih let prejšnjega stoletja do danes, bi krepko presegli okvire tega Ëlanka. Po­novimo le, da so pri razvoju do konca osemdesetih let prejšnjega stoletja prevladovali na pravilih teme­ljeËi pristopi, med katere kronološko po vrsti prište­vamo neposredni pristop, vmesni jezik (interlingua) in transferni pristop, nato pa je konec osemdesetih let raziskovalna skupina IBM razvila statistiËni algo­ritem, ki je iz vzporednega korpusa Ërpal prav vse podatke in se torej ni opiral na slovarje in slovnice (Ney, 2005; Hutchins, 2007). 2.1 StatistiËno strojno prevajanje V drobovju statistiËnega prevajalnika sta prevodni in jezikovni model. Za prevodni model algoritem potrebuje vzporedna besedila v obeh jezikih, se pra­vi izvirnike in prevode, ki jih je mogoËe samodejno stavËno poravnati. Iz takšnega vzporednega korpusa besedil je za vsako besedo izvirnega jezika mogoËe izlušËiti niz najverjetnejših prevodnih ustreznic, in to brez da bi kar koli vedeli o obeh jezikih. »e si pred­stavljamo, da se v angleško­slovenskem vzporednem korpusu evropskih besedil v izvirniku nekajkrat po­javi beseda fishing, in Ëe smo že v fazi predobdelave vsakemu angleškemu stavku doloËili njegov sloven­ski prevod, lahko domnevamo, da se bo v naboru teh slovenskih stavkov dosledno pojavljala beseda, ki je prevod za fishing, denimo ribolov. Vsa takšna sopojavljanja se zapišejo v prevodni model kot ver­jetnosti, da se bo doloËena beseda prevedla s ciljno besedo, algoritem pa na podoben naËin obdela tudi verjetnosti veËbesednih enot (Och & Ney, 2004). Google je v svojih rosnih letih kot vir vzporednih besedil uporabil dokumente Združenih narodov, kmalu pa so njihovi pajki v svoje mreže potegnili tudi dokumente drugih veËjeziËnih tvorb, kot je EU, razliËne obstojeËe vzporedne korpuse in tudi veËje­ziËna spletišËa, za katera zna pajek hitro ugotoviti, ali gre resniËno za prevod ali zgolj za tujejeziËno pri­rejeno razliËico. »e bi imel prevajalnik na voljo le prevodni mo­del, bi se posamezne besede in besedne zveze sicer prevedle pravilno, a bi bila struktura ciljnega stavka še vedno tako rekoË identiËna izvirniku. Prav tako se prevajalnik samo na podlagi prevodnega modela tež­ko odloËa med razliËnimi oblikoslovnimi možnostmi prevoda: naj se red prevede kot rdeË, rdeËa, rdeËim, rdeËimi …? Da bi bil torej ciljni stavek kar najbolj podoben obiËajnim slovniËno pravilnim stavkom ciljnega jezika, ima prevajalnik na voljo še jezikovni model. Tudi ta se zgradi iz ogromnih koliËin bese­dil, le da je tu na voljo še bistveno veË virov, saj zanj teoretiËno lahko uporabimo kar vse spletne strani v ustreznem jeziku. Jezikovni model beleži verjetnosti pojavitve besednih nizov, dolgih navadno dve do pet besed, in tako lahko prevajalnik hitro ugotovi, da je v slovenšËini kombinacija rdeËih zastava bistveno manj verjetna kot rdeËa zastava. Ob tem velja poudariti, da je statistiËno prevaja­nje natanko toliko dobro, kolikor sta dobra prevodni in jezikovni model. Pri tem ni pomembna le koliËina besedil, temveË tudi njihove kakovost, strokovnost, slog in terminološka doslednost; poslediËno lahko iz manjše koliËine visoko specializiranih besedil za doloËeno podroËje zgradimo boljši prevajalnik kot iz velike koliËine splošnih besedil. 2.2 Hibridni modeli Tako na pravilih temeljeËe prevajanje (RBMT) kot statistiËno strojno prevajanje (SMT) imata svoje po­manjkljivosti, ki jih je težko rešiti v okviru posame­zne od obeh razvojnih vej. Tako raziskovalci ugotav­ljajo (Uszkoreit, 2009), da so obiËajne težave sistemov RBMT predvsem: • nezadovoljivo razdvoumljanje, izbira besedišËa, slogovna in zvrstna ustreznost, • nezadovoljivo ravnanje v primeru vrzeli v besedi­šËu in slovniËnih pravilih. Razvoj sistemov SMT je sicer bistveno cenejši, vendar so tudi ti s samo statistiËnimi algoritmi prišli do težko premostljivih ovir: • nezadovoljiva obravnava vseh slovniËnih poja­vov, ki presegajo okvir posamezne fraze: svobod­ni besedni red, oddaljene slovniËne odvisnosti, elipse, kompleksne slovniËne strukture itd., • nezadovoljivo reševanje vrzeli v uËnih podatkih. Tako ni presenetljiva misel, da bi bili sistemi RBMT boljši, Ëe bi upoštevali verjetnost posameznih jezikov­nih enot, in sistemi SMT boljši, Ëe bi poleg verjetnost­nih modelov uporabljali še slovniËna pravila. Hibri­dni sistemi se danes razvijajo na oba omenjena naËina, se pravi izhajajoË iz RBMT z dodajanjem statistike in izhajajoË iz SMT z dodajanjem pravil, številne raziska­ve pa so bile opravljene v okviru evropskih projektov Euromatrix in Euromatrix Plus (Eisele idr., 2008).2 Morda je z vidika profesionalnega prevajanja še najpomembnejša novost, da so hibridne sisteme 2 http://www.euromatrix.net in http://www.euromatrixplus.net. zaËeli ponujati tudi številni komercialni ponudniki strojnega prevajanja, denimo Asia Online, Systran, LinguaSys, ti pa uporabnikom obenem ponujajo tudi prilagajanje sistema njihovim potrebam in be­sedilom. To je nadvse pomembno, saj prevajalska agencija za svoje delo veËinoma ne more in ne sme uporabljati Googlovega prevajalnika. Tudi Ëe bi jo namreË zadovoljila kakovost Googlovih prevodov, si spletni prevajalnik shranjuje vsa besedila, kar za veËino naroËnikov pomeni kršitev varovanja osebnih podatkov in poslovnih skrivnosti. Po drugi strani komercialni ponudniki uporab­nikom zagotavljajo, da bodo prevajalnik .nauËili« na njihovih besedilih; tako nastali sistem se ob do­volj veliki koliËini uËnih podatkov dobro odreže pri prevajanju strokovne terminologije in ustaljenih fraz, ker pa ima za osnovo še vedno statistiËni sistem, rado prihaja do napak pri daljših in kompleksnejših povedih. INTEGRacIja STROjNIH PREVajaLNIKOVVORODja Za Ra»UNaLNIŠKO PODPRTO PREVajaNjE Orodja za raËunalniško podprto prevajanje (Compu­ter­Aided Translation, CAT) so se razširila v devetde­setih letih in so danes osnovna programska oprema vsakega poklicnega prevajalca, ki se redno sreËuje s tehniËnimi prevodi. Glavna komponenta takšnega programa ‡ pravimo jim tudi prevajalska namiz­ja ‡ je pomnilnik prevodov, ki prevajalcu omogoËa shranjevanje že prevedenih enot in njihovo ponovno uporabo pri nadaljnjih prevajalskih projektih. Gre za podatkovno zbirko prevodnih enot, navadno povedi ali krajših delov besedila, ki so v izvirniku in prevo­du shranjeni v pomnilnik in so ob morebitni pono­vitvi enakega ali zelo podobnega dela besedila na razpolago za ponovno uporabo. Po ocenah zadnje veËje raziskave o rabi preva­jalskih tehnologij, v kateri je sodelovalo prek 500 prevajalcev iz 52 držav sveta (Torres Dominguez, 2012), jih okrog 70 odstotkov uporablja prevajalska namizja, z njimi pa prevedejo med 75 in 99 odstotki vseh prevajalskih projektov. Najbolj razširjena orodja so SDL Trados, MemoQ, Wordfast, DejaVu, OmegaT in SDLX. Prevajalsko namizje je nepogrešljivo pred­vsem pri prevajanju ponovljivih in formaliziranih besedil, kot so navodila za uporabo, tehniËna do­kumentacija proizvodov, pravna besedila, vmesniki programske opreme razliËnih elektronskih naprav ipd. Pri tovrstnih besedilih se namreË pojavljajo ti­piËne strukture (»e želite vkljuËiti X, pritisnite tipko Y), ki se v enaki ali podobni obliki ponavljajo bodisi v okviru istega besedila bodisi v naslednjem sorodnem projektu. Zaradi prihranka Ëasa, ki ga prinaša opisana re­ciklaža prevodov, se je spremenilo tudi obraËuna­vanje prevajalskih storitev, pri katerih se uporablja pomnilnik prevodov. Splošno razširjeno pravilo je, da se za besedilne segmente, za katere je program v bazi našel identiËen že prevedeni segment, zaraËuna 30 odstotkov celotne cene, za delne oz. meglene za­detke, ki so izvirniku podobni od 70 do 95 odstotkov, se zaraËuna 70 odstotkov cene, za dele, pri katerih v bazi ni uporabnega zadetka, pa naroËnik plaËa polno ceno prevoda. V nekaterih primerih se uporablja še bolj podrob­no razdeljena tarifna shema, vËasih pa naroËniki prevajalcem izrecno prepovedo spreminjanje stood­stotnih zadetkov iz baze. To še posebej velja takrat, kadar pomnilnik prevodov vsebuje uradno potrjene in pregledane prevode, ki zagotavljajo terminolo­ško in slogovno doslednost. Prevajalska namizja so opremljena s funkcijo, ki primerja novo besedilo z obstojeËo bazo in pomaga pri izdelavi predraËuna za prevod. Skoraj vsa od prej omenjenih prevajalskih namizij danes omogoËajo vkljuËitev strojnega prevajalnika v namizje, tako da prevajalec lahko uporablja tako po­mnilnik prevodov kot strojni prevajalnik v skupnem okolju. Številna orodja omogoËajo integracijo plaËlji­vega vtiËnika za Google Translate API, podpirajo pa tudi uporabo drugih, ne nujno spletnih, prevajalnikov. Takšno rešitev od letošnjega leta uporablja tudi najveËja prevajalska služba na svetu, Generalni di­rektorat za prevajanje Evropske komisije (DGT), ki zaposluje okrog 2.500 prevajalcev in letno prevede prek osem milijonov strani. Delovno okolje tamkaj­šnjih prevajalcev je SDL Trados Studio, prek kate­rega prevajalci dostopajo do zadetkov iz skupnega pomnilnika prevodov Euramis. Kadar niti Euramis niti druge interne baze Evropske komisije ne vsebu­jejo enakega ali podobnega segmenta, se ta prevede s prav za potrebe DGT razvitim statistiËnim strojnim prevajalnikom MT@EC. Da prevajalec ve, da ima pred seboj strojni prevod, je ta v okolju SDL Studio oznaËen s sivo barvo. Ko prevajalec pregleda, popra­vi in potrdi strojni prevod, se ta shrani v pomnilnik prevodov skupaj z drugimi (Ëloveškimi) prevodi. Ker kakovost strojnega prevajanja za razliËne je­zikovne pare zelo niha, so na DGT­ju pred kratkim med prevajalci izvedli raziskavo o vtisih pri delu s strojnim prevajalnikom (Leal Fontes, 2013). Ta je pokazala, da strojni prevajalnik uporablja že skoraj tri Ëetrtine prevajalcev, od tega pa jih slaba polovica meni, da je strojni prevod v 75 odstotkih primerov zelo uporaben z manjšimi popravki. Slovenski pre­vajalci so za jezikovni par anglešËina ‡ slovenšËina podali nekoliko manj navdušene, a še vedno zado­voljne odzive: strojni prevod se jim je zdel uporaben z manjšimi popravki v približno 50 odstotkih prime­rov. Najslabše se MT@EC odreže pri aglutinirajoËih jezikih, kot je madžaršËina, ter pri jezikih baltskih držav. 4 POPRaVLjaNjESTROjNIH PREVODOV »e smo v prejšnjem razdelku opisali kombinacijo .klasiËnih« prevajalskih namizij in strojnega preva­janja, je naslednji korak priËakovan: v mnogih preva­jalskih okoljih postopoma prehajajo na naËin preva­janja, pri katerem besedilo najprej prevedemo stroj­no, nato pa prevajalec besedilo popravi do želene stopnje kakovosti. Za to delo v anglešËini uporablja­jo kratico PEMT (Post­Editing Machine Translation), gre pa za opravilo, ki se v marsiËem zelo razlikuje od tradicionalnega prevajanja. Pravzaprav ideja ni nova, saj so v vseh okoljih, v katerih že dolgo prevajajo raËunalniki, morali re­zultat pregledati in izboljšati prevajalci ali tehniËni pisci. Prav tako je v okoljih, v katerih strojno preva­janje uporabljajo že dlje, pogosta uporaba t. i. nadzo­rovanega jezika, ki naj bi s pomoËjo omejenega nabo­ra slovniËnih struktur in besedišËa zagotavljal boljši strojni prevod. Novost pomeni dejstvo, da so postali v zadnjih nekaj letih prevajalniki na eni strani dovolj dostopni, na drugi pa dovolj kakovostni, da je njiho­va uporaba smiselna za vse širši krog uporabnikov. Kljub temu da kakovost prevodov moËno niha glede na uporabljeni prevajalnik in glede na jezikov­ni par, pa številne raziskave (Guerberof, 2009; Specia, 2011) kažejo poveËanje produktivnosti prav za vse je­zikovne pare, in sicer se to giblje od 42 za kitajšËino do kar 130 odstotkov za francošËino. Za slovenšËino še ni primerljivih rezultatov, so pa v teku raziskave, ki se ukvarjajo tako z vprašanjem produktivnosti kot kakovosti. Odzivi prevajalcev na novo obliko dela, ki prav­zaprav ni veË prevajanje, so razliËni, a v glavnem ne­ gativni. Na forumu prevajalskega portala ProZ.com se je nedolgo tega odvijala razprava,3 v kateri so bila prevladujoËa stališËa v zvezi s popravljanjem stroj­nih prevodov zelo odklonilna in so vsebovala izjave: .Osebno zavraËam popravljanje strojnih prevo­ dov.« .Enako. Nikakor ne nameravam uËiti stroja, kako naj me nadomesti.« .To ni delo, ki bi bilo primerno za mojstra, zato takšna naroËila vselej z gnusom zavrnem. Dobro bi bilo, ko bi tudi drugi prevajalci ustrezno spo­ štovali svoj poklic.« Tradicionalna podoba prevajalskega poklica vse­buje ustvarjalnost kot pomembno, Ëe ne že kar naj­pomembnejšo sestavino poklicnega profila. Razum­ljivo je torej, da so ‡ še posebno starejši ‡ prevajalci ogorËeni, ko od naroËnika dobijo strojno prevedeno besedilo, polno napak in nerodnih besednih zvez, skupaj s priËakovanjem, da bodo za majhen denar iz njega priËarali kakovostno in za objavo primerno be­sedilo. A tehnološki razvoj gre svojo pot in danes so posebej zanje razviti strojni prevajalniki prisotni že tudi pri slovenskih prevajalskih agencijah. Previdnost je potrebna pri obraËunavanju tovrst­nega dela, saj je ena od zgodnejših raziskav poprav­ljanje strojnega prevoda primerjala s kakovostnimi 80­ali 90­odstotnimi meglenimi zadetki (O’Brien, 2007). To je seveda zelo optimistiËna ocena, ki utegne biti zavajajoËa tudi za naroËnike; ti potem priËakuje­jo, da bodo za popravljeni prevod plaËali le okrog 40 odstotkov polne cene. Prevajalci, ki imajo s poprav­ljanjem strojnih prevodov izkušnje, svetujejo, da pred zaËetkom dela, še bolje pa pred dogovorom o prevzemu naroËila, izvedemo preskus, delo pa nato obraËunavamo po urni postavki. V uvodnem odstavku tega razdelka smo popravlja­nje strojnih prevodov opredelili kot dejavnost, pri ka­teri prevajalec strojno prevedeno besedilo popravi do želene kakovosti. Pojem kakovosti namreË v razponu med popolnoma avtomatiziranim strojnim prevodom na eni strani in slogovno ter strokovno pregledanim profesionalnim Ëloveškim prevodom na drugi strani postane gibljiv: Koliko kakovosti potrebuje naroËnik in koliko kakovosti je pripravljen plaËati? Za lažje razumevanje gibljive kakovosti spomni­mo, da s strojnimi prevajalniki danes pogosto preva­ 3 http://www.proz.com/forum/money_matters/215371-rates_for_post_ editing_machine_translation_texts-page2.html; izbrane izjave prevedla avtorica Ëlanka. jajo besedila, ki jih prej verjetno sploh ne bi prevajali. Tako si pri brskanju po spletu ogledujemo nerodno prevedene spletne strani, a nam grobi prevod za­došËa za razumevanje in verjetno nikoli ne bi najeli prevajalca oziroma popravljalca, naj ga izboljša. Za druga besedila, denimo obsežna tehniËna navodila, ki niso namenjena širši publiki, ampak le izbranemu krogu strokovnih uporabnikov, je morda dovolj po­vršna poprava (light post-editing), ki zagotovi razum­ljivost in odpravi hujše slovniËne napake. Besedila, namenjena objavi ali širši publiki, zahtevajo polno popravo (full post-editing), pri kateri prevajalec zago­tovi kakovost, ki po jezikovni, slogovni, terminolo­ški, oblikovni in tehniËni plati v niËemer ne odstopa od Ëloveškega prevoda. Za popravljanje strojnih prevodov je v okviru Googlovega prevajalnika na voljo okolje Translator Toolkit; Aziz idr. (2012) so razvili tudi orodje PET, si­cer pa je za to mogoËe uporabiti prevajalsko namizje, kot je denimo SDL Trados Studio ali memoQ. 5 NOVI MODEL PREVajaLSKEGa PROcESa V tradicionalnem toku prevajalskega procesa igra od trenutka, ko izvirno besedilo zapusti naroËnika, pa do trenutka, ko naroËnik prejme ciljno besedilo in storitev obraËunamo, glavno vlogo prevajalec. Ne glede na to, da ta proces glede na vrsto prevajanja pogosto zajema druge akterje (lektorje, terminologe, urednike, pravne redaktorje idr.), je v jedru prevajal­ske storitve še vedno prevajalec. Tudi programi s pomnilnikom prevodov, ki so pred dobrim desetletjem zavzeli trg profesionalnega prevajanja in krepko spremenili naËin dela, niso bist­veno posegli v obseg Ëlovekove vloge pri nastajanju ciljnega besedila ‡ zadetke iz pomnilnika prevodov je prav tako nekoË moral nekdo prevesti. Morda je zanimivo, da so bile tedanje reakcije prevajalcev na pojav orodij, katerih glavni namen je bil recikliranje starih prevodov, prav tako odklonilne in Ëustvene kot današnje na strojno prevajanje. Vsekakor se z vse boljšimi prevajalniki širi njiho­va uporaba v profesionalnem prevajanju, s tem pa se spreminja tudi vloga prevajalca. V novem modelu pre­vajalskega procesa, ki ga ponazarja slika 1, je v sredi­šËu prevajalnik, vijugasta Ërta pa poudarja dejstvo, da je kakovost strojnega prevoda odvisna od besedilnega tipa, sloga in slovniËnih lastnosti izvirnika. Še preden besedilo predamo prevajalniku, se izvedejo razliËni postopki predobdelave, ki skušajo besedilo Ëim bolje pripraviti na raËunalniško obdelavo. Tako je ‡ vsaj pri veËjih prevajalskih projektih ‡ smiselno vnaprej izlu­šËiti terminologijo in izdelati projektni glosar, iz bese­dila odstraniti elemente, ki niso jezikovni ali ki bi uteg­nili otežiti prevajanje (imena, simbole, formule itd.), vËasih besedila tudi skladenjsko prilagodimo v smislu poenostavljanja stavËnih struktur, krajšanja povedi, izogibanja dvoumnim slovniËnim oblikam ipd. Prav tako je mogoËe prilagoditi prevajalnik: pri statistiËnih sistemih, ki gradijo prevodni model iz vzporednih besedil, lahko uporabimo pomnilnike prevodov do­loËenega naroËnika ali podroËja, številni prevajalniki pa omogoËajo tudi vnos podroËnih glosarjev in termi­noloških baz. Prav tako lahko prilagodimo obravnavo neznanih besed, imen in drugih specifiËnih elementov. Slika 1: Model prevajalskega procesa (prir.poVashee, 2011) Vložek na strani vhoda je pomemben in lahko bistveno vpliva na rezultat. Kaj se zgodi po samem prevajanju, je odvisno od želene oziroma dogovor­jene ravni kakovosti, a v vsakem primeru bi morala slediti analiza napak, saj se jim v prihodnje morda lahko izognemo bodisi z izboljšavami prevajalnika bodisi z boljšo predpripravo besedila. V skrajnem primeru z analizo napak ugotovimo tudi, da se za doloËeni tip besedila strojno prevajanje s popravlja­njem ne splaËa in da je zanj bolje uporabiti klasiËni naËin prevajanja. Ob razmišljanju o prihodnosti prevajalskega po­klica se neizogibno postavlja vprašanje, ali bodo prevajalci Ëez Ëas sploh še potrebni. V prizadevanju za zniževanje stroškov namreË naroËniki polagajo velike upe v strojne prevajalnike, za popravljanje sa­modejno prevedenih besedil pa ne uporabljajo nujno prevajalcev, temveË tudi druge (cenejše) osebe z zna­njem ciljnega jezika. Da tako ne moremo priËakovati prevodov, ki bi bili ne le jezikovno dovršeni, ampak tudi kulturno in slogovno ustrezni za ciljno publiko, najbrž ni treba posebej poudarjati. Po drugi strani pa je za mnoge naroËnike in za do­loËene tipe besedil kakovost še kako pomembna, po­leg tega s tehnološkim razvojem postajajo tehniËna oziroma dokumentacijska besedila (s tem mislimo na navodila za uporabo v najširšem smislu) vse bolj kompleksna. Za vsebinsko, kulturno in strokovno funkcionalen prevod lahko poskrbi le visoko uspo­sobljen prevajalec, ki si pomaga z ustreznimi raËu­nalniškimi pripomoËki. Pojavlja pa se še en ‡ vse bolj zaželen ‡ poklicni profil: prevajalec tehnolog je strokovnjak, ki ima po­leg prevajalskih kompetenc še široko raËunalniško in jezikovnotehnološko znanje. Vanj spadajo ustvarja­nje in upravljanje jezikovnih virov, kot so pomnilniki prevodov, korpusi, terminološke baze in leksikoni, testiranje in prilagajanje strojnih prevajalnikov, lu­šËenje terminologije, pretvarjanje formatov, integra­cija razliËnih virov in orodij v enotno okolje, uprav­ljanje strežniških in oblaËnih programskih rešitev, v prihodnosti pa zagotovo še kaj. Tako prihodnost pre­vajalskega poklica zaradi strojnih prevajalnikov ni nujno Ërna, nedvomno pa bo vse bolj zaznamovana s tehnologijami. SKLEP V prispevku smo predstavili pregled sodobnih pre­vajalskih tehnologij, ki korenito spreminjajo delovne procese in razmerja v svetu profesionalnega prevaja­nja, vplivajo pa tudi na pojem kakovosti in cene teh storitev. V luËi opisanih razvojnih tendenc se kaže veË potreb: na eni strani bi bilo dobro posodobiti meha­nizme, ki skušajo regulirati trg prevajalskih storitev. Edini tudi pri nas veljavni standard za zagotavljanje kakovosti prevajalskih storitev EN 15038 namreË ni­kjer ne omenja popravljanja strojnih prevodov kot ene od morebitnih kompetenc prevajalca, prav tako je še veliko nejasnosti pri praviËnem obraËunavanju novih delovnih nalog. V razmerju naroËnika in po­nudnika storitev bi sËasoma priËakovali stratifikaci­jo prevajalskih storitev, pri Ëemer bi naroËnik lahko izbiral med razliËnimi naËini prevoda, seveda tudi razliËno ovrednotenimi. Na drugi strani bi se na spreminjanje poklicne­ga profila morale ustrezno odzvati izobraževalne ustanove in v visokošolske programe prevajalstva še intenzivneje vkljuËiti tehnološke vsebine. Na tre­tji strani pa opisani trendi pomenijo tudi grožnjo za kakovost prevodov, še posebno Ëe tehnologije upo­rabljamo le kot sredstvo za zmanjševanje stroškov in brez razumevanja njihovih omejitev. S tega vidika je potrebno ozavešËanje vseh akterjev prevajalskega procesa in sistematiËno evalviranje tehnologij z ana­lizami uËinkovitosti in kakovosti. 7 VIRI IN LITERaTURa [1] Aziz,W., Castilho,S.&Specia,L. (2012). PET:aTool for Post­-editing and Assessing Machine Translation. In LREC, str. 3982‡3987. [2] Eisele, A., Federmann, C., Uszkoreit, H., Saint-Amand, H., Kay, M., Jellinghaus, M., Hunsicker, S., Herrmann,T., Chen, Y. (2008). Hybrid Machine Translation Architectures within and beyond the EuroMatrix project. 12th EAMT conference, 22‡23 September 2008, Hamburg, Germany. [3] Guerberof, A. (2009). Productivity and quality in MT post-edi­ting. Dostopno na http://www.mt-archive.info/MTS-2009­-Guerberof.pdf, 10. 6. 2013. [4] Hutchins,J. (2007). Example-based machine translation:arevi­ew and commentary. MachineTranslation vol.19, str. 197‡211. [5] Leal Fontes, H. (2013). Evaluating MachineTranslation: pre­liminary findings from the first DGT-wide translators’ survey. Dostopno na http://ec.europa.eu/dgs/translation/publicati­ons/magazines/languagestranslation/documents/issue_06_ en.pdf, 13. 7. 2013. [6] Ney, H. (2005). One Decade of Statistical Machine Transla­tion: 1996‡2005. MachineTranslation Summit (MT Summit), str. i‡12‡i‡17, Phuket, Thailand. [7] O’Brien,S. (2007).An Empirical InvestigationofTemporaland Technical Post-Editing Effort. Translation And Interpreting Studies (tis), II, I. [8] Och,F.-J., Ney, H. (2004) The AlignmentTemplate Approach to Statistical MachineTranslation. Computational Linguistics, vol. 30, str. 417‡449. [9] Specia, L. (2011). Exploiting objective annotations for mea­ [11] Uszkoreit, H., Federmann, C., Chen, Y., Eisele, A., Theison, S. suring translation post-editing effort. Proceedings of the 15th &Hunsicker, S. (2009). Hybrid Machine Translation. Translin- Conference of the European Association for Machine Transla­ gual Eur. tion, Leuven, str. 73‡80. [12] Vashee, K. (2011). Spletni dnevnik na temo Post-Editing MT, [10] Torres Dominguez, R. (2012). Translation technologies survey 15. 2. 2011, dostopno na http://kv-emptypages.blogspot. results 2012. Dostopno na http://mozgorilla.com/en/texnolo­ com/2011/02/exploration-of-post-editing-mt-part-i.html. gii-en-en/translation-technologies-survey-results/, 10. 7. 2013. • Špela Vintarjeizrednaprofesoricana Oddelkuzaprevajalstvo Filozofskefakultete UniverzevLjubljani,kjer pouËuje raËunalniško podprtoprevajanje, lokalizacijo, prevajalske tehnologijeinterminologijo. Raziskovalnose ukvarjaz razvojem sistemovza samodejno lušËenje znanja(terminov, definicijin semantiËnihrelacij) iz eno-in veËjeziËnih besedil, z empiriËnim raziskovanjem znaËilnosti prevodov in z razvojem slovenskega znakovnega jezika. Sodelovala je v veË kot desetih nacionalnihin mednarodnih raziskovalnihprojektihspodroËja korpusnega jezikoslovjain jezikovnih tehnologij.Letosjeorganiziralaprvo mednarodno poletno šolospodroËjaprevajalskih tehnologijTransTech13naReki,Hrvaška.Je ËlanicaEvropske zvezeza raËunalniško jezikoslovje(EACL)inpredseduje Slovenskemu društvu za jezikovne tehnologije.