Выпуск: №4(72) Исследования молодых ученых

Раздел: Литературоведение и языкознание

Опубликовано: 11 апреля 2025

Код уникальной десятичной классификации: 81’322.4

Автор: Штенникова Дарья Витальевна

бакалавр 4 курса, Московский городской педагогический университет (МГПУ), г. Москва, e-mail: shtennikovadv@gmail.com

Научный руководитель: Дубровская Кристина Эдуардовна

доцент кафедры китайского языка Института иностранных языков Московского городского педагогического университета (МГПУ)

кандидат филологических наук

Аннотация. В данной статье рассматривается применение технологии чат-ботов с функцией генеративного искусственного интеллекта в письменном переводе. В данной работе выделяются особенности использования данных платформ в этой сфере, отмечая возможности их применения.

Ключевые слова: чат-бот, письменный перевод, чат-боты в переводе, платформы виртуального собеседника.

Современные чат-боты, работающие на основе генеративного искусственного интеллекта (ИИ), представляют собой усовершенствованные версии виртуальных собеседников, предназначенные для автоматизированного общения с пользователями посредством текста или голоса. Эти системы имитируют человеческий диалог, понимают естественный язык, создают ответы и справляются со сложными задачами, опираясь на запросы пользователей. Алгоритм их устройства основывается не на правилах, где все сообщения заранее прописаны и запрограммированы разработчиком, а на технологиях машинного обучения и искусственного интеллекта [8]. Их функционирование обеспечивается нейронными сетями, способными обучаться и устанавливать смысловые связи между словами, что позволяет формировать содержательные и актуальные ответы. Характеристики этих ботов зависят от используемой платформы и включают как общие, так и уникальные характеристики.

Мы выделили следующие их особенности [9]:

1. Поддержка естественного языка, генерация ответов в реальном времени (легко распознают и понимают разговорный язык, тем самым упрощая взаимодействие с пользователем).
2. Генерация ответов в реальном времени (мгновенная обработка запросов и генерация ответов на них).
3. Поддержка мультиязычности (расширение сферы применения данных программ, а также увеличение их функционала, например, работа с несколькими языками одновременно).
4. Возможность адаптации и обучения (настройка виртуальной программы под личные запросы).

Что касается преимуществ и перспектив данных платформ, отмечается их возможности обрабатывать сложные запросы, предлагать контекстуально обоснованные ответы, а также адаптироваться к изменениям в потребностях пользователя. С развитием технологии ожидается, что такие чат-боты будут становиться более точными, персонализированными и эксклюзивными, это повысит их ценность как для частных лиц, так и для организаций.

Говоря конкретно о процедуре перевода, мы бы хотели еще раз отметить, что в данной статье исследуются чат-боты на основе искусственного интеллекта, то есть в данные платформы уже встроена функция машинного переводчика [4, с. 4-10]. Поэтому возможности данных виртуальных помощников включают в себя весь функционал любых компьютерных программ, выполняющих автоматический перевод.

Из преимуществ применения данной технологии, мы отметили:

1. Обучение непосредственно процедуре выполнения перевода. У начинающих переводчиков зачастую отсутствует обширный специализированный словарный запас на иностранном языке. Хотя В.Ю. Вашкявичус в ходе своего исследования обнаруживает, что «изучение иностранных языков эффективнее в стране изучаемого языка» [7, с. 221], однако не у всех людей есть такая возможность. В таком случае, использование автоматического перевода как раз позволяет легко и не покидая страну проверить свои навыки, а также освоить новые аспекты иностранного языка.
2. Интеграция автоматического перевода в социальные сети и мессенджеры. Добавляется функция перевода в личные чаты, что дает пользователям, даже не владеющим иностранными языками, возможность мгновенно переводить тексты и сообщения от других людей без использования сторонних приложений.
3. Перевод объемных документов. В последние десятилетия переводчикам стало сложно справляться с большими текстами в сжатые сроки [3, с. 90-99], [10]. Для решения этой проблемы сегодня широко используются автоматические средства перевода, которые позволяют обрабатывать большие массивы данных, при этом сокращая время на выполнение работы.

Семантическая точность, естественность изложения и сохранение оригинального смысла являются ключевыми аспектами любого качественного перевода. Эти требования, наряду с соблюдением логической структуры исходного текста, пока лучше всего выполняются человеком, что ставит машинный перевод в менее выгодное положение [11, с. 15-20].

Д.А. Коробко пишет, что «текст представляет собой совокупность экстралингвистических и лингвистических факторов, и любому специалисту прежде всего следует провести подробный анализ для выбора верной стратегии перевода» [1]. Это утверждение подчеркивает сложность и многослойность процесса данной работы, где необходимо учитывать не только языковые, но и контекстуальные аспекты. В машинном переводе эта процедура усугубляется, так как алгоритмы часто не способны адекватно интерпретировать экстралингвистические факторы, поэтому мы также можем выделить некоторые проблемы, связанные непосредственно с автоматическим переводом:

1. Автоматический перевод удобно использовать для предварительного анализа деловой или технической документации, чтобы быстро понять её содержание и определить релевантность. Однако, когда требуется точный перевод, предпочтение все равно будет отдаваться живому специалисту, поскольку машинный перевод в любом случае требует постредактирования для достижения необходимого уровня качества.
2. Машинные алгоритмы часто испытывают трудности с переводом сложных синтаксических конструкций, таких как сложноподчинённые предложения, устойчивые выражения и метафоры, особенно в текстах с литературными элементами, где важно учитывать культурный и контекстуальный смысл. Особенно это касается перевода топиковых языков, например, китайского. Одной из таких сложностей может быть перевод конструкций с «топиком-комментарием» в китайском языке, который сильно отличается от структуры «подлежащее-сказуемое». Так, топик может выражать место, время или даже представлять из себя целое отдельное предложение, а комментарий же поясняет его. Как отмечает К.Э. Дубровская, «природа предикационных конструкций китайского языка фундаментально отличается от природы подобных конструкций в английском языке. Если отделить подлежащее от сказуемого в простом английском предложении, сказуемое не сможет функционировать как самостоятельное предложение. Однако в китайском предложении при разделении топика и комментария последний сможет выполнять функции предложения» [2, с. 126]. Именно это может создать дополнительные сложности для машинного перевода, требующего учета лингвистических, грамматических и культурных особенностей языка.
3. Ошибки в использовании профессиональной терминологии также характерны для машинного перевода, тем более, если алгоритм предварительно не был обучен на специализированных текстах. В результате это может привести к потере или искажению важной информации, что особенно критично для узкоспециализированных областей.
4. Как отмечает А.В. Полтавский, «наши естественные языки, имеют две составляющие: синтаксис и семантику. Синтаксис языка определяет правила записи его конструкций, а семантика выражает смысл (значение) объектов языка и отражает законы композиции объектов» [5, с. 90]. Действительно, языки, помимо просто семантически окрашенных слов, также богаты на идиомы, поговорки и уникальные выражения, которые зависят от культурного контекста. Даже если автоматические системы переведут их грамматически верно, то существует вероятность того, что такой перевод будет дословным, что не всегда уместно. В отличие от этого, человеческий переводчик способен адаптировать такие фразы под культурные особенности целевого языка, что пока что остаётся недоступным для алгоритмов.

Однако тема нашего исследования связана с чат-ботами на базе генеративного искусственного интеллекта, где применяются нейронные сети, генетические системы и другие технологии, что в свою очередь, как мы уже поняли, позволяет создавать новые данные и материалы на основе имеющихся образцов [4, с. 4-10]. Таким образом, их потенциал выходит за рамки простого автоматического переводчика, дополняя его возможности редактированием и трансформацией текстов.

Например, кроме стандартного перевода, генеративные чат-боты могут выполнять реферативный перевод, предполагающий сокращение текста, или адаптивный, при котором содержание адаптируется к целевой аудитории. Эти типы перевода делают данные платформы более универсальными инструментами, нежели традиционные системы машинных переводчиков.

При выполнении реферативного или адаптивного перевода простой человек должен не только переводить текст, но и интерпретировать его, вносить изменения, что увеличивает время его работы, а также требует от переводчика дополнительных специальных умений.

В свою очередь, чат-боты с ИИ способны одновременно с переводом выполнять дополнительные модификации текста, без траты дополнительного времени. Единственной задачей человека, а таком случае, является умение правильно сформулировать запрос, исходя из которого программа будет работать с документом.

Еще одним преимуществом данных ботов перед простыми автоматическими переводчиками является то, что они могут решить одну из проблем автоматического перевода, которая касается поиска адекватных переводов для узкоспециализированной терминологии. С созданием больших языковых моделей появилась возможность разрабатывать виртуальные профили выдающихся учёных и других деятелей. Это достигается путём загрузки полного собрания их трудов и высказываний, что позволяет разрабатывать чат-ботов, которые точно передают стиль, знания и особенности личности конкретного человека. Такие профили могут быть доступны на разных языках, если имеются переводы работ данного деятеля. В результате значительно упрощается поиск нужной терминологии, а риск ошибок сводится к минимуму.

Однако есть и ограничение: для работы с таким чат-ботом пользователь должен владеть иностранным языком. Хотя запрос необязательно должен содержать точный термин, человек всё же должен уметь описать его на другом языке, чтобы система смогла предоставить правильный результат.

Перспективы больших языковых моделей выходят далеко за рамки поиска терминологии. Они могут анализировать контекст, предоставлять разъяснения сложных понятий и даже создавать новые интерпретации на основе анализа данных. С их помощью можно не только создавать профили деятелей прошлого, но и моделировать гипотетические сценарии, например, прогнозируя, как тот или иной мыслитель мог бы рассуждать о современных проблемах.

Обобщая все вышесказанное, современные чат-боты на основе искусственного интеллекта значительно расширяют возможности машинного перевода, включая адаптивные и реферативные переводы, а также обработку узкоспециализированной терминологии. Как отмечает О.А. Сулейманова, наличие навыков «обращения с машинными переводчиками, переводческой аппаратурой и владения техниками презентации информации не вызывает сомнений как у практикующих переводчиков, так и у преподавателей» [6, с. 313]. Действительно, перспективы развития технологий включают улучшение качества человеческого перевода, создание новых интерпретаций и моделирование гипотетических сценариев, что делает эти системы универсальными инструментами для выполнения различных задач.

Список литературы:

1. Коробко Д.А. Лингвистические и экстралингвистические факторы как необходимый компонент предпереводческого анализа текста // Наука в мегаполисе. Science in a Megapolis, 2021. №4(30). (дата обращения: 04.11.2024).
2. Коцик К.Э. Концепции топиковых структур в языкознании Новейшего времени // Вестник МГПУ. Серия: Филология. Теория языка. Языковое образование, 2016. №2(22). С. 125-129.
3. Лю Ц. Модель «машинный перевод + постмашинное редактирование перевода» на платформе YiCAT: на примере дисциплины «Стилистическое постмашинное редактирование текста» для студентов первого курса магистратуры Высшей школы перевода МГУ // Litera, 2024. №8. С. 90-99.
4. Матвеев М.Ю. Новая технологическая революция. Искусственный интеллект: мифы и реальность // Национальная библиотека, 2024. №1(26). С. 4-10.
5. Основы цифровизации: первые поколения отечественных электронных вычислительных систем, компьютерные сети и машинные переводчики / А.В. Полтавский, В.А. Федянина, А.С. Скотченко, М.В. Шевцова. М.: ООО «Сам Полиграфист», 2021. 160 с.
6. Сулейманова О.А. Технологический аспект подготовки современного переводчика / О.А. Сулейманова, Э.В. Нерсесова, Е.М. Вишневская // Филологические науки. Вопросы теории и практики, 2019. Т. 12, №7. С. 313-317.
7. Что ищет китайский студент в России: анализ образовательных потребностей китайских студентов в российских вузах по материалам социологического исследования / В.Ю. Вашкявичус, Ю.Н. Кондракова, Е.С. Кузьмина, И.Б. Сметанников // Вестник Томского государственного университета. Философия. Социология. Политология, 2022. №65. С. 213-237.
8. Что такое чат-бот и зачем он нужен // developers.sber, 2024 (сайт). (дата обращения: 04.11.2024).
9. Features of AI Chatbots vs Guided Chatbots // aunoa, 2024 (сайт). (дата обращения: 04.11.2024).
10. 机器翻译与人工智能研究报告 // 清华大学计算机系—中国工程科技知识中心，知识智能联合研究中心（K&I）. 2018年5月. (дата обращения: 06.11.2024).
11. 王菀钰, 论人工翻译的不可替代性 / 王菀钰, 郭凤鸣 // 现代语言学. 2024. Vol. №1.: 15-20. (дата обращения: 03.11.2024)

Capabilities and features of using chatbots in the process of written translation

Shtennikova D.V.,
bachelor of 4 course of the Moscow City University, Moscow

Research supervisor:
Dubrovskaia Kristina Eduardovna,
Associate Professor of the Chinese Language Department of the Institute of Foreign Languages, of the Moscow City University, Candidate of Philological Sciences

Abstract. This article discusses the application of chatbot technology with generative artificial intelligence in written translation. The authors of the article highlight the peculiarities of the use of these platforms in this sphere, noting the possibilities of their applicability.
Keywords: chatbot, written translation, chatbots in translation, virtual assistant platforms.

References:

1. Korobko D.A. Linguistic and extralinguistic factors as a necessary component of pre-translation text analysis // Science in Megapolis, 2021. №4(30). (date of the address: 04.11.2024).
2. Kotsik K.E. Concepts of topical structures in the linguistics of the Modern Time // Vestnik MGPU. Series: Philology. Language theory. Language education, №2(22).: 125-129.
3. Liu J. The model «machine translation + post-machine translation editing» on the YiCAT platform: the example of the discipline ‘Stylistic post-machine text editing’ for the first-year master's students of the Higher School of Translation of Moscow State University // Litera, 2024. №8.: 90-99.
4. Matveev M.Y. New technological revolution. Artificial intelligence: myths and reality // National Library, 2024. №1(26).: 4-10.
5. Fundamentals of digitalization: the first generations of domestic electronic computer systems, computer networks and machine translators / A.V. Poltavsky, V.A. Fedyanina, A.S. Skotchenko, M.V. Shevtsova. Moscow: LLC «Sam Polygraphist», 2021. 160 p.
6. Suleymanova O.A. Technological aspect of modern translator training / O.A. Suleymanova, E.V. Nersesova, E.M. Vishnevskaya // Philological Sciences. Voprosy teorii i praktika, 2019. Vol. 12, №7.: 313-317.
7. What Chinese students are looking for in Russia: analysis of educational needs of Chinese students in Russian universities based on sociological research / V.Yu. Vashkyavichus, Y.N. Kondrakova, E.S. Kuzmina, I.B. Smetannikov // Bulletin of Tomsk State University. Philosophy. Sociology. Political science, 2022. №65.: 213-237.
8. What is a chat-bot and why it is needed // developers.sber, 2024 (website). (date of the address: 04.11.2024).
9. Features of AI Chatbots vs Guided Chatbots // aunoa, 2024 (website). (date of the address: 04.11.2024).
10. Machine Translation and Artificial Intelligence Research Report // Department of Computing, Tsinghua University – China Engineering Science and Technology Knowledge Center, Joint Research Center for Knowledge Intelligence (K&I). 2018. (date of the address: 06.11.2024).
11. Wanyu Wang, Fengming Guo. The Irreplaceability of Human Translation // Modern Linguistics, Vol. 12. №1.: 15-20. (date of the address: 03.11.2024).