2016 کے بعد سے نیورل نیٹ ورک پر مبنی سسٹمز پر منتقلی کے بعد مشین ترجمے میں نمایاں بہتری آئی ہے، اور بڑے لینگویج ماڈلز اب ایسے تراجم تیار کرتے ہیں جو انداز اور سیاق و سباق کو بہتر طریقے سے برقرار رکھتے ہیں۔ آج آپ سیکنڈوں میں کسی ویب پیج، ای میل یا مینو کو سمجھ سکتے ہیں۔ لیکن "سمجھنے کے لیے کافی اچھا" اور "شائع کرنے کے لیے تیار" کے درمیان اب بھی ایک اہم فرق موجود ہے۔
کس مقصد کے لیے کون سا ٹول؟
- کلاسیکی ترجمے کے آلات: Google Translate، DeepL اور Microsoft Translator تیز رفتار ہیں، بہت سی زبانوں کو سپورٹ کرتے ہیں اور دستاویزات کا ترجمہ کرتے ہیں۔
- چیট اسسٹنٹس: آپ ChatGPT، Claude یا Gemini جیسے اسسٹنٹس کو انداز، سامعین اور پسندیدہ اصطلاحات کے بارے میں بتا سکتے ہیں، اور ان سے ترجمے کی وضاحت کرنے یا متبادل پیش کرنے کا کہہ سکتے ہیں۔
- کیمرہ اور آواز کا ترجمہ: سفر کے دوران سائن بورڈز پڑھنا اور گفتگو کا ترجمہ کرنا آسان ہوتا ہے۔
بہتر نتائج کے لیے تجاویز
- سیاق و سباق فراہم کریں: مثال کے طور پر "یہ کسی مؤکل کے لیے ایک باضابطہ ای میل ہے"۔
- لغت شامل کریں: اپنے برانڈ یا شعبے کی خاص اصطلاحات اور ان کے ترجیحی تراجم کی فہرست بنائیں۔
- مختصر، واضح جملے استعمال کریں: طویل، مبہم جملے غلطیوں میں اضافہ کرتے ہیں۔
- واپس ترجمہ کریں: معنی کے برقرار رہنے کو جانچنے کے لیے نتیجہ کو دوبارہ ماخذ زبان میں ترجمہ کریں۔
- کسی مادری زبان والے سے پڑھائیں: خاص طور پر ان متون کے لیے جو شائع ہوں گے۔
عام غلطیاں
- محاوروں اور ضرب المثل کا لفظ بہ لفظ ترجمہ
- باضابطہ پن کی غلط سطح
- نمبر، تاریخ اور یونٹ کے فارمیٹس گڈمڈ ہو جانا
- ایسی معلومات کا اضافہ جو ماخذ میں نہ ہو، یا کوئی جملہ چھوٹ جانا
انسانی مترجم کب ناگزیر ہے؟
معاہدوں، عدالت کی دستاویزات، طبی رپورٹس، ادویات کے کتابچے، سرکاری درخواستوں اور اشاعت کے لیے کتابوں یا اشتہاری کاپی میں غلطیوں کی قیمت بہت زیادہ ہوتی ہے۔ ان کے لیے، کسی پیشہ ور اور جہاں ضرورت ہو، حلفیہ مترجم کا استعمال کریں۔ ماہر کے ذریعے درست کیا گیا مشین ترجمے کا مسودہ (پوسٹ ایڈیٹنگ) بھی ایک عام طریقہ ہے۔
مشین ترجمہ کیسے تیار ہوا؟
کمپیوٹر کے ذریعے ترجمے کی کوششیں 1950 کی دہائی کی ہیں، لیکن یہ طریقے کئی اہم مراحل سے گزرے ہیں:
- قواعد پر مبنی سسٹمز: ماہرین لسانیات نے ایک ایک کرکے لغات اور گرامر کے اصول لکھے؛ نتائج اکثر خام اور لفظ بہ لفظ ہوتے تھے۔
- شماریاتی ترجمہ: 2000 کی دہائی میں، سسٹمز نے انسانوں کے ترجمہ کردہ لاکھوں جملوں کے جوڑوں سے احتمال کے ذریعے یہ سیکھنا شروع کیا کہ کون سا فقرہ کس سے میل کھاتا ہے۔
- نیورل مشین ٹرانسلیشن: 2016 میں، Google نے اپنے نیورل نیٹ ورک سسٹم کی طرف منتقلی کا اعلان کیا جو جملے کو بطورِ کل প্রক্রিয়া کرتا ہے، اور روانی میں نمایاں بہتری آئی۔
- ٹرانسفارمرز اور بڑے لینگویج ماڈلز: 2017 میں متعارف کرائی گئی ٹرانسفارمر آرکیٹیکچر آج کے ترجمے کے آلات اور چیٹ اسسٹنٹس کی بنیاد بناتی ہے۔
کم بولی جانے والی زبانیں کیوں زیادہ مشکل ہیں؟
ترجمے کے سسٹمز کو سیکھنے کے لیے بڑی مقدار میں دو لسانی متن کی ضرورت ہوتی ہے۔ انگریزی، ہسپانوی یا فرانسیسی جیسی زبانوں کے لیے معیار بلند ہے کیونکہ ایسا ڈیٹا وافر مقدار میں موجود ہے؛ انٹرنیٹ پر کم متن والی زبانوں کے لیے غلطیاں نمایاں طور پر بڑھ جاتی ہیں۔ انہیں "کم وسائل والی زبانیں" کہا جاتا ہے۔ 2022 میں اعلان کردہ Meta کا NLLB-200 پروجیکٹ جیسی تحقیق، 200 زبانوں کا احاطہ کرنے والے ماڈلز کے ساتھ اس فرق کو کم کرنے کی کوشش کر رہی ہے۔ اس کے باوجود، اگر آپ کسی اہم متن کا کم وسائل والی زبان میں ترجمہ کر رہے ہیں، تو کسی مادری زبان والے سے اس نتیجے کی جانچ کرانا پہلے سے کہیں زیادہ اہم ہے۔
AI ٹولز کی خصوصیات، منصوبے اور قیمتیں اکثر تبدیل ہوتی رہتی ہیں۔ موجودہ معلومات کے لیے ہمیشہ ٹول کے آفیشل پیج کو چیک کریں۔
ذرائع اور مزید مطالعہ
- Yonghui Wu et al., “Google’s Neural Machine Translation System”, arXiv, 2016.
- ISO 18587:2017, “Translation services — Post-editing of machine translation output”.
- European Commission, eTranslation service and machine translation guidance.
- Wu, Y. et al. (2016), “Google’s Neural Machine Translation System”, arXiv:1609.08144
- Vaswani, A. et al. (2017), “Attention Is All You Need”, NeurIPS
- NLLB Team (2022), “No Language Left Behind: Scaling Human-Centered Machine Translation”, arXiv:2207.04672
Leave a comment
Your email address will not be published. Required fields are marked *