Makine çevirisi, 2016’dan sonra sinir ağı tabanlı sistemlere geçilmesiyle belirgin biçimde iyileşti; büyük dil modelleri ise üslup ve bağlamı daha iyi koruyan çeviriler üretmeye başladı. Bugün bir web sayfasını, e-postayı ya da menüyü saniyeler içinde anlamak mümkün. Ancak “anlamak için yeterli” ile “yayımlamaya hazır” arasında hâlâ önemli bir fark var.
Hangi araç ne için?
- Klasik çeviri araçları: Google Çeviri, DeepL ve Microsoft Translator gibi araçlar hızlıdır, çok sayıda dili destekler ve belge çevirisi sunar.
- Sohbet asistanları: ChatGPT, Claude veya Gemini gibi asistanlara üslup, hedef okur ve terim tercihleri anlatılabilir; çeviriyi açıklamaları ya da alternatif sunmaları istenebilir.
- Kamera ve ses çevirisi: Tabela okuma ve konuşma çevirisi seyahatte pratiktir.
Daha iyi sonuç için ipuçları
- Bağlam verin: “Bu, bir müşteriye gönderilecek resmî bir e-posta” gibi.
- Terim listesi ekleyin: Markanızın ya da alanınızın özel terimlerini ve tercih edilen karşılıklarını belirtin.
- Kısa ve net cümleler kullanın: Belirsiz, uzun cümleler hatayı artırır.
- Geri çeviri yapın: Çeviriyi kaynak dile geri çevirip anlamın korunup korunmadığını kontrol edin.
- Ana dili konuşan birine okutun: Özellikle yayımlanacak metinlerde.
Sık görülen hatalar
- Deyim ve atasözlerinin kelimesi kelimesine çevrilmesi
- Hitap ve nezaket düzeyinin yanlış seçilmesi (sen/siz)
- Sayı, tarih ve birim biçimlerinin karışması
- Kaynakta olmayan bir bilginin eklenmesi ya da bir cümlenin atlanması
İnsan çevirmen ne zaman şart?
Sözleşmeler, mahkeme belgeleri, tıbbi raporlar, ilaç prospektüsleri, resmî başvurular ve yayımlanacak kitap ya da reklam metinlerinde hata maliyeti yüksektir. Bu metinlerde profesyonel ve gerektiğinde yeminli çevirmene başvurulmalıdır. Makine çevirisini bir taslak olarak kullanıp uzman tarafından düzelttirmek (son düzenleme) de yaygın bir yöntemdir.
Makine çevirisi nasıl gelişti?
Bilgisayarla çeviri denemeleri 1950'lere kadar uzanır, ancak yöntemler birkaç büyük aşamadan geçmiştir:
- Kural tabanlı sistemler: Dilbilimciler sözlükleri ve dilbilgisi kurallarını tek tek yazıyordu; sonuçlar çoğu zaman kaba ve kelimesi kelimesineydi.
- İstatistiksel çeviri: 2000'lerde sistemler, insanlar tarafından çevrilmiş milyonlarca cümle çiftinden hangi ifadenin hangisine karşılık geldiğini olasılıklarla öğrenmeye başladı.
- Sinir ağı tabanlı çeviri: 2016'da Google, cümleyi bütün olarak işleyen sinir ağı sistemine geçtiğini duyurdu ve akıcılık belirgin biçimde arttı.
- Transformer ve büyük dil modelleri: 2017'de tanıtılan Transformer mimarisi bugünkü çeviri araçlarının ve sohbet asistanlarının temelini oluşturur.
Az konuşulan diller neden daha zor?
Çeviri sistemleri öğrenmek için büyük miktarda iki dilli metne ihtiyaç duyar. İngilizce, İspanyolca veya Fransızca gibi dillerde bu tür veri bol olduğu için kalite yüksektir; internette az metni bulunan dillerde ise hatalar belirgin biçimde artar. Bu dillere “az kaynaklı diller” denir. Meta'nın 2022'de duyurduğu NLLB-200 projesi gibi araştırmalar 200 dili kapsayan modellerle bu boşluğu daraltmaya çalışıyor. Yine de az kaynaklı bir dilde önemli bir metin çevirecekseniz, sonucu o dili ana dili olarak konuşan birine kontrol ettirmek her zamankinden daha önemlidir.
Yapay zekâ araçlarının özellikleri, planları ve fiyatları sık değişir. Güncel bilgiyi her zaman aracın resmî sayfasından kontrol edin.
Kaynaklar ve ileri okuma
- Yonghui Wu ve diğerleri, “Google’s Neural Machine Translation System”, arXiv, 2016.
- ISO 18587:2017, “Translation services — Post-editing of machine translation output”.
- Avrupa Komisyonu, eTranslation hizmeti ve makine çevirisi kılavuzları.
- Wu, Y. ve ark. (2016), “Google’s Neural Machine Translation System”, arXiv:1609.08144
- Vaswani, A. ve ark. (2017), “Attention Is All You Need”, NeurIPS
- NLLB Team (2022), “No Language Left Behind: Scaling Human-Centered Machine Translation”, arXiv:2207.04672
Bir yorum bırakın
E-posta adresiniz yayınlanmayacaktır. Gerekli alanlar * ile işaretlenmiştir