Maskinoversættelse i et dansk perspektiv

Transkript

1 Maskinoversættelse i et dansk perspektiv - En empirisk undersøgelse af kvaliteten af maskinoversættelse for sprogparret engelsk- dansk - Af Marianne Lund Laursen (404468) Vejleder: Anne Gram Schjoldager Studium: Cand.ling.merc. i engelsk (translatør og tolk) Institut for Erhvervskommunikation Business and Social Sciences Aarhus Universitet Marts 2012

2 Omfang: Afhandlingen indeholder tegn (ekskl. indholdsfortegnelse og reference- og bilagslister), svarende til 65,1 normalsider (à enheder ekskl. mellemrum). Det engelske resumé indeholder tegn ekskl. mellemrum, svarende til 1,6 normalside. 2

3 Indholdsfortegnelse 1. Indledning Problemformulering Afgrænsning Specialets struktur Teori og metode Praktiske bemærkninger og terminologi Introduktion til maskinoversættelse Hvad er oversættelse? Hvad er maskinoversættelse? Hvordan fungerer maskinoversættelse? Regelbaseret maskinoversættelse Korpusbaseret maskinoversættelse Hybrid maskinoversættelse Hvad er efterredigering Google Translate Hvordan virker Google Translate? Oversættelseskvalitet og evalueringsmetoder Google Translate s ulemper Fortrolighedsproblematik Metode for undersøgelsen Indsamling af data Oversættelse Efterredigering Evaluering Deltagerudvælgelse og kontaktflade Analyse af undersøgelsens tekster Tekst 1 Explore Cornwall Kildetekstanalyse af tekst Måltekstanalyse af tekst Måltekstens kommunikative formål (skopos, genre og stil) Oversættelsesstrategi Oversættelsesproblemer Tekst 2 The Smoking Gun Kildetekstanalyse af tekst

4 5.2.2 Måltekstanalyse af tekst Måltekstens kommunikative formål (skopos, genre og stil) Oversættelsesstrategi Oversættelsesproblemer Undersøgelsens resultater Kvalitetsparametre Resultater for tekst 1 Explore Cornwall Resultater nøjagtighed Resultater forståelighed Resultater stil Resultater for tekst 2 The Smoking Gun Resultater - nøjagtighed Resultater forståelighed Resultater stil Resultater oversættelsesproblemer og - strategi Anvendt oversættelsesstrategi i undersøgelsen Spørgeskemaundersøgelsernes resultater Udførelse af oversættelses- og efterredigeringsopgaverne Maskinoversættelsens udbredelse som oversættelsesværktøj Holdning til maskinoversættelse som oversættelsesværktøj Diskussion og metodekritik Vigtighed af oversættelsesstrategi Undersøgelsens metode og anvendelighed Konklusion English summary Referenceliste Bilagsliste Figurliste

5 1. Indledning Som led i min uddannelse som tolk og translatør deltog jeg i efteråret 2010 i et seminar om maskinoversættelse og efterredigering afholdt af lektor Sharon O Brien fra Dublin City University. Seminaret omhandlede den teknologiske udvikling inden for oversættelse og mere specifikt de maskinstøttede oversættelsesværktøjer, som har undergået en enorm udvikling, siden Google Translate og lignende internetbaserede oversættelsestjenester fik deres gennembrud, og gik live for blot fem år siden. Sharon O Brien forsøgte at besvare nogle af de spørgsmål, som vi som oversættere bekymrer os om i denne forbindelse såsom maskinoversættelsens udbredelse og kvalitet, dens indflydelse på oversætterbranchen, samt hvad denne indflydelse betyder for de professionelle oversætteres rolle nu og i fremtiden. Disse og mange andre spørgsmål vakte min interesse og inspirerede mig til at arbejde videre med emnet og undersøge, hvorledes situationen ser ud i danske sammenhænge blandt oversættere med dansk som hovedsprog, og om denne afspejler situationen i udlandet, da der rent forskningsmæssigt er et stort videnshul på dette område. Den overvejende årsag til at maskinoversættelse som redskab vinder større og større indpas globalt såvel som nationalt, skal ses i et stigende behov for oversættelser. Den digitale udvikling foregår i et højt tempo, og der handles og samarbejdes på tværs af landegrænser som aldrig før, hvorfor der naturligvis er et stadigt stigende behov for tilgængelig data på alverdens sprog. Problemet er imidlertid, at der for det første ikke er nok oversættere til at udføre de mange oversættelsesopgaver, for det andet har mange virksomheder brug for en oversættelse her og nu, og har således ikke altid tid til at vente på en humanoversættelse. Et tredje aspekt er økonomi. Hvor den humane oversættelse koster penge, så er maskinoversættelsen gratis, hvis man vel at mærke benytter sig af en af de gratis web- baserede maskiner, såsom Google Translate, som ved et enkelt klik med musen kan oversætte en tekst fra et sprog til et andet. Google Translate og lignende systemer har i løbet af relativt få år udviklet sig til nogle meget populære oversættelsesværktøjer, som kontinuerligt udvikler sig og bliver bedre, efterhånden som deres korpus vokser. Det er almindeligt kendt i oversætterbranchen, at maskinoversættelsesværktøjerne er mest udviklede inden for de store sprog som engelsk, tysk og fransk, og det er derfor også maskinoversættelsen mellem disse sprog, der repræsenterer den bedste kvalitet. Men hvorledes ser det ud med de mindre sprog som dansk, og mere specifikt med maskinoversættelse fra engelsk til dansk? Er kvaliteten ved at være på et 5

6 niveau, hvor maskinoversættelse med fordel kan bruges som et supplerende oversættelsesværktøj til de veletablerede oversættelseshukommelser og termbaser, og hvorledes opfattes maskinoversættelse som værktøj af danske oversættere? 1.1 Problemformulering På baggrund af ovenstående vil jeg med denne afhandling søge at besvare følgende spørgsmål: 1. Hvad er maskinoversættelsens anvendelsesmuligheder? 2. Er maskinoversættelse et kvalitetsforbedrende arbejdsredskab? 3. I hvilket omfang kan maskinoversættelsen erstatte den humane oversættelse? 4. I hvilket omfang anvendes maskinoversættelse af danske freelance- oversættere, og hvilken effekt har det på danske freelance- oversætteres produktivitet? 1.2 Afgrænsning Maskinoversættelse er et fænomen, som går på tværs af flere forskellige fagområder inden for både sprog- og computervidenskab. De to videnskaber har hver deres tilgang til sprog, hvorfor deres opfattelser af, hvad oversættelse er, er forskellig. I dette speciale vil maskinoversættelse udelukkende blive behandlet ud fra en lingvistisk synsvinkel. Maskinoversættelse er ligeledes blot en af mange teknologiske oversættelsesværktøjer, og på grund af specialets omfangsmæssige begrænsninger vil afhandlingens fokus være på dette værktøj. Da maskinoversættelse ud fra en professionel oversætters synsvinkel dog sjældent kan anvendes som eneste anvendte oversættelsesværktøj, vil andre oversættelsesværktøjer blive behandlet i det omgang, det skønnes nødvendigt. Da specialets empiriske undersøgelse baseres på to korte tekster og et relativt lille antal informanter, og da jeg benytter mig af kvalitative metoder som baggrund for analysen, vil der ikke kunne udledes nogen generel konklusion for den danske oversætterbranche. I stedet vil undersøgelsen give en kvalificeret indikation af, hvordan billedet tegner sig i et dansk perspektiv, og om dette billede afspejler tendenserne i udlandet. 6

7 1.3 Specialets struktur Specialet er opdelt i otte kapitler, hvor indledningen og dennes praktiske formalia, inklusiv metode, udgør det første. For at kunne anskueliggøre hvad maskinoversættelse er for en størrelse, hvad den kan, og hvor den har sine begrænsninger, er det indledningsvis nødvendigt at definere, hvad oversættelse er ud fra et videnskabsteoretisk synspunkt. Dette vil blive gjort i kapitel 2 efterfulgt af en beskrivelse af maskinoversættelse som værktøj, samt en præsentation af de forskellige maskinoversættelsessystemer og disses fordele og ulemper. Kapitel 3 vil se nærmere på et bestemt maskinoversættelsessystem, nemlig Google Translate, som er det hidtil største og mest udbredte maskinoversættelsessystem. Det er ligeledes det system, som vil blive anvendt i afhandlingens oversættelseseksperiment. Kapitlet vil se på kvaliteten af Google Translate, hvordan denne måles, samt systemets fordele og ulemper. Kapitel 4 vil redegøre for undersøgelsens indhold og den anvendte metode for undersøgelsen. I kapitel 5 vil jeg udføre en tekstanalyse af oversættelseseksperimentets kilde- og måltekster på makro- såvel som mikrostrategisk plan for således at belyse indholdet af oversættelsesproblemer, samt hvilke strategier eksperimentets oversættere og Google Translate har anvendt i deres løsning af disse. Resultaterne heraf vil ligeledes fungere som komparativ data for den senere diskussion af oversættelsesstrategi og dennes vigtighed. Kapitel 6 omhandler afhandlingens undersøgelse, som er inspireret af Fiederer og O Briens undersøgelse fra 2009 for sprogkombinationen tysk- engelsk. Kapitlet vil se nærmere på et lignende oversættelseseksperiment, jeg har udført for sprogparret engelsk- dansk, som er denne afhandlings interesseområde. Kapitlet vil anskueliggøre undersøgelsens resultater med hensyn til oversættelseskvalitet og - strategi, samt hvad den sideløbende spørgeskemaundersøgelse oplyser om de adspurgte oversætteres anvendelse og holdning til maskinoversættelse som oversættelsesværktøj. Kapitel 7 diskuterer vigtigheden af etablering af oversættelsesstrategi samt undersøgelsens metode og anvendelighed. Kapitel 8 opsummerer afhandlingens hovedafsnit samt disses delkonklusioner for derved at give en endelig konklusion på problemformulerings spørgsmål og på baggrund heraf give en indikation af 7

8 maskinoversættelsens udbredelse og nytte ved oversættelse fra engelsk til dansk, og om denne tendens afspejler tendenserne i udlandet. 1.4 Teori og metode Maskinoversættelse har en lang historie, og jeg har valgt indledningsvis at belyse dennes historie, da den er vigtig for det overordnede indblik i maskinoversættelse som videnskab. Den er samtidig med til at illustrere, hvor kompleks oversættelse i virkeligheden er. Til det formål og til gennemgang af de forskellige maskinoversættelsessystemer er der primært anvendt litteratur af John Hutchins, Harold Somers og Philip Koehn, som op gennem tiden er de forskere, der har forfattet mest udførligt om emnet. Google Translate er valgt som oversættelsesmaskine for undersøgelsens oversættelseseksperiment. Det valg er foretaget på baggrund af det faktum, at Google er det største af de gratis online- systemer, som tilbyder oversættelse til og fra dansk, og systemet har samtidig været en integreret tilvalgsmulighed i et af de mest udbredte oversættelsesprogrammer i oversætterbranchen, SDL Trados. I den internationale oversættelsesplatform ProZ.com s state- of- the- industry - rapport fra 2011 er dette maskinoversættelsessystem ligeledes det mest anvendte blandt de adspurgte freelance- oversættere, og jeg antager på denne baggrund, at det således også er et af de bedst repræsenterede systemer blandt danske freelance- oversættere. Gennemgangen af Google Translate er baseret på information på Googles egen hjemmeside og diverse forskningsartikler og faglitterære tidsskriftsartikler fra oversættelsesindustriens internationale tænketank TAUS, som tilsammen repræsenterer den mest aktuelle information på området. For at kunne besvare spørgsmålet omkring Google Translate s oversættelsesstrategi og anskue hvilke oversættelsesproblemer systemet har i forhold til humanoversætterne i oversættelsen af specialeundersøgelsens to tekster, vil jeg som tidligere nævnt foretage en tekstanalyse af oversættelseseksperimentets to tekster. Resultaterne heraf vil efterfølgende blive sammenholdt med eksperimenternes oversættelsesforslag for at etablere, hvilke eventuelle oversættelsesstrategier de deltagende oversættere har anvendt i deres oversættelse, og om der eksisterer en sådan i Google Translate s oversættelse. Til det formål vil jeg anvende Anne Schjoldagers 4- Point model for translation analysis (bilag 1), Checklist for textual analysis (bilag 2) og makrostrategimodel (Schjoldager 2008:72), som tilsammen danner det nødvendige grundlag for udførelsen af specialets tekstanalyser. 8

9 Afhandlingens eksperiment er inspireret af og bygger videre på en undersøgelse foretaget i 2009 af lektor Sharon O Brien og kollega Rebecca Fiederer fra Dublin City University for sprogparret tysk- engelsk. Den irske undersøgelse søgte på basis af et oversættelseseksperiment at sammenligne efterredigeret maskinoversættelse med humanoversat tekst ud fra udvalgte kvalitetsparametre for derved bl.a. at fastslå maskinoversættelsessystemets styrker og svagheder. Til dette speciales eksperiment er der anvendt en tilsvarende metode, dog tilpasset dette speciales problemformulering. Fiederer og O Briens undersøgelse kiggede også på effekten af forredigering (pre- editing) og kontrolleret sprog (controlled language). Disse emner vil af pladsmæssige hensyn ikke blive behandlet i denne afhandling, men da de potentielt kan have en væsentlig indflydelse på efterredigeringsopgaven, vil der være en kort beskrivelse af emnerne. Specialets eksperiment har til formål at sammenligne kvaliteten af humanoversat tekst med maskinoversat for sprogparret engelsk- dansk. Den internationale oversættelsesportal, Proz.com, har for nylig udgivet deres seneste internationale State- of- the- industry - rapport omhandlende blandt andet fordeling og kvalitet af freelance- oversætteres arbejdsopgaver samt deres oversættelsesværktøjer. Det er en kvantitativ undersøgelse, foretaget blandt oversættelsesportalens medlemmer, som alle er freelance- oversættere. Rapporten er mig bekendt den eneste af sin slags, og den vil blive inddraget i specialet som det mest aktuelle internationale sammenligningsgrundlag for spørgeskemaundersøgelsens resultater. Oversættelsesteorien, som danner baggrund for specialet og specialets analyse, er baseret på Hans J. Vermeers skopos- teori, som beskrevet i Anne Schjoldagers bog fra 2008 Understanding Translation (Schjoldager 2008: kap. 9). Vermeers skopos- teori blev udviklet i 70 erne. Den er baseret på en funktionel tilgang til oversættelse og forudsætter, at enhver oversættelse har et formål (skopos), og at etablering af dette formål er afgørende for, om en oversættelsesstrategi skal være kildetekstorienteret eller måltekstorienteret. Forud for skopos- teorien har den langt overvejende tilgang til oversættelse været kildetekstorienteret. Vermeer opstiller følgende skopos- regelsæt, som enhver oversætter bør arbejde ud fra (i prioriteret rækkefølge): 1. Skopos- reglen (skopos rule). Helt fundamentalt betyder denne regel, at enhver tekst (og dermed også oversættelse) har et formål, og at oversætteren skal tilstræbe at producere en måltekst, som tjener sit formål i den givne kommunikationssituation. 2. Kohærens- reglen (coherence rule). Derudover skal oversætteren forsøge at producere en måltekst, som er tilstrækkeligt forståelig til at kunne tjene sit formål i kommunikationssituationen. 9

10 3. Nøjagtigheds- reglen (fidelity rule). Sidst skal oversætteren producere en tekst, som deler tilstrækkelig lighed med kildeteksten. Hvor lig målteksten skal være sin kildetekst, bestemmes af måltekstens skopos, og det er derfor afgørende, at oversætteren informeres om tekstens formål af ophavsgiveren for at kunne etablere for det første sin egen rolle i kommunikationssituationen, og derefter om den anvendte oversættelsesstrategi skal være kilde- eller måltekstorienteret. Udover etableringen af 1)måltekstens formål (skopos), som vurderes at være helt grundlæggende for oversættelsesprocessen, opereres der i skopos- teorien også med yderligere fire tillægsbegreber/principper (Schjoldager 2008: 153); nemlig 2) at oversættelse er et udtryk for en handling (translational action), og at denne handling involverer en kildetekst. 3) At en kildetekst (source text) i sig selv ikke kan styre oversættelsesprocessen og dennes strategi, og at kildetekstens vigtighed skal etableres ud fra måltekstens skopos. 4) At der skal foreligge et oplæg (brief) fra ophavsgiveren, som giver de nødvendige informationer og instrukser til udførelse af oversættelsesopgaven, og 5) at der foreligger en moralsk forpligtelse (loyalty) mellem alle involverede i oversættelsesprocessen. Med den skopos- teoretiske tilgang er oversætteren således ikke længere a lone figure confronting a foreign document (Malmkjær og Windle 2011: 17) men udgøt nu i stedet en aktiv rolle i en kompleks kommunikationssituation, hvor kundens instruktioner og måltekstens formål til tider vejer tungere end kildetekstens indhold og budskab. En anden teoretiker, hvis arbejde er meget inspireret af skopos- teoriens funktionelle tilgang, er Christiane Nord, som blandt andet opstiller følgende dikotomi af oversættelsesproblemer (Schjoldager 2008: 175), som sammen med ovennævnte skopos- teori vil være en vigtig bestanddel i specialets analyseapparat. Nord kategoriser oversættelsesproblemerne, som følger: 1. pragmatiske 2. kulturelle 3. lingvistiske 4. tekstspecifikke Pragmatiske oversættelsesproblemer opstår eksempelvis, når måltekstmodtagerne ikke har samme vidensmæssige forudsætninger som kildetekstmodtagerne for at forstå en teksts indhold. Det kan være kulturspecifikke elementer i kildeteksten, som modtagerne af oversættelsen ikke kan forventes at have nogen viden om. En oversættelse af sådanne elementer vil derfor typisk kræve en form for uddybende 10

11 forklaring. Denne form for oversættelsesproblemer må ikke forveksles med de såkaldte kulturelle oversættelsesproblemer, som opstår i forbindelse med tekstkonventionelle uoverensstemmelser mellem kilde- og måltekst. Det være sig eksempelvis i tilfælde, hvor en bestemt tekstgenre stilmæssigt forfattes og/eller opbygges forskelligt på kilde- og målsprog. De lingvistiske oversættelsesproblemer er de mere konkrete sproglige problemer, såsom anvendelse af verbalsubstantiv (ing- form) på engelsk, hvor man på dansk typisk bruger infinitiv, adverbialkonstruktioners forskellige placeringer i en sætning på de pågældende sprog, etc. De tekstspecifikke oversættelsesproblemer relaterer, som ordet indikerer, til den pågældende tekst. Det kan f.eks. være i forbindelse med neologismer eller specielt sammensatte ord, som er skabt for tekstbudskabets skyld, usædvanlige ordspil og deslige. Disse løses i den givne situation, og da de er specifikke for den tekst, de optræder i, kan der ikke angives nogen generel løsning af disse problemer. Da Christiane Nords dikotomi af oversættelsesproblemer ikke tager højde for eventuelle terminologiske problemer, der kan optræde i forbindelse med en oversættelse, og da denne type problemer i høj grad er til stede i de fleste fagsproglige oversættelser og derfor også forventes at optræde i specialets oversættelseseksperiment, har jeg valgt at tilføje denne type problemer som tillæg til Nords allerede oplyste fire. Denne type problemer vil blive angivet som terminologiske oversættelsesproblemer. Hvorledes ovennævnte skopos- teori og oversættelsesproblemer kommer til udtryk og anvendes i praksis skal vi se det senere analysekapitel, hvor også de konkrete analysemodeller vil blive præsenteret. 1.5 Praktiske bemærkninger og terminologi Da dette er en dansksproget afhandling, er der som hovedregel anvendt dansk terminologi, hvorfor post- editing kaldes efterredigering, pre- editing kaldes forredigering, machine translation (MT) kaldes maskinoversættelse og translation memory (TM) kaldes oversættelseshukommelse. Dette er gjort ud fra et valg om at holde afhandlingens sprog så dansk som muligt. Dog skal det nævnes, at der er en tendens til, at mange af de engelske termer og disses forkortelser i stigende grad anvendes inden for den danske oversætterbranchen, specielt MT og TM. Jeg har dog valgt at anvende en fordansket version af det engelske posteditors om de af undersøgelsens deltagere, der har udført efterredigeringsopgaven, og benævner disse posteditorer, da der på dansk ikke findes et andet dækkende ord herfor. Benævnelserne speciale og afhandling anvendes begge om nærværende afhandling. Dette gøres udelukkende ud fra et ønske om sproglig afveksling og benævnelserne dækker således over en og 11

12 samme ting. Da specialet er et empirisk speciale med det primære fokus på den dertil hørende analyse og dennes resultater, vil oversættelsesteori kun blive inddraget i det omfang, den er nødvendig for afhandlingens undersøgelse samt til forståelse af maskinoversættelse og dennes begrænsninger og udfordringer. På grund af læserens sproglige kompetencer, er engelsksprogede citater og modeller anvendt i deres oprindelige form og ikke oversat til dansk. Der er i afhandlingen anvendt grammatisk komma. 12

13 2. Introduktion til maskinoversættelse Maskinoversættelse, også kaldet automatisk oversættelse, er som sådan ikke noget nyt fænomen. Forskningen har siden starten af 50 erne (Hutchins 2006) stræbt efter at udvikle et maskinoversættelsessystem, der kunne levere fejlfrie oversættelser af samme kvalitet som de humane oversættelser. Her, over 60 år senere, er dette tidlige mål stadig uden for rækkevidde, men ambitionerne blandt forskerne er stadig høje, om end noget mere beskedne og realistiske med hensyn til maskinoversættelsens muligheder og begrænsninger. Forskningen inden for maskinoversættelse bevæger sig i dag omkring udviklingen af såkaldte hybride systemer (Braasch et al. 2006; Hutchins 2006), og kombinere de forskellige metoder inden for maskinoversættelse med eksempelvis oversættelseshukommelse i jagten på at effektivisere maskinoversættelse og derved minimere den manuelle indblanding. Inden for dansk sprogforskning er der også sket fremskridt med udviklingen af et program i 2010, som kan håndtere oversættelsesmønstre ved afbrudte ordforbindelser, som de statistiske maskinoversættelsessystemer har svært ved at genkende, og som der i sprog som bl.a. dansk, tysk og spansk er et stort antal af (Thorsen 2010). Den danske forsker, Anders Søgaard, som står bag udviklingen af programmet har gjort det muligt for Stanford University at udvikle maskinoversættelsessystemet Phrasal, som Anders Søgaard oplyser, at Google Translate vil implementere ved udgangen af Det forventes, at mange virksomheder vil følge i kølvandet. For bedre at kunne forstå forskellen mellem human og maskinoversættelse og som baggrund for min videre behandling af Google Translate, vil jeg i dette afsnit besvare følgende spørgsmål: 1. Hvad er oversættelse? 2. Hvad er maskinoversættelse? 3. Hvordan fungerer maskinoversættelse? 4. Hvad er efterredigering? 2.1 Hvad er oversættelse? Før vi ser nærmere på maskinoversættelse, er det først og fremmest nødvendigt at definere, hvad oversættelse er. Roman Jakobson (1959) skelner mellem tre former for oversættelse: 1) intralingval oversættelse inden for ét og samme sprogsystem, 2) interlingval oversættelse mellem to sprogsystemer, og endelig 3) intersemiotisk oversættelse, som omfatter oversættelse fra et 13

14 sprogsystem til en anden udtryksform end sprog, såsom musik og dans (Schjoldager 2008:19). Da denne afhandling omhandler oversættelse fra et sprog til et andet, nemlig fra engelsk til dansk, er det således den interlingvale oversættelse, der danner rammen om afhandlingen. Blandt lingvister af den funktionelle skole synes der at være enighed om, at oversættelse først og fremmest er et udtryk for en kommunikationsproces, som afhængig af oversættelsens funktion og kontekstuelle rammer, kan differentiere i valget af oversættelsesstrategi. Oversættelsesprocessen repræsenterer flere faser, og består som hovedregel af: 1. en analyse af kildeteksten, 2. en overførsel af kildetekst til måltekst, og 3. en afsluttende revision af målteksten (Lundquist 1997:19). Ifølge Lundquist bruges analysen i processens første fase til at forstå kildeteksten; dens emne, hvorledes forfatterens holdning til emnet kommer til udtryk, tekstens formål og ikke mindst dens stilistiske træk. I processens anden fase udføres selve oversættelsen ved hjælp af den valgte oversættelsesstrategi, som baseres på kildetekstens analyse og måltekstens formål. I tredje og sidste fase kontrolleres den færdige oversættelse for eventuelle ukorrektheder, og om oversættelsesvalgene stemmer overens med oversættelsesstrategien. Oversættelsesprocessen er således en lineær men også en funktionel proces, idet man inden for den funktionelle lingvistik her har fokus på måltekstens formål (skopos) i forbindelse med valg af oversættelsesstrategi. Mange professionelle oversættere foretager ovennævnte analyse og valg af strategi intuitivt, og på baggrund af deres, ofte mangeårige, erfaringer er det ofte en helt ubevidst handling. Men det faktum gør det ikke mindre vigtigt, og alene på den baggrund kan man være fristet til at afvise at maskinoversættelse på noget tidspunkt vil kunne erstatte den humane oversættelse. Inden for interlingval oversættelse skelnes der mellem to overordnede oversættelsesstrategier, nemlig 1) kildetekstorienteret og 2) måltekstorienteret oversættelse. Om en oversættelse skal være kildetekstorienteret eller måltekstorienteret, er et valg som oversætteren bør træffe i oversættelsesprocessens første fase og inden selve overførslen påbegyndes. Til hjælp til etablering af den makrostrategiske metode eller oversættelsesstrategi, foreslår Schjoldager (2008:72) nedenstående makrostrategimodel, som sammenfatter de vigtigste elementer for, om en given oversættelse skal være kildetekstorienteret eller måltekstorienteret: 14

15 Source- text oriented macrostrategy Focus on source- text form and content Communication of somebody else s communication Overt translation Figur 1. Schjoldagers makrostrategimodel Target- text oriented macrostrategy Focus on target- text effect Mediation between primary parties in a communication Covert translation I korte træk betyder ovenstående, at den overordnede oversættelsesstrategi skal være kildetekstorienteret, hvis oversætterens rolle er at 1) kommunikere andre parters kommunikation for en tredjepart, og hvis målteksten skal fungere som en 2) åbenlys oversættelse og have 3) fokus på kildetekstens form og indhold. Oversættelsesstrategien skal derimod være måltekstorienteret, hvis oversætterens rolle er at formidle afsenderens budskab til modtageren, og oversættelsen skal fungere som en selvstændig tekst på målsproget med fokus på måltekstens effekt. Det skal dog til ovennævnte model siges, at valget af oversættelsesstrategi ikke skal betragtes som et spørgsmål om enten eller men i mange tilfælde et spørgsmål om både og, da en og samme tekst sagtens kan have elementer og afsnit med forskellige tekstfunktioner, som derfor kræver forskellige strategier. 2.2 Hvad er maskinoversættelse? Maskinoversættelse, også kaldet automatisk oversættelse, går ifølge Hutchins (2006) historisk tilbage til efter Anden Verdenskrig, hvor man i USA, under den Kolde Krig, introducerede idéen om at udvikle et system, som kunne afkode og dermed oversætte russernes interne korrespondance under Den Kolde Krig. Idéen vakte stor begejstring, og den første konference om maskinoversættelse fandt sted i Målet var at udvikle et system, som, uden menneskelig indblanding, kunne producere en korrekt oversættelse, som kvalitetsmæssigt var sammenlignelig med den humane oversættelse. I 1954 forelå den første demonstration af et maskinoversættelsessystem, hvis kvalitet dog på ingen måde levede op til de meget høje forventninger om fejlfrie maskinoversættelser. Op gennem 50 erne og 60 erne blev der forsket meget inden for området, men udviklingen var langsommelig. Da det perfekte system skulle vise sig at have ringe udsigter, blev midlerne til forskningen i USA sat i bero, og man valgte i stedet at fokusere på udviklingen af maskinstøttede oversættelsesværktøjer, de såkaldte CAT- tools (Computer Assisted Translation tools) og i særdeleshed udviklingen af oversættelseshukommelse (også kaldet TM fra translation memory ).Forskellen på de maskinstøttede værktøjer og maskinoversættelse beror på, at maskinoversættelse foretages automatisk og uden menneskelig indblanding, hvorimod de maskinstøttede oversættelsesværktøjer er værktøjer, hvis oversættelsesforslag den humane oversætter 15

16 kan vælge at anvende i sin oversættelse, men det er stadig oversætteren der fysisk tilvælger eller fravælger de maskinstøttede værktøjers forslag. Til trods for at forskningsmidlerne i USA var blevet sat i bero, fortsatte forskningen inden for maskinoversættelse, omend i et reduceret omfang, dog stadig både i og uden for USA, og i 1970 blev det IBM- udviklede system Systran implementeret i det amerikanske luftvåben. Systemet bruges stadig til oversættelse fra russisk til engelsk den dag i dag blev også året, hvor Europa- Kommissionen implementerede Systran som oversættelsesværktøj mellem dens mange sprogpar, og hvor Canada introducerede anvendelsen af maskinoversættelsessystemet Météo til oversættelse af vejrudsigter. Op igennem 70 erne dukkede flere systemer op på markedet, men det var først i 80 erne med udviklingen af pc en, at der for alvor kom skub i de kommercielle systemer, og at de computerbaserede oversættelsesværktøjer vandt indpas hos de professionelle oversættere. Den regelbaserede metode eller RBMT (Rule- Based Machine Translation) som vi i det følgende skal se nærmere på, var på daværende tidspunkt den dominerende metode, selvom man på et tidligere stadie i maskinoversættelsens historie havde eksperimenteret kortvarigt med en statistisk tilgang. Men i 1989 blev denne dominans brudt med udviklingen af nye systemer, de såkaldte korpusbaserede systemer, som inkluderede eksempelbaseret og statistisk maskinoversættelse. Sidstnævnte er det system, som repræsenterer den største udvikling i dag og eksempler herpå kan ses i de hurtigt voksende web- baserede maskinoversættelsessystemer, hvoraf Google Translate er den største. 2.3 Hvordan fungerer maskinoversættelse? De eksisterende maskinoversættelsessystemer er baserede på en række oversættelsesprincipper, og der skelnes typisk mellem enten 1) regelbaserede, 2) korpusbaserede eller 3) hybride systemer. I det følgende vil jeg redegøre for hovedelementerne i maskinoversættelsens tre grundprincipper, som vil give det nødvendige overblik over de forskellige former for maskinoversættelse, og hvorledes disse fungerer Regelbaseret maskinoversættelse Den første og hidtil mest anvendte metode er regelbaseret maskinoversættelse. Denne er blevet anvendt siden starten af maskinoversættelsen historie, hvor den først og fremmest blev anvendt i en simpel form, baseret på tosproglige ordbøger og få grammatiske regler, også kendt som den direkte metode. Denne metode bygger på oversættelse på ordniveau, og da metoden ikke tager hensyn til sproglig struktur er det således også den oversættelsesmetode, der er mest fejlbehæftet (Somers 2003:122). Den direkte metode blev i 80 erne dog erstattet af den mere avancerede indirekte metode, 16

17 også kaldet transfer- metoden, som er kendetegnet ved større og mere avancerede grammatiske og oversættelsestekniske regelsæt, og hvor kildeteksten underlægges en grammatisk analyse, inden den oversættes. Herved opnås en bedre oversættelseskvalitet, og kendte maskinoversættelsessystemer som Systran og AsiaOnline bygger på denne metode (O Brien 2011a). Fordelen ved de regelbaserede systemer er, at reglerne er definerede, og i tilfælde af fejl er det forholdsvis nemt at rette en regel til at give et andet udfald. Ulempen ved den regelbaserede metode er imidlertid, at maskinoversættelsessystemet har uendeligt mange af disse regler, som alle skal defineres, før de kan anvendes. De fleste af disse regler har tillige undtagelser, og undtagelser til undtagelserne, som alle også skal defineres for at kunne træde i kraft. Alle disse lingvistiske regler skal defineres og implementeres manuelt, hvilket gør dette system til et relativt langsomt udviklende og vedligeholdelsestungt system Korpusbaseret maskinoversættelse I slutningen af 80 erne vandt en ny metode indpas inden for maskinoversættelse, nemlig den korpusbaserede metode (Hutchins 2005). Denne nye metode var i modsætning til den hidtil dominerende regelbaserede maskinoversættelse ikke bygget op omkring et stort netværk af grammatiske regler men i stedet korpusbaseret i form af tekstdatabaser bestående af bilingvale eksempler eller store sprogligt parallelle tekstkorpora. Der skelnes mellem to former for korpusbaseret maskinoversættelse, nemlig 1) eksempelbaseret og 2) statistisk maskinoversættelse. Der er blandt forskerne på området uenighed om, hvorvidt man kan tale om eksempelbaseret og statistisk maskinoversættelse som to forskellige systemer, og om eksempelbaseret maskinoversættelse blot er en variant af den statistiske metode eller omvendt. Ifølge Hutchins overlapper de to metoder mere og mere hinanden, da de anvender hinandens aligneringsteknikker, så det kan være svært at skelne dem fra hinanden (Hutchins 2005:12). Men helt grundlæggende er eksempelbaseret maskinoversættelse et datadrevet system, hvor systemet automatisk foretager en oversættelse ud fra de allerede oversatte bilingvale eksempler i systemets tekstkorpora. Idé og opbygning minder umiddelbart meget om oversættelseshukommelse. Men ifølge Harold Somers (Braasch et al. 2006: 300) er der afgørende forskel på de to, idet oversættelseshukommelse er en manuel metode, hvor oversætteren bestemmer hvilke forslag fra hukommelsen, der skal anvendes i den givne situation, hvor eksempelbaseret maskinoversættelse er en rent automatisk metode. 17

18 Ifølge Hutchins (2005) er fordelen ved den eksempelbaserede metode, som ved oversættelseshukommelse, at man genbruger allerede oversat tekst og på den måde sikrer en forholdsvis høj grad af korrekthed og ensartethed. Ulempen, som nødvendigvis må være gældende ved alle korpusbaserede systemer, er, at det kræver en enorm mængde paralleldata for at fungere optimalt. Og da dette system tillige kun oversætter segmenter i form af sætninger med nøjagtig eller nær- nøjagtig match, er systemet således ikke i stand til at genkende og genbruge fraser, som optræder i de lagrede sætninger, når den omkringliggende tekst afviger herfra. Statistisk maskinoversættelse (eller SMT fra statistical machine translation) er den metode, der forskningsmæssigt har fået størst opmærksomhed siden 80 erne. De fleste statistiske systemer i dag bygger på en model, der blev udviklet af IBM i 1988 (Hutchins 2005). Grundstenen i statistisk maskinoversættelse er, at maskinen, ved hjælp af store mængder oversatte paralleltekster, trænes til at lære, hvad den statistisk set mest sandsynlige oversættelse af et givent segment er uden anvendelse af lingvistiske regler (Braasch et al. 2006:294). Dette betyder ganske enkelt, at maskinen kontinuerligt bliver bedre til at oversætte i takt med, at mængden af paralleltekster på de pågældende sprog vokser. Det kendetegnende ved statistisk maskinoversættelse er, at maskinen programmeres til at lede efter genkendelige oversættelsesmønstre i parallelteksterne ved hjælp af matematiske formler (algoritmer). Disse formler forsøger som det første at alignere og derved matche kildeteksten, først på sætningsniveau og efterfølgende på ord- eller fraseniveau, med de paralleltekster, som findes i maskinens tekstkorpus. På basis af disse alignerede ord og fraser udarbejder maskinen herefter følgende tre modeller: 1. en oversættelsesmodel, som beregner hyppigheden af de samme ords forekomster på kilde- og målsprog, 2. sprogmodel, som på basis af oversættelsesmodellen udarbejder ordsekvenserne på målsproget, og til sidst 3. en afkodningsmodel, hvor maskinen ud fra en sandsynlighedsberegning vælger den mest sandsynlige forekomst og rækkefølge af ordene på målsproget, og giver dette som oversættelsesforslag (Braasch et al. 2006:294, Hutchins 2006:2). 18

19 What s New in Statistical Machine Translation p Statistical MT Systems p Spanish/English Bilingual Text English Text Statistical machine translation Statistical Analysis Statistical Analysis Components: Translation model, language model, decoder Spanish Broken English foreign/english English English parallel text What hunger have text I Que hambre tengo yo Hungry I am so I am so hungry I am so hungry statistical analysis Have I statistical that hunger analysis... 7 Translation Model Language Model Decoding Algorithm Figur 2: Statistisk maskinoversættelse (Koehn 2007: 8) Philipp Koehn Statistical Machine Translation 10 September 2007 Da de statistiske systemer er ord- eller frasebaserede, og ikke sætningsbaserede som det er tilfældet med de eksempelbaserede systemerne, leder maskinen ikke efter fuldstændige sætnings- match i de Kevin Knight and Philipp Koehn, USC/ISI 3 tilhørende tekstkorpora og vil derfor altid give et oversættelsesforslag, som er en af fordelene ved dette system. En anden fordel er, at systemet er forholdsvis nemt at vedligeholde, da systemet oversætter ved hjælp af oversættelsesmønstre fra dets tekstkorpora, og der således ikke, som ved den regelbaserede metode, er en stor mængde af grammatiske regler, der skal defineres og vedligeholdes. Samtidig forbedres systemet automatisk i takt med, at dennes korpora vokser. Det skal dog nævnes, at det statistiske maskinoversættelsessystem, som de andre systemer, ikke vil kunne oversætte et nyt og ukendt ord, og systemet vil således overføre ordet til målteksten i dets oprindelige form. p. Ulempen ved den statistiske metode er, at det som ved den eksempelbaserede metode er et korpusbaseret maskinoversættelsessystem, som kræver store tekstkorpora for at kunne producere et brugbart resultat. Derudover kan man ikke sikre den samme form for konsekvens i terminologi som ved de regel- og eksempelbaserede metoder og oversættelseshukommelse, da statistisk maskinoversættelse foretager aligneringen på ord- og fraseniveau og ikke på hele sætningen. 19

20 2.3.3 Hybrid maskinoversættelse De nyeste tendenser inden for maskinoversættelse går i retning af at udvikle systemer, som kan implementere og blande anvendelsen af oversættelseshukommelse og maskinoversættelse og herved opnå en endnu højere oversættelseskvalitet. Idéen med den hybride metode er at udnytte fordelene ved begge systemer, således at det ene systems svaghed udlignes af det andet systems styrke (Braasch et al. 2006: 299). Oversættelseshukommelse kan bruges til at lagre oversatte segmenter mellem to sprog i genbrugsøjemed, hvis identiske eller næridentiske segmenter skulle forekomme i en ny tekst. Systemet kan dog ikke bruges til oversættelse af ny og dermed ukendt tekst. Det kan maskinoversættelsessystemet derimod, og en kombination af de to systemer kan give en mere effektiv automatisering, som kræver en mindre grad af manuel efterredigering (Hutchins 2006: 14). 2.4 Hvad er efterredigering Efterredigering eller post- editing, som det også kaldes i danske munde, er et forholdsvist nyt fænomen. Det er opstået i takt med globaliseringens udvikling og, som en følge heraf, et stigende behov for oversættelser (O Brien 2009). Det anslås, at flere og flere virksomheder vil benytte sig af maskinoversættelse fremover for at spare både tid og penge, og at der således vil komme en stigende efterspørgsel efter en efterredigering af disse maskinoversættelser for at bringe dem til publicérbar kvalitet. Ifølge en TAUS- rapport fra 2010 (O Brien 2011a) omhandler efterredigering the process of improving a machine- generated translation with a minimum of manual labour. Ifølge Anne- Marie Loffler- Laurian er efterredigering A process of modification rather than revision (O Brien 2011a). O Brien understreger i denne forbindelse, at revision og efterredigering overlapper hinanden, men at der er forskel på de to opgaver, og det i sidste ende er tekstens funktion og den ønskede kvalitet, der bestemmer tilgangen til opgaven. Revision af en oversættelse indebærer en omfattende gennemgang af den oversatte tekst, hvor elementer som stil, kohæsion, idiomatik og tekstfunktion behandles, ud over de helt fundamentale kriterier som nøjagtighed, forståelighed og grammatik (Mossop 2001; TAUS 2010; O Brien 2011a). Ved efterredigering er det typisk kun de sidstnævnte kriterier, der arbejdes med, og det er således et andet grundlag, man arbejder ud fra. O Brien (2011a) understreger, at det overordnede formål med efterredigeringen er at skabe en tekst, der er sprogligt acceptabel, og som tjener sit formål med mindst mulig indsats, både i form af ændringer og tidsforbrug. I TAUS Postediting Guidelines (2010) opererer man med to former for efterredigering, light og full. Om man skal udføre den ene eller den anden form for efterredigering, afhænger af måltekstens 20