ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
63
One hallmark of the Air Force Foreign
Technology Division (FTD) was (and contin-
ues to be for HQ NASIC) its machine transla-
tion (MT) capabilities. In 1955, the Rome Air
Development Center at Griffiss AFB, New
York, was tasked to develop an MT system for
the center. The IBM Mark I Translating De-
vice produced its first automated translation in
1959, and, in October 1963, FTD installed the
Mark II, which provided word-for-word Rus-
sian language translations at the rate of about
5,000 words per hour.
The National Air and Space Intelligence
Center (NASIC) has been developing, operat-
ing, and maintaining Systran [MT] systems
since 1969. In July 1970, FTD upgraded to an
IBM 360 Systran system. Translation speed
increased 20-fold and the system analyzed the
Russian text sentence-by-sentence to provide
improved grammar and syntax. In October
1982, an optical character reader was added to
the system to more fully automate text transla-
tion.
In September 1971, Air Force Rome Air
Development Center developed an English-to-
Vietnamese automated translator. Designed to
operate on the IBM 360/67 computer, the
translation system had an output rate of 80,000
to 100,000 words per hour. As part of the
overall "Vietnamization Program," RADC
produced in May an automated translation
from English to Vietnamese of AF Manual 51-
37, Instrument Flying. The translation was
accomplished using the LOGOS I System for
English-to-Vietnamese machine translation.
By the late 1970s three types of projects
include those relying on "brute force" methods
involving larger and faster computers; those
based on a linguistic tradition which asserts
that knowledge required for machine transla-
tion can be assimilated to the structure of a
grammar-based system with a semantic com-
ponent; and those stemming from artificial
intelligence research, with an emphasis on
knowledge structures. At that time the artifi-
cial intelligence approach seemed to have the
best chance of simulating the communicative
abilities necessary for realistic machine trans-
lation and gives an account of how knowledge
structures might cope with one of the classic
problems of machine translation: that of meta-
phor, or "semantic boundary breaking".
Machine translation efforts at RADC
concluded on 27 October 1980 upon comple-
tion of a German/English translation system,
dubbed METAL. Developed in conjunction
with the University of Texas at Austin, the
third-generation machine translated with an
accuracy rate of 83 percent. From its begin-
nings 25 years before as an in-house research
and development project, translation machines
were designed by the Center for Russian, Chi-
nese, and Vietnamese languages.
Today's MT capabilities provides trans-
lation "on-the-fly." Within seconds after re-
ceiving text, the computer begins providing
the translation. Also, almost all HQ NASIC
personnel have access to the interactive ma-
chine translation system. Russian is the most
"robust" language, with built-in Russian trans-
lation dictionaries containing more than
350,000 words and expressions.
The Systran MT systems are the only
known MT systems that cover the wide range
of systems of interest to NASIC and which
employ the context-sensitive language analy-
sis that is compatible with NASIC's systems.
In addition, Systran MT systems have been
identified as the only Department of Defense
Intelligence Information System (DODIIS)
migration MT System by the DODIIS Migra-
tion Board. Existing Systran MT systems in-
clude Russian-English, French-English, Ger-
man-English, Chinese- English, Spanish-
English, Korean-English, Slovak-English, Al-
banian-English, Ukrainian-English, Serbo-
Croatian-English, Japanese-English, Polish-
English, English-Chinese, English-Japanese,
English-Korean, Czech-English, Arabic- Eng-
lish, Urdu-English, and Farsi-English.
Over the past few years there has been a
significant research program funded by
ARPA, NSA and other government agencies
to develop and test automatic machine transla-
tion algorithms. While this research program
has been constrained to a limited source of
documents and a limited set of languages, re-
sults so far have been very promising. How-
ever a follow-on program is needed to transfer
the results of this research into operational
use. NSA sponsored work to extend the appli-
cability of the best language translation algo-
rithms to more languages and more general
domains; to improve the computational effi-
ciency of those algorithms; to port those algo-
rithms to networked workstations; and to de-
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
64
velop good human-machine interfaces to allow
easy control and operation of the system.
For textual information, there are ongo-
ing research programs for document retrieval
by topic, for data extraction and for machine
translation. For several years, ARPA, NSA
and other agencies onducted and sponsored
research programs to develop algorithms for
large vocabulary, continuous speech recogni-
tion. A follow-on to this research program was
needed to further improve the recognition al-
gorithms and to build a prototype speech rec-
ognition system and a system capable of proc-
essing continuous speech dictation of arbitrary
text.
NSA sponsored work to extend the ap-
plicability of the best large vocabulary con-
tinuous speech recognition systems to vocabu-
laries with sizes up to 50,000 words and to
languages other than English; to improve the
computational efficiency of those algorithms;
to port those algorithms to networked worksta-
tions; and to develop effective human-machine
interfaces to allow easy training, testing and
general use of the system. The goal of the pro-
gram is to deliver a usable prototype system
for taking dictation on arbitrary topics using
continuous speech input.
A major effort was initiated for devel-
opment of efficient and reliable text summari-
zation technology. Text summarization will
combine existing text generation systems with
a new understanding of how to identify key
points of information in a text to reduce the
volume of text an analyst needs to review.
Prototype development for text summarization
and relevance feedback from users is a near-
term goal of the program.
By 2000 many projects to develop and
use technology, including machine translation
tools, for foreign language training and proc-
essing were under way in the Intelligence
Community with funding from the National
Foreign Intelligence Program, Joint Military
Intelligence Program, and the Tactical Intelli-
gence and Related Activities budget. A num-
ber of pilot projects are underway that could
eventually help IC analysts and information
processors deal with the increasing volume of
foreign language material.
But humans remained a key part of this
equation. The trend was toward development
of tools that are intended to assist rather than
replace the human language specialist and the
instructor. Still, though this capability was not
intended to replace humans, it was increas-
ingly useful in niche areas, such as technical
publications.
By 2003 the performance of machine
translation technology on Arabic news feeds
had vastly improved from essentially garbled
output to nearly edit-worthy text, often under-
standable down to the level of individual sen-
tences. This work pointed the way to unprece-
dented capabilities for exploiting huge vol-
umes of speech and text in multiple languages.
Historically three different approaches
to MT have been used: direct translation, in-
terlingual translation and transfer based trans-
lation. From the 1980's and early 1990's a few
new approaches were also introduced. These
recent approaches to machine translation are
knowledge-based, corpus-based, hybrid meth-
ods and human in loop.
Direct translation is the oldest approach
to MT. If the MT system uses direct transla-
tion, it usually meant that the source language
text was not analyzed structurally beyond
morphology. The translation is based on large
dictionaries and word-by-word translation
with some simple grammatical adjustments
e.g. on word order and morphology. A direct
translation system is designed for a specific
source and target language pair. The transla-
tion unit of the approach is usually a word.
The lexicon is normally conceived of as
the repository of word-specific information.
Traditional lexical resources, such as machine
readable dictionaries, therefore contain lists of
words. These lists might delineate senses of a
word, represent the meaning of a word, or
specify the syntactic frames in which a word
can appear, but the level of granularity with
which they are concerned is the individual
word. There are many linguistic phenomena
which pose a challenge to this "word focus" in
the lexicon. The incorporation of elements at a
higher level of abstraction -- at the phrasal
level, where particular words are grouped to-
gether into fixed phrases -- provides a basis
for improved computational processing of lan-
guage.
One of the oldest still used MT systems
today, Systran, is basically a direct translation
system. The first version of it was published in
1969. Over the years the system has been de-
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
65
veloped quite much, but still its translation
capability is mainly based on very large bilin-
gual dictionaries. No general linguistic theory
or parsing principles are necessarily present
for direct translation to work; these systems
depends instead on well developed dictionar-
ies, morphological analysis, and text process-
ing software.
The interlingua approach was histori-
cally the next steps in the development of MT.
Esperanto was an interlingua for translating
between languages. In an interlingua based
MT approach translation is done via an inter-
mediary (semantic) representation of the SL
text. Interlingua is supposed to be a language
independent representation from which trans-
lations can be generated to different target
languages. The interlingua approach assumes
that it is possible to convert source texts into
representations common to more than one lan-
guage. From such interlingual representations
texts are generated into other languages.
Translation is thus in two stages: from the
source language to the interlingua (IL) and
from the IL to the target language.
Transfer systems divide translation into
steps which clearly differentiate source lan-
guage and target language parts. The first
stage converts source texts into abstract repre-
sentations; the second stage converts these
into equivalent target language-oriented repre-
sentations; and the third generates the final
target language texts. Whereas the interlingua
approach necessarily requires complete resolu-
tion of all ambiguities in the SL text so that
translation into any other language is possible,
in the transfer approach only those ambiguities
inherent in the language in question are tack-
led.
Knowledge-based machine translation
follows the linguistic and computational in-
structions supplied to it by human researchers
in linguistics and programming. The texts to
be translated have to be presented to the com-
puter in machine-readable form. The machine
translation process may be unidirectional be-
tween a pair of languages: the translation is
possible only from Russian to English, for ex-
ample, and not vice versa, in one system. Or it
may be bidirectional.
The dominant approach since around
1970 has been to use handcrafted linguistic
rules, but this approach is very expensive to
build, requiring the manual entry of large
numbers of "rules" by trained linguists. This
approach does not scale up well to a general
system. Such systems also produce transla-
tions that are awkward and hard to understand.
Corpus-based approaches to machine
translation (statistical or example-based) tried,
and partially succeeded to replace traditional
rule-based approaches, beginning in the mid-
1990s, following the developments in lan-
guage technology. The main advantage of cor-
pus-based machine translation systems is that
they are self-customising in the sense that they
can learn the translations of terminology and
even stylistic phrasing from previously trans-
lated materials.
One of the many problems in the field
of machine translation is that expressions
(multi-word terms) convey ideas that tran-
scend the meanings of the individual words in
the expression. A sentence may have unambi-
guous meaning, but each word in the sentence
can have many different meanings. Autocod-
ing (or automatic concept indexing) occurs
when a software program extracts terms con-
tained within text and maps them to a standard
list of concepts contained in a nomenclature.
The purpose of autocoding is to provide a way
of organizing large documents by the concepts
represented in the text. Autocoders transform
text into an index of coded nomenclature
terms (sometimes called a "concept index" or
"concept signature").
Word sense disambiguation is a tech-
nique for assigning the most appropriate
meaning to a polysemous word within a given
context. Word sense disambiguation is consid-
ered essential for applications that use knowl-
edge of word meanings in open text, such as
machine translation, knowledge acquisition,
information retrieval, and information extrac-
tion. Accordingly, word sense disambiguation
may be used by many commercial applica-
tions, such as automatic machine translation
(e.g. see the translation services offered by
www.altavista.com, www.google.com), intel-
ligent information retrieval (helping the users
of search engines find information that is more
relevant to their search), text classification,
and others.
By the turn of the century, this newer
approach based on statistical models - a word
or phrase is translated to one of a number of
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
66
possibilities based on the probability that it
would occur in the current context - has
achieved marked success. The best examples
substantially outperform rule-based systems.
Statistics-based machine translation (SMT)
also may prove easier and less expensive to
expand, if the system can be taught new
knowledge domains or languages by giving it
large samples of existing human-translated
texts.
Despite some success, however, severe
problems still exist: outputs are often un-
grammatical and the quality and accuracy of
translation falls well below that of a human
linguist - and well below demands of all but
highly specialized commercial markets.
Hybrid methods are still fundamentally
statistics-based, but incorporate higher level
abstract syntax rules to arrive at the final
translation. Such hybrids have been explored
in the research community, but without any
real success because it was difficult to merge
the fundamentally different approaches. New
algorithms exploit knowledge of how words,
phrases and patterns should be translated;
knowledge of how syntax-based and non-
syntax based translation rules should be ap-
plied; and knowledge of how syntactically
based target structures should be generated.
Cross-lingual parsers of increasing complexity
provide methods to choose different syntactic
orderings in different situations.
Human-in-loop approaches respond to
the difficulties in translation from one lan-
guage to another that are inherent in Machine
Translation. Languages are not symmetrically
translatable word for word - greatly complicat-
ing software design and making perfect trans-
lation impossible. The greater the differences
between languages' structure and culture, the
greater the difficulty to accurately translate the
intent of the speaker. As with any machine
translation, conversions are normally not con-
text-sensitive and may not fully convert text
into its intended meaning. Language experts
noted that machine translation software will
never be able to replace a human translator's
ability to interpret fine nuances, cultural refer-
ences, and the use of slang terms or idioms.
Machine translation is not perfect, and
may create some poor translations (which can
be corrected). Computers, however limited for
aiding nonlinguists, are powerful tools for lin-
guists in intelligence and special operations to
sort through tons of untranslated information
or "triage" documents, sorting contents by pri-
ority. Machine "gisting" (reviewing intelli-
gence documents to determine if they contain
target key words or phrases) is used to better
manage their workloads and target the infor-
mation that trained linguists need to review in
depth. An automated translation system can be
used for translation of technical terms and
consistent translation of stock phrases in dip-
lomatic and legal documents to help human
translators work more efficiently.
Both the private and the public sectors
are exploring advances in machine translation
of spoken and written communications. Off-
the-shelf commercial software is designed for
commercially viable languages, but not for the
less-commonly taught, low-density languages.
Numerous demonstration projects are under
way, and early results show some promise for
this type of technology.
BIBLIOGRAPHY
1. Hutchins, W. John; and Harold L. Somers
(1992). An Introduction to Machine Trans-
lation. London: Academic Press.
2. Cohen, J.M., "Translation", Encyclopedia
Americana, 1986, vol. 27, pp. 12–15.
3. Bar-Hillel, "Automatic Translation of Lan-
guages", 2009.
4. W. John Hut chins and Harold L. Somers.
1992. An Introduction to Machine Transla-
tion. ACADEMIC PRESS. (London)
5. Sato, S. and Nagao, Toward Memory -
based Translation. In Proceedings of the
Col- ing'90, pages 247-252 M. 1990.
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
67
УДК 81'25
ОБ ИСПОЛЬЗОВАНИИ СТУДЕНТАМИ ЭЛЕКТРОННЫХ СРЕДСТВ ПРИ
ВЫПОЛНЕНИИ ДОМАШНИХ ЗАДАНИЙ ПО ПЕРЕВОДУ
Фоминых Е.И.
За последние пару десятилетий в Ка-
захстане произошло множество изменений
в разных сферах – экономике, политике,
здравоохранении, образовании и пр. – и,
конечно же, не последнюю роль во всех
этих процессах сыграли новые технические
средства. Компьютер (а часто и глобальная
сеть Интернет) стал тем средством, при
отсутствии которого достаточно сложно
представить себе работу какой-либо орга-
низации. Естественно, эти изменения не
могли не затронуть и работу переводчика:
вышли в свет электронные словари, спра-
вочники, TM-утилиты (TM – translation
memory), программы-переводчики и про-
чее. С одной стороны, они оказывают по-
мощь переводчику, а с другой стороны –
зачастую являются губительными, по-
скольку именно из-за тотального использо-
вания некоторых таких программ снижает-
ся качество перевода. Если обратиться к
системе подготовки специалистов в облас-
ти перевода, то мы увидим, что преподава-
тели перевода все чаще сталкиваются с
проблемой, вызванной именно результата-
ми технического прогресса: недобросове-
стные студенты пользуются компьютер-
ными программами-переводчиками для
выполнения домашних заданий по перево-
ду письменных текстов.
Письменные задания на перевод со-
ставляют фактически большую часть зада-
ний студентов специальности «Переводче-
ское дело», так как используются в курсе
таких дисциплин, предусмотренных Госу-
дарственным стандартом образования Рес-
публики Казахстан, как «Практика пись-
менного перевода», «Информативный пе-
ревод», «Технический перевод», «Специ-
альный перевод» и многих других. Поэто-
му мы полагаем, что тенденция использо-
вания студентами программ-переводчиков
для выполнения заданий по переводу тек-
стов представляет серьезную угрозу про-
фессиональному образованию по специ-
альности и, при отсутствии должного вни-
мания к проблеме, может привести к рез-
кому снижению качества письменных пе-
реводов в стране.
Вероятно, одной из причин возник-
новения этой проблемы можно считать не-
достаточное использование технических
средств при проведении занятий по пере-
воду, что, по всей видимости, позволяет
студентам полагать, что преподаватель не-
достаточно разбирается в современных
достижениях науки и техники. Безусловно,
практически всегда подобные умозаключе-
ния оказываются ошибочными, и препода-
ватель обнаруживает нечестность студента.
Проведенный нами опрос студентов по
данной проблеме показывает, что в абсо-
лютном большинстве случаев студенты
просто не имеют представления о том, что
существуют какие-то другие электронные
средства, кроме словарей «Лингво» (реже –
«Мультитран») и программ-переводчиков
«Промпта» и онлайн-переводчика «Гугл
Транслейт». Все это говорит о том, что не-
обходимо объяснять студентам, какие нов-
шества полезны для перевода и переводчи-
ка, какие – нет.
В ходе исследования проблемы сту-
дентам-переводчикам задавались вопросы,
касающиеся достоинств и недостатков ис-
пользования компьютера при выполнении
заданий по переводу текстов. Наиболее
часто среди положительных сторон студен-
ты называли быстрый поиск необходимой
словарной статьи в электронном словаре
(по сравнению с печатным); закрепление
навыка быстрого набора текста; возмож-
ность проверки орфографии и пунктуации
в текстовом редакторе «MS Word»; удоб-
ный поиск дополнительной информации в
Интернете; возможность редактирования
перевода без переписывания всего текста и
без помарок и пр. В то же время, студенты
отметили и недостатки компьютера: воз-
можное ухудшение зрения; зависимость
скорости перевода от скорости набора тек-
ста и работы Интернета; необходимость
доработки перевода после печати текста из-
за плохого восприятия текста на мониторе
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
68
компьютера; возможные потери информа-
ции из-за перебоев в подаче электроэнер-
гии и др.
Если рассматривать эту проблему с
позиции экономики (ведь каждый выпуск-
ник специальности «Переводческое дело»
столкнется с необходимостью продажи
своих услуг), то мы увидим, что субъекты
бизнеса в конкурентной борьбе могут ис-
пользовать преимущества своей сырьевой
базы, размещения трудовых ресурсов и
распространения готовой продукции и пр.
Очевидно, что у переводчика эти факторы
отсутствуют, и в условиях конкуренции
ключевым фактором успеха для него ста-
нет использование новых технологий пере-
водческого процесса [1, c. 113]. Поэтому
преподавателям перевода необходимо при-
нимать во внимание этот факт и помочь
студентам правильно расставить приорите-
ты использования электронных средств при
переводе.
Семенов А.Л. к основным компонен-
там современного программного обеспече-
ния в переводческой деятельности относит
информационно-справочную базу; процес-
сы и средства накопления, архивирования,
поиска и восстановления архивированных
переводов (системы «памяти переводов»);
системы машинного перевода и прочее [1,
с. 114]. Следует рассмотреть каждый из
них отдельно и определить их влияние на
процесс перевода и качество образования
по специальности.
Полагаем, что следует начать с ин-
формационно-справочной базы, в которую
можно включить электронные словари,
справочники, энциклопедии, нормативно-
терминологические источники и Интернет
как один из основных источников разнооб-
разной информации в современном мире.
Исключительная роль информационного и
справочного материала в работе перево-
дчика объясняется, на наш взгляд, сле-
дующим. Как известно, для того, чтобы
создать адекватный перевод, переводчик
должен иметь четкое представление о со-
держании переводимого текста. Причем,
понимание значений всех лексических
единиц, морфологических форм и синтак-
сических конструкций, содержащихся в
тексте − это необходимое, но не достаточ-
ное условие такого понимания.
Исключительную роль и при предпе-
реводческом анализе, и в процессе самого
перевода играет контекстуализация пере-
водимого текста, т.е. переводчик должен
уяснить фрагмент реальности, отраженный
в тексте, и вписать его в широкий культур-
ный и языковой контекст [2].
Проанализировать и понять значение
лексических и грамматических единиц в
тексте оригинала переводчику помогают
словари и разнообразные лингвистические
справочники, в том числе Интернет-
источники. Распознать фрагмент реальной
действительности в тексте (т.н. «денотат»)
и постичь его отношение к действительно-
сти в целом переводчику позволяет его
кругозор, его знания лингвострановедче-
ских фактов, а также разнообразные спра-
вочники, как лингвострановедческого, так
и специального характера (по истории,
технике, медицине и т.д.). Однако в на-
стоящее время рост знаний во всех облас-
тях человеческой деятельности, а также
изменения в языке (особенно в области
специальной терминологии, в разговорном
слое языка и т.п.) происходят быстрыми
темпами и значительно опережают перио-
дичность издания бумажных словарей и
справочников. Более того, с развитием
коммуникационных технологий и колос-
сальным увеличением объема и разнообра-
зия тематики выполняемых в мире перево-
дов переводчику все чаще приходится пе-
реводить тексты, с одной стороны, относи-
тельно недавно созданные, а с другой – не
имеющие высокой культурной ценности и
посвященные преходящим проблемам, ак-
туальным только в настоящий момент. Все
это необходимо осознавать студенту спе-
циальности «Переводческое дело» и прила-
гать усилия для постижения новой инфор-
мации и новых технологий в переводе.
Из всего вышеперечисленного следу-
ет, что переводчик, не имеющий постоян-
ного доступа к Интернету, оказывается не-
способен должным образом контекстуали-
зировать переводимые им современные
тексты, что значительно снижает качество
его перевода. Применительно к изучаемым
дисциплинам, часто встречаются тексты
технического характера, в которых есть
указание на определенные явления и про-
цессы (бурошнековая установка, шламо-
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
69
хранилище, submersible pumps, thermally
enhanced oil), но сами они не описываются,
поскольку знакомы специалистам в опре-
деленных областях. Безусловно, необходи-
мо учитываться и тот факт, что Интернет
дает переводчику возможность пользовать-
ся большим количеством словарей, многие
из которых являются электронными анало-
гами качественных печатных изданий.
Проблема электронных словарей в
среде переводчиков и преподавателей пе-
ревода традиционно вызывает разногласия.
Так, в адрес ряда популярных электронных
словарей (в том числе означенных выше
«Лингво» и «Мультитрана») звучит вполне
заслуженная критика, вызванная их непо-
следовательностью, несоответствием лек-
сикографическим стандартам, открытостью
для редактирования и дополнения лицами,
чья компетентность не может быть прове-
рена и т.д. Например, в словарной статье
«Мультитрана» pivot, помимо основного
значения приводятся авторские (автор
Aly19): главный, основной пункт, ключе-
вой игрок – в спорте и т.д. С другой сторо-
ны, не стоит отрицать их достоинство, за-
ключающееся в том, что дополнения и ре-
марки посетителей зачастую оказываются
ценными, особенно если речь идет о словах
и выражениях, которые возникли сравни-
тельно недавно и еще не вошли в более
академичные источники.
Кроме того, следует отметить, что
все чаще литературные источники встре-
чаются исключительно в электронной фор-
ме, и мнение о том, что все или почти все
ценное и полезное, что можно найти в Ин-
тернете, это лишь электронная версия пе-
чатных изданий (справочников, словарей),
расходится с реальной действительностью.
Поэтому нам представляется целесо-
образным стимулировать студентов при
выполнении домашних заданий по пись-
менному переводу тестов использовать до-
полнительные источники информации, в
том числе Интернет, для получения сведе-
ний как культурно-исторического, так и
переменного характера. Так, невозможно
без определенных знаний в области геоло-
гии и способов добычи нефти перевести
следующее предложение: The "classic"
method includes making underground explo-
sion nearby and observing the seismic re-
sponse that provides information about the
geological structures under the ground. Для
верной передачи смысла предложения не-
обходимо знать, что «seismic response» -
сейсмическая реакция - параметры сейсми-
ческого движения объекта или его точек
основания. «Классический» способ вклю-
чает в себя следующие действия: рядом с
предполагаемым месторождением произ-
водят подземный взрыв и затем наблюдают
за сейсмической реакцией, которая позво-
ляет судить о том, какие геологические
структуры находятся под землей.
В современном мире все чаще появ-
ляются однотипные тексты с однотипными
лингвистическими комментариями. Тек-
сты, которые описывают новые разновид-
ности товаров, в большой степени повто-
ряются. Зачастую они представляют собой
отредактированный вариант предыдущей
версии. По мнению ученых, которые зани-
маются компьютеризацией переводческой
деятельности, очередной обновленный
промышленный продукт, и, как следствие,
его описание, отличается от предыдущих
вариантов в среднем на 30%. Благодаря
этому наблюдению произошло переосмыс-
ление организационных процессов в пере-
водческом бизнесе и появились новые пути
автоматизации повторного перевода – пе-
реводческий инструментарий. В отличие от
систем машинного перевода, эти про-
граммные средства не выполняют никаких
операций по переводу текста, но при этом
оказывают значительную поддержку пере-
водческого процесса, повышают произво-
дительность труда переводчика.
К таким программам относятся, в
первую очередь, системы, которые накап-
ливают в памяти фрагменты текстов и ва-
рианты их переводов, так называемые ТМ-
инструменты, а также «системы термино-
логического обеспечения» (TMS – Termi-
nology Management systems), которые пред-
лагают варианты перевода терминов, ранее
использованных переводчиком. В первое
время использования таких программ про-
изводительность переводчика не меняется.
Однако с накоплением переводов база рас-
ширяется, и в момент начала работы над
переводом очередного предложения ТМ-
инструмет проверит имеющуюся базу дан-
ных на наличие точно такого же или похо-
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
70
жего предложения. Нам кажется разумным
использовать эти средства при выполнении
студентами КАСУ заданий, например, по
дисциплине «Технический перевод», где
основное пособие [3] разбито на несколько
тематических блоков.
На наш взгляд, это одно из самых
эффективных достижений в области фор-
мализации переводческой деятельности,
поскольку позволяет увеличить скорость
перевода повторяющейся информации и
при этом не снижает качество перевода на
выходе. Это как раз тот вид компьютерного
перевода, которому необходимо обучать
студентов-переводчиков, при этом делая
особый акцент на проверке и редактирова-
нии готового перевода.
Использование при выполнении за-
даний по письменному переводу текстов
систем автоматического перевода (про-
грамм-переводчиков) вызывает большие
нарекания со стороны преподавателей пе-
ревода, поскольку достаточно часто сту-
денты, полагаясь на программу, пренебре-
гают редактированием полученного пере-
вода. Из-за этого в студенческих работах,
сданных на проверку, появляются такие
«шедевры», как «Масла, как правило, охва-
тывают широкий диапазон вязкости жид-
кости от светло, как бензин тяжелый, как
смола» (в оригинале - Oils tend to span a
large range of viscosity from liquids as light as
gasoline to heavy as tar) или «Когда расте-
ния погибают в этих торфяных болотных
средах, их биомасса и хранение в анаэроб-
ных водных средах, где низкий уровень
кислорода не допускают их полного разло-
жения бактериями и окислением» (в
оригинале - When plants die in these peat
swamp
environments, their biomass is
deposited in anaerobic aquatic environments
where low oxygen levels prevent their
complete decay by bacteria and oxidation).
Исследователь возможностей ком-
пьютерного перевода Геннадий Мирам ут-
верждает, и с этим сложно не согласиться,
что основная проблема в создании хороше-
го машинного переводчика – это способ-
ность слов менять значение в зависимости
от контекста. Так, если слово vessel ис-
пользуется в контексте таких слов как
blood, coronary, patient, наиболее вероят-
ным переводом будет «сосуд»; если это же
слово обнаруживается среди слов storage,
processing, vent, chemical и подобных, то
вероятнее всего оно будет переводиться
как «ёмкость» [4, с. 19]. В означенном вы-
ше примере слово oil использовано вместе
со словами viscosity, gasoline, tar - это по-
зволяет сделать вывод о том, что оно будет
переводиться как «нефть», тем более что
широкий контекст позволяет подтвердить
такой вывод [3, с. 15].
Сталкиваясь с такими текстами, на-
звать которые переводами невозможно,
поскольку основное условие - сохранение
неизменного плана содержания - не выпол-
нено, преподаватель перевода вынужден
решить задачу оценки работы. Обычно в
группах из 12-14 человек, как правило, 1-3
человека периодически сдают подобные
работы на проверку, выдавая их за собст-
венный перевод. Временами студент созна-
ется в использовании программы, а порой
утверждает, что это работа, выполненная
им самостоятельно. Поэтому прежде, чем,
следуя Политике дисциплины, которая
едина
для
всего
Казахстанско-
Американского свободного университета и
признает академической нечестностью:
- «списывание, использование шпар-
галок и других незаконных способов полу-
чения информации с целью помощи себе
или кому-либо другому;
- плагиат, т.е. кражу или выдачу за
свое чьих-либо идей или выводов, пред-
ставление соответствующей работы в каче-
стве результата собственных мыслей и
идей;
- любые другие формы недостойного
академического поведения [5]» наказывать
студента, необходимо подтвердить факт
нечестности. Ниже представлен один из
вариантов, который, по мнению автора ста-
тьи, подходит для проверки письменных
переводов, но не приемлем для проверки
рефератов, курсовых и других работ боль-
шого объема, поскольку требует много
времени и усилий. Для проверки таких ра-
бот существует и активно применятся сис-
тема «Антиплагиат», которая неприемлема
в случае письменных переводов.
Поскольку из всех рассмотренных в
данной статье видов использования ком-
пьютера в переводе именно последний
представляет определенного рода угрозу
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
71
профессионального образования по специ-
альности, хотелось бы предложить не-
сколько рекомендаций преподавателям пе-
ревода:
- если студент сдает свою работу в
электронном виде, ее легко можно прове-
рить на использование машинного перево-
дчика; достаточно скопировать текст ори-
гинала и вставить его в любую программу
переводчик, полученный результат срав-
нить с работой студента. В принципе, ту же
самую процедуру можно проделать и в
случае, если студент сдал рукописный или
печатный вариант своего перевода, только
сравнение переводов займет больше вре-
мени;
- при обнаружении факта академиче-
ской нечестности, преподавателю следует
принять меры наказания: например, поста-
вить
студенту
неудовлетворительную
оценку без права пересдачи задания либо,
как сказано в политике Академической че-
стности, вообще не принимать задание на
проверку и не выставлять оценку по нему;
- преподавателю следует провести
беседу со студентами с целью мотивиро-
вать их на самостоятельное выполнение
заданий;
- возможно, стоит также пересмот-
реть объем самостоятельной работы сту-
дентов по письменному переводу текстов,
если студенты не могут вписаться в уста-
новленные временные рамки (хотя это по-
ложение, по мнению автора статьи, являет-
ся спорным, поскольку достаточно часто
студенты необоснованно жалуются на
большой объем домашних заданий) и т.д.
В целом, в настоящее время многие
ученые соглашаются с фактом, что сущест-
вующие системы машинного перевода не
могут обеспечить выполнение полноценно-
го адекватного перевода [6, с. 160] из-за
многозначности слов и влияния контекста,
различия грамматических структур языков,
участвующих в процессе перевода и других
факторов. Тем не менее, не стоит недооце-
нивать все возрастающую роль компьютера
в переводе – это должны осознавать как
сами переводчики, так и специалисты, ве-
дущие подготовку будущих переводчиков-
профессионалов.
Вероятнее всего, что системы ма-
шинного перевода в «чистом» виде прекра-
тят свое существование, уступив место
компьютерным инструментам и приложе-
ниям, интегрируемым в текстовые редак-
торы. Они будут использоваться в разных
областях экономики и станут нормой жиз-
ни современного человека.
ЛИТЕРАТУРА
1. Семенов А. Л. Основы общей теории пе-
ревода и переводческой деятельности. –
М.: «Академия», 2008.
2. Бузаджи Д.М. Высокие технологии при
обучении
переводу.
http://www.
thinkaloud. ru/ featureak.html
3. Новицкая Ю.В. Технический перевод.
Учеб. пособие для студентов специаль-
ности «Переводческое дело» и «Ино-
странный язык». - Усть-Каменогорск,
2009.
4. Мирам Г. Алгоритмы перевода: Вступи-
тельный курс по формализации перевода
(на англ. языке). – Киев, «Ника-Центр»,
2004.
5. Силлабус дисциплины «Технический
перевод». - Усть-Каменогорск, 2010.
6. Дайнеко В.В., Мирам Г.Э., Тарануха
Л.А. и др. Основы перевода: Курс лек-
ций (на англ. языке). – Киев, «Эльга, Ни-
ка-Центр», 2002.
УДК 811.112.2
СНИЖЕННАЯ ЛЕКСИКА В СОВРЕМЕННОМ НЕМЕЦКОМ ЯЗЫКЕ
Шихотова Е.В.
Являясь средством коммуникации
между людьми, язык подвергается воздей-
ствию и определенным изменениям со сто-
роны общества. Благодаря языку, возмож-
ность вступать в языковые контакты имеют
как носители одного, так и разных языков.
В наши дни мы наблюдаем интенсифика-
цию межъязыковых контактов вследствие
ПЕРЕВОДОВЕДЕНИЕ
Вестник КАСУ
72
тесных связей между разными странами
мира в области политики, экономики, нау-
ки и техники, образования и культуры.
Межъязыковые контакты, в свою очередь,
приводят к взаимному влиянию языков и
заимствованию одним языком языкового
материала другого.
Словарь современного немецкого
языка, в особенности его активно исполь-
зуемая в повседневном речевом общении
Поделитесь с Вашими друзьями: |