Μπορεί η τεχνητή νοημοσύνη να αντικαταστήσει πλήρως τους μεταφραστές;

Τα εργαλεία αυτόματης μετάφρασης γίνονται ολοένα πιο εξελιγμένα, όμως λάθη σε νομικά και ιατρικά κείμενα μπορεί να έχουν σοβαρές συνέπειες. Το ζητούμενο δεν είναι πλέον μόνο η ακρίβεια, αλλά αν η τεχνητή νοημοσύνη μπορεί να λειτουργήσει χωρίς ανθρώπινο έλεγχο.

Η γαλλική έκφραση «Il pleut des cordes» χρησιμοποιείται όταν βρέχει καταρρακτωδώς. Η κυριολεκτική μετάφρασή της στα αγγλικά είναι «βρέχει σχοινιά», μια απόδοση που δύσκολα θα καταλάβαινε κάποιος χωρίς να γνωρίζει τη σημασία της ιδιωματικής φράσης. Ένα σύστημα τεχνητής νοημοσύνης που έχει εκπαιδευτεί σωστά θα μπορούσε να επιλέξει την αγγλική έκφραση «It's raining cats and dogs», η οποία αποδίδει το ίδιο νόημα.

Τι συμβαίνει, όμως, όταν η ίδια φράση πρέπει να μεταφραστεί στα ινδονησιακά; Θα καταφέρει η τεχνητή νοημοσύνη να εντοπίσει μια αντίστοιχη έκφραση στη γλώσσα-στόχο; Το ερώτημα θέτει ο Φρανσουά Ιβόν, διευθυντής ερευνών με ειδίκευση στην αυτόματη μετάφραση στο Γαλλικό Εθνικό Κέντρο Επιστημονικής Έρευνας (CNRS).

Μια λανθασμένη μετάφραση μιας φράσης για τον καιρό μπορεί να μην έχει ιδιαίτερες συνέπειες. Τι γίνεται, όμως, όταν το αντικείμενο είναι ένα νομικό έγγραφο, μια ιατρική οδηγία ή ένα συμβόλαιο; Καθώς η αυτόματη μετάφραση χρησιμοποιείται όλο και περισσότερο, η ανάγκη για ακρίβεια γίνεται πιο κρίσιμη.

Τον Απρίλιο, η Google ανακοίνωσε ότι οι χρήστες μεταφράζουν πλέον ένα τρισεκατομμύριο λέξεις κάθε μήνα μέσω του Google Translate. Ο αριθμός αυτός δεν περιλαμβάνει τη χρήση άλλων υπηρεσιών, όπως οι DeepL, Microsoft, Claude, ChatGPT και Gemini, ούτε τα ειδικά συστήματα μετάφρασης που αναπτύσσονται για εταιρικούς πελάτες.

Σύμφωνα με εκτίμηση της Grand View Research, η αγορά των υπηρεσιών αυτόματης μετάφρασης που διατίθενται ανεξάρτητα από τις γενικές συνδρομές τεχνητής νοημοσύνης αποτιμήθηκε σε περίπου 1,4 δισ. δολάρια το 2025.

Πότε αρκεί η μετάφραση από την τεχνητή νοημοσύνη

Για πολλές χρήσεις, η αυτόματη μετάφραση αποτελεί πλέον μια αποδοτική και οικονομική λύση. Αυτό υποστηρίζει ο Τζον Ζίμερμαν, ιδρυτής της ελβετικής μη κερδοσκοπικής οργάνωσης Open Knowledge Association (OKA), η οποία μεταφράζει λήμματα της Wikipedia σε διαφορετικές γλώσσες.

Όπως εξηγεί, σε περιπτώσεις όπως η μετάφραση εσωτερικών εταιρικών εγγράφων ή περιγραφών προϊόντων, η χρήση ανθρώπινων μεταφραστών για τον εντοπισμό και τη διόρθωση ακόμη και των τελευταίων σφαλμάτων μπορεί να αυξήσει υπερβολικά το κόστος, χωρίς ανάλογο όφελος.

Ωστόσο, όταν πρόκειται για μια εγκυκλοπαίδεια, η κατάσταση είναι διαφορετική. Η Wikipedia βασίζεται στην αξιοπιστία της πληροφορίας και ένα λάθος μπορεί να παραμείνει δημοσιευμένο για χρόνια, να αναπαραχθεί από δημοσιογράφους και να αξιοποιηθεί ακόμη και από συστήματα τεχνητής νοημοσύνης.

Η OKA έχει συμβάλει στη δημοσίευση περισσότερων από 10.000 μεταφρασμένων άρθρων, κυρίως στα ισπανικά, τα πορτογαλικά και τα αγγλικά. Σύμφωνα με τον Ζίμερμαν, αυτή η παραγωγή δεν θα ήταν εφικτή χωρίς τη βοήθεια της τεχνητής νοημοσύνης.

Η διαδικασία που ακολουθεί η οργάνωση συνδυάζει την αυτοματοποιημένη μετάφραση με τον ανθρώπινο έλεγχο. Η τεχνητή νοημοσύνη δημιουργεί το αρχικό κείμενο και στη συνέχεια ένας μεταφραστής ελέγχει κάθε πρόταση. Με αυτόν τον τρόπο, το κόστος για τη μετάφραση χιλιάδων άρθρων μειώνεται σημαντικά.

Η ανάγκη για ανθρώπινη παρέμβαση, ωστόσο, περιορίζεται σταδιακά. Ο Ζίμερμαν σημειώνει ότι πριν από δύο ή τρία χρόνια, όταν χρησιμοποιούσαν εργαλεία όπως το DeepL, οι μεταφραστές έπρεπε να ξαναγράφουν μεγάλο μέρος των κειμένων. Σήμερα, η γλώσσα που παράγουν τα συστήματα είναι συχνά τόσο φυσική, ώστε να μη χρειάζεται ουσιαστικές διορθώσεις.

Έτσι, το βασικό ερώτημα δεν είναι πλέον αν η τεχνητή νοημοσύνη μπορεί να μεταφράσει καλά, αλλά αν μπορεί να το κάνει με αρκετή αξιοπιστία ώστε να καταργηθεί εντελώς ο ανθρώπινος έλεγχος.

Τα λάθη που μπορεί να αλλάξουν το νόημα

Οι επαγγελματίες μεταφραστές εξακολουθούν να επισημαίνουν ότι η τεχνητή νοημοσύνη δεν είναι ακόμη αλάνθαστη, ιδιαίτερα σε κείμενα όπου η ακρίβεια έχει καθοριστική σημασία.

Η Αριέλα Μπαλτιέ, μεταφράστρια και νομική ειδικός που ασχολείται με τη μετάφραση δικαστικών εγγράφων από τα αγγλικά στα γαλλικά, κλήθηκε πρόσφατα να ελέγξει έγγραφα τα οποία είχαν ήδη μεταφραστεί με τη βοήθεια τεχνητής νοημοσύνης. Όπως διαπίστωσε, υπήρχαν δύο σημαντικά λάθη ήδη από την αρχή του κειμένου.

Στην πρώτη περίπτωση, ο γαλλικός νομικός όρος «Le demandeur», που σημαίνει «ο ενάγων», είχε αποδοθεί ως «the requester», δηλαδή «ο αιτών». Η μετάφραση ήταν ακατάλληλη για το συγκεκριμένο νομικό πλαίσιο.

Στη δεύτερη περίπτωση, η φράση «Madame X, épouse Y», που δηλώνει ότι η κυρία Χ είναι σύζυγος του Υ, αποδόθηκε ως «Ms X marries Y», δηλαδή «η κυρία Χ παντρεύεται τον Υ». Το σύστημα αντιμετώπισε λανθασμένα ένα ουσιαστικό ως ρήμα, με αποτέλεσμα να αλλοιώσει το νόημα.

Οι συνέπειες τέτοιων σφαλμάτων δεν είναι απλώς γλωσσικές. Στις Ηνωμένες Πολιτείες, λάθη σε αιτήσεις ασύλου που είχαν μεταφραστεί αυτόματα έχουν οδηγήσει σε καθυστερήσεις στην αποφυλάκιση κρατουμένων.

Η δυσκολία δεν περιορίζεται στα νομικά κείμενα. Στον ιατρικό τομέα, μια λανθασμένη μετάφραση μπορεί να αποδειχθεί ακόμη και ζήτημα ζωής και θανάτου.

Όταν ένα μεταφραστικό λάθος γίνεται επικίνδυνο

Η Κάρολ Μπέρροϊτερ, ειδική στις ιατρικές μεταφράσεις, αναφέρει ότι έχει συναντήσει κείμενο στο οποίο το ελληνικό γράμμα μ (μικρο-) είχε μεταφραστεί λανθασμένα ως milli (μίλι-, ένα χιλιοστό) αντί για micro (μικρο-, ένα εκατομμυριοστό).

Η διαφορά είναι τεράστια: ένα χιλιοστό του γραμμαρίου ισοδυναμεί με 1.000 μικρογραμμάρια. Επομένως, αν μια δοσολογία αποδοθεί λανθασμένα, ο ασθενής μπορεί να λάβει χίλιες φορές μεγαλύτερη ποσότητα από την προβλεπόμενη.

Η Μπέρροϊτερ επισημαίνει, παράλληλα, ότι όσο βελτιώνονται τα συστήματα τεχνητής νοημοσύνης τόσο δυσκολότερος γίνεται ο εντοπισμός των λαθών τους. Στο παρελθόν, οι αδέξιες διατυπώσεις και τα γραμματικά σφάλματα στα αποτελέσματα του Google Translate μπορούσαν να λειτουργήσουν ως προειδοποίηση. Σήμερα, τα κείμενα συχνά ακούγονται απολύτως φυσικά, ακόμη και όταν περιέχουν σοβαρές ανακρίβειες.

Ο Φρανσουά Ιβόν τονίζει ότι χρειάζεται ιδιαίτερη προσοχή όταν μια μετάφραση πρόκειται να υπογραφεί ή να χρησιμοποιηθεί ως βάση για σημαντικές αποφάσεις. Ένα λάθος μπορεί να πλήξει την επαγγελματική αξιοπιστία κάποιου ή να επηρεάσει μια ιατρική διαδικασία, ένα συμβόλαιο ή μια μεγάλη οικονομική συναλλαγή.

Η τεχνητή νοημοσύνη μπορεί επίσης να δυσκολευτεί με λέξεις και φράσεις που αποκτούν διαφορετική σημασία ανάλογα με τα συμφραζόμενα. Ο Ιβόν αναφέρει ως παράδειγμα την εντολή «translate into Polish» («μετάφρασε στα πολωνικά»), την οποία ένα σύστημα θα μπορούσε να ερμηνεύσει ως αναφορά σε προϊόν γυαλίσματος παπουτσιών, αντί για τη γλώσσα.

Αντίστοιχα, όταν ένα κείμενο αφορά ποδοσφαιρικό αγώνα, η φράση «taking a corner» αναφέρεται στην εκτέλεση κόρνερ. Χωρίς να αντιληφθεί το αθλητικό πλαίσιο, ένα σύστημα μετάφρασης ενδέχεται να επιλέξει διαφορετική σημασία.

Πόσο συχνά χρειάζονται διορθώσεις οι μεταφράσεις της τεχνητής νοημοσύνης;

Μια μελέτη που πραγματοποίησε πέρυσι η OKA, με χρηματοδότηση από το Wikimedia, εξέτασε 119 άρθρα σε 10 ζεύγη γλωσσών και περισσότερες από 1.000 ώρες εργασίας μεταφραστών.

Σύμφωνα με τον Ζίμερμαν, το 27% των κειμένων που είχαν παραχθεί με τεχνητή νοημοσύνη χρειάστηκε διορθώσεις πριν από τη δημοσίευσή του. Τα τρία τέταρτα αυτών των παρεμβάσεων αφορούσαν λάθη που είχε εισαγάγει το ίδιο το σύστημα, ενώ στο 5% έως 6% των σφαλμάτων είχε αλλοιωθεί το νόημα του αρχικού κειμένου.

Η εξάλειψη τέτοιων λαθών παραμένει δύσκολη υπόθεση. Ο Ιβόν εκτιμά ότι ο τρόπος με τον οποίο λειτουργούν σήμερα αυτά τα συστήματα καθιστά δύσκολο να φανταστούμε μια τεχνολογία που θα είναι απολύτως αξιόπιστη σε κάθε περίπτωση.

Τα μοντέλα τεχνητής νοημοσύνης βασίζονται σε πιθανότητες για να επιλέξουν λέξεις και διατυπώσεις. Όμως, αυτό που είναι πιθανότερο να είναι σωστό δεν ταυτίζεται πάντα με το σωστό. Και η γλώσσα, με τις αποχρώσεις, τις ιδιωματικές εκφράσεις και τις πολλαπλές σημασίες της, κάνει αυτή τη διάκριση ακόμη πιο σύνθετη.

Το επόμενο βήμα: Να αναγνωρίζει η τεχνητή νοημοσύνη τα όριά της

Ο Ιβόν θεωρεί ότι η επόμενη γενιά τεχνολογιών μπορεί να βελτιώσει σημαντικά την αξιοπιστία των μεταφράσεων. Τα μελλοντικά συστήματα ενδέχεται να είναι σε θέση να αξιολογούν το αποτέλεσμα της δουλειάς τους και να το διορθώνουν χρησιμοποιώντας διαφορετικά εργαλεία τεχνητής νοημοσύνης: ένα σύστημα θα αναλαμβάνει την αρχική μετάφραση, ένα δεύτερο θα εντοπίζει τα προβλήματα και ένα τρίτο θα διαμορφώνει μια βελτιωμένη εκδοχή.

Ωστόσο, η σημαντικότερη εξέλιξη ίσως να μην είναι απλώς η παραγωγή καλύτερων μεταφράσεων, αλλά η ικανότητα των συστημάτων να αναγνωρίζουν πότε δεν είναι βέβαια για την ακρίβεια του αποτελέσματος.

Για τον Ιβόν, η πραγματική πρόοδος θα έρθει όταν η τεχνητή νοημοσύνη δεν θα μπορεί μόνο να μεταφράζει, αλλά θα είναι επίσης σε θέση να ενημερώνει τον χρήστη όταν δεν είναι σίγουρη για την επιλογή της.

Πηγή: BBC