Der er sket meget med maskinoversættelser, fra vi første gang stiftede bekendtskab med det til i dag, hvor det er meget udbredt. Det hele startede tilbage under den kolde krig, men vi skulle helt frem til slutfirserne, før der kom rigtig gang i udviklingen af maskinoversættelser. Og det er næppe en overraskelse, at en af de teknologiske mastodonter fra den tid, IBM, havde en stor finger med i spillet. Forskere fra den datadrevne virksomhed samlede en masse franske og engelske tekster fra en stat, der lå inde med mange af sådan nogle: Canada. Ud fra de mange tusinde sætninger kunne IBM udvikle en sandsynlighedsmodel for, hvordan en specifik sætning på fransk måtte lyde på engelsk. ”Det er i dag blevet til det, vi kender som Google Translate,” forklarer Daniel Hardt, lektor i datalingvistik på CBS. Det var det, der startede den statistiske tilgang til maskinoversættelser – eller statistical machine translation (SMT) – som det kaldes blandt fagfolk.
Men hvis maskiner kan oversætte, er tiden som menneskelig oversætter så ikke ved at være udløbet?
”Nej. Ikke lige nu i hvert fald. Der er ikke et system, der kan gå ind og erstatte en professionel oversætter. Det er derfor ikke muligt at sælge en automatisk oversættelse som et produkt på samme måde, som man kan sælge en professionel oversættelse,” siger Daniel Hardt.

Ricki Ravnsbæk, Regional Supply Chain Manager i oversættelsesvirksomheden SDL, ser dog allerede nu større muligheder for maskinoversættelser.
”Maskinoversættelse udfører allerede 99 procent af al oversættelse mellem sprog i verden hver dag, men anvendelsen vil vokse og vil kunne bruges til mere krævende og specialiserede opgaver for virksomhederne,” siger Ricki Ravnsbæk. Han er dog enig med Daniel Hardt i, at menneskelige oversættere stadig er nødvendige.
Der bør derfor ikke være grund til den helt store bekymring for menneskelige oversættere, som situationen ser ud lige nu. Nu er Google Translate dog så småt gået over til neural maskinoversættelse (NMT), som har betydeligt færre begrænsninger end SMT. Også her nævner Daniel Hardt, at de neurale netværk ikke virker perfekt endnu.
”Der er bare nogle ting, der er svære at lære maskiner,” som han siger.
Om det betyder begyndelsen på enden for professionelle oversættere, gemmer vi dog til sidst i artiklen.

Stor værdi at hente for virksomheder i maskinoversættelser

Lad os i stedet tage et kig på, hvilken betydning maskinoversættelser har for virksomheder. Mange virksomheder i dag – også i Danmark – kører med engelsk som koncernsprog. Dette er både for at holde mængden af oversættelser nede, men også fordi flere og flere virksomheder har en international profil og en medarbejderstab med folk fra hele verden. Hvis man har brug for at tilpasse sin kommunikation på tværs af lande og sprog, kan det dog være en god ide at tænke maskinoversættelser ind i virksomheden. Sådan ser Daniel Hardt i hvert fald situationen:
”Der er stor værdi i at effektivisere oversættelsesprocessen, og her er automatiske oversættelser et godt værktøj. Man kan få stor gevinst ud af at lave en maskinoversættelse og så redigere efterfølgende. På den måde er der meget tid at spare.”

Også for virksomheders kunder kan det skabe stor værdi at spekulere i maskinoversættelser for at forstærke kundeoplevelsen.

”Maskinoversættelse er specielt nyttig til at opnå øget dialog med digitale kunder og forstå, hvad der betyder noget for dem, når de deler kundeoplevelsen på tværs af digitale medier,” stemmer Ricki Ravnsbæk fra SDL i.
Det er især specialistoversættelser, der kan være et godt sted at prioritere at bruge maskinoversættelser. Daniel Hardts egen virksomhed, Doolittle Translation, arbejder udelukkende med maskinoversættelser af patenter. Netop i sådan nogle nicher er det muligt at konkurrere med Google Translate, da kvaliteten af oversættelserne er så tæt på professionelle oversættelser på grund af det tekniske fagsprog, der bliver brugt i patentdokumenter, og som er nemt for maskinen at lære og gengive.

Pas på faldgruberne

Google sidder dog stadig som den – med længder – største spiller indenfor maskinoversættelser, og i takt med at det neurale netværk i maskinen bliver større og stærkere, vil kvaliteten også blive højere. Det kan jo virke fantastisk, når servicen oven i købet er gratis. Her vil Daniel Hardt dog gerne råbe vagt i gevær:
”Mange virksomheder i dag bryder faktisk loven ved at bruge Google Translate. Når man bruger sådan et system, accepterer man nogle betingelser, som gør, at Google får rettighederne til de tekster, der bliver oversat i Google Translate. Det kan blive et kæmpe problem.”

Det er altså vigtigt, at man har 100 procent styr på, om man har med fortrolige oplysninger at gøre, inden man benytter sig af Google Translate eller andre cloud-baserede løsninger. Det kan faktisk være ulovligt at overdrage rettighederne til teksterne til Google, hvis de for eksempel indeholder personfølsomme oplysninger – især nu hvor persondataloven træder i kraft. Derfor kan det være nødvendigt at holde oversættelserne in-house.
Også når det kommer til de mere kreative salgs- og marketingtekster, kan maskinoversættelser være den forkerte løsning. Daniel Hardt sammenligner det med at sætte et digt i en maskine – det vil være synd for den oprindelige tekst, da maskinen ikke har samme forståelse for sprogets mange finesser. Finesser som i den grad bliver brugt, når kommunikationsfolket for alvor folder vingerne ud.

På det mere tekniske område kan det dog betale sig at oversætte marketingmateriale til det lokale sprog på alle de markeder, man opererer på. Det kan nemlig være lidt af en katastrofe for ens søgemaskineoptimering (SEO), hvis man ikke oversætter. Her kommer oversætter Louise Sverdrup lige ind fra sidelinjen med en vigtig pointe. Hun har selv udviklet oversættelsesbot’en, NorBot, som hjælper virksomheder, der skal ind på det norske marked, og kommer med et eksempel på en SEO-udfordring:

”Skal en nordmand bruge en t-shirt, så skriver man ikke ’t-shirt’, så skriver man ’t-skjorte’. Og man ryger jo ikke forbi ens side, hvis man har skrevet t-shirt. Af den årsag så skyder virksomheder sig selv i foden, hvis de ikke oversætter.”

Igen er den gennemgående pointe dog, at maskinoversættelser ikke kan stå alene, men kan stå for grov-oversættelsen, inden de professionelle oversættere kommer på scenen.

Samspillet mellem menneske og maskine

Lad os her til sidst vende tilbage til det etiske spørgsmål om, hvorvidt maskinoversættelsens udbredelse betyder, at en stor skare af menneskelige oversættere kan se frem til en mørk fremtid som arbejdsløse. Hårdt presset på at give sit bud på, hvornår neurale maskinoversættelser kan komme op på niveau med professionelle menneskelige oversættere, skuer Daniel Hardt ind i krystalkuglen og siger ”måske om fem-10 år kan man se noget meget imponerende på det her område.” Og selvom man måske godt kunne tro, at det vil betyde, at der vil blive behov for færre menneskelige oversættere, er det ikke nødvendigvis det dystopiske billede, der skal males af fremtiden. Det vil snarere betyde en ændring i den rolle, som en oversætter har. Fra at oversætte hele tekster til at have mere fokus på efterredigeringen af en oversættelse, som har været forbi en maskine. Det kan spare virksomheder for 50–80 procent af arbejdet. Og her når vi i virkeligheden nok til Daniel Hardts mest interessante pointe:

”Der er behov for at se anderledes på samspillet mellem menneske- og maskinoversættelser. I dag er det kun 10 procent af en oversætters job, der er interessant – resten er ren rutine. Derfor bør man i stedet bygge værktøjer, der støtter oversætterne,” siger Daniel Hardt.

Så udover at oversættelsesarbejdet bliver meget mere effektivt, kan der være flere positive konsekvenser af at gå over til et samarbejde mellem menneske og maskine. Først og fremmest vil det betyde, at menneskelige oversættere kan fokusere på de 10 procent af deres oversættelsesarbejde, som er interessant for dem, mens maskinen tager sig af resten. Det vil også medføre, at den ekstra tid, som den professionelle oversætter har til at være kreativ og gå i dybden med de kringlede dele, vil øge kvaliteten af oversættelsen betydeligt målt op imod i dag, hvor der ikke er tid til den fordybelse. Det er Ricki Ravnsbæk fra SDL meget enig i. Han pointerer, at den eksplosion af indhold, som vi ser i dag, har gjort maskinoversættelser nødvendige, men ser det ikke erstatte den menneskelige oversætter:

”Det er usandsynligt, at teknologien vil nå et punkt, hvor eksempelvis oversættelsen af kritiske juridiske dokumenter, som har præcision og kvalitet som vigtigste parameter, kan varetages af en maskine uden nogen menneskelig redigering,” forudser han.

Vi hopper på Daniel Hardt og Ricki Ravnsbæks positive syn på fremtiden og hæfter os ved de her tre punkter:
1. Ingen grund til bekymring for, at robotterne gør oversætterne arbejdsløse
2. Mere interessant arbejde for de menneskelige oversættere
3. Langt bedre oversættelser takket være et nyfundet samspil mellem menneske og maskine.

Artiklen er oprindelig trykt i KOM magasinet nummer 111, maj 2018.