1. “Das ist Google Translate, oder?”
Die meisten Menschen, die Machine Translation (MT) hören, denken an Google Translate. Es ist das bekannteste, öffentlich verfügbare Tool, auf das jeder zugreifen kann. Für viele ist Google Translate synonym mit Machine Translation und die meisten denken an lustige Übersetzungsfehler. Ja, auch Google Translate funktioniert mit Neural Machine Translation (NMT; neuronale Maschinenübersetzung), Deep Learning und neuronalen Netzen. Allerdings gibt es immense Qualitätsunterschiede abhängig von der Art und Weise, wie die KI-Systeme eingesetzt werden. Das Online-Tool zum Beispiel arbeitet mit generischen Daten, die es überall im Web findet. Heraus kommen eben auch unspezifische Übersetzungen, die helfen können, den wesentlichen Sinn eines Textes zu verstehen. Trainiert man NMT mit spezifischen Daten, liefert die Technologie sehr viel bessere Ergebnisse und kann zusammen mit menschlichen Übersetzer:innen, die die Qualität prüfen, im professionellen Bereich eingesetzt werden.
2. “Maschinenübersetzung ersetzt menschliche Übersetzer:innen”
Nein! Menschen können unterstützt von innovativer Technologie besser und produktiver arbeiten. Das war schon immer so und gilt auch für das Übersetzen von Texten. Auch die beste maschinelle Übersetzung ist nicht perfekt und Menschen müssen die Ergebnisse prüfen. Die Technologie trägt aber dazu bei, dass mehr Texte übersetzt werden können. “Es gibt etwa 300.000 Übersetzer:innen auf diesem Planeten, eine Zahl, die in den vergangenen Jahren weitgehend stabil geblieben ist”, sagt Jay Marciano, unser Director of MT Strategy & Outreach und Vorstandsmitglied der AMTA (Association for Machine Translation in the Americas). “Im Gegensatz dazu schießt die Menge an erstelltem Content geradezu in die Höhe. Jedes Jahr produzieren wir 40 Prozent mehr an Daten als im Jahr zuvor.” Die Menge der zu übersetzenden Inhalte wächst also viel schneller als das Volumen, das professionelle Übersetzer:innen bewältigen können. Mithilfe von Technologie kann also auch mehr übersetzt werden, denn der Bedarf an Übersetzungen wird tendenziell steigen.
3. “MT liefert schlechte Ergebnisse”
MT ist nicht gleich MT. Wenn wir MT sagen, meinen wir Neural Machine Translation. Das ist die neueste Methode, die es nach aktuellem Forschungsstand im Bereich Machine Translation gibt. Das “Vorgängermodell”, statistische maschinelle Übersetzung, war lange Zeit der Branchenstandard und funktioniert so: Computersysteme lesen Wörter und Sätze in der Ausgangs- und in der Zielsprache und bekommen programmierte Sprachregeln vorgesetzt. Damit produzieren sie Übersetzungen, die basierend auf den Ausgangsdaten am wahrscheinlichsten für entsprechende Wörter und Sätze sind.
NMT nutzt wie die statistische Maschinenübersetzung zwar auch historische Übersetzungsdaten, zum Beispiel aus Translation Memorys. NMT bringt sich aber mit Deep-Learning-Techniken und ohne vorprogrammierte Regeln die Zusammenhänge zwischen Ausgangs- und Zielsprache selber bei. Daraus formen die Systeme Sprachmodelle aus neuronalen Netzen, die denen des menschlichen Gehirns ähneln. Der Computer findet also eigenständig Zusammenhänge zwischen Ausgangs- und Zielsprache und bringt sich quasi die Regeln selber bei. Der große Vorteil: Die Systeme lassen sich justieren und verbessern.
Noch bessere Ergebnisse liefert NMT, wenn Sprachmodelle ausschließlich mit relevanten Daten trainiert werden (siehe Punkt 1). Wenn Sprachprofis die maschinellen Übersetzungen korrigieren entstehen aus den Interaktionen Daten, mit denen die Maschine weiterlernt. Das bringt einen enormen Anstieg in der Qualität der Übersetzungen mit sich und liefert mit der Zeit immer schneller Ergebnisse.
4. “Menschliche Übersetzer:innen sind immer besser als MT"
Menschen und Maschinen gegeneinander aufzuwiegen, ist der falsche Ansatz. Beide bringen unterschiedliche Stärken mit in die Übersetzungsarbeit. Menschen sind verschieden und übersetzen deshalb individuell auch anders, denn für jedes Wort in der Ausgangssprache stehen immer mehrere Optionen in der Zielsprache zur Auswahl. Was MT-Technologie leisten kann, ist eine hohe Konsistenz, also eine einheitliche Übersetzung, auch über mehrere Dokumente hinweg sicherzustellen. Menschliche Übersetzer:innen können sehr feine sprachliche Nuancen erkennen und überprüfen, ob sie in der Zielsprache korrekt wiedergegeben werden. Die besten Ergebnisse entstehen also, wenn Mensch und Maschine ihre Fähigkeiten vereinen und zusammenarbeiten.