Gépi fordítómotorok teljesítményének vizsgálata különböző szaknyelvi szövegek alapján

Absztrakt

A digitális technológia, azon belül is a mesterséges intelligencia fejlődése és térhódítása olyan fordulatot eredményezett a fordítóiparban, amely gyökeresen átformálta a fordítói szerepeket és a fordítási munkafolyamatokat (ELIS 2025). A neurális hálózatokon alapuló fordítórendszerek immár olyan célnyelvi szövegek alkotására alkalmasak, amelyek pontosság, nyelvhelyesség és olvashatóság tekintetében felülmúlják elődjeiket, még a magyar nyelv viszonylatában is (Prószéky 2021, Laki és Yang 2022a). Nem meglepő tehát, hogy a fordítóipar szereplői és a laikusok körében is egyre elterjedtebbé vált az általános fordítómotorok alkalmazása a fordítási munkafolyamatokban (Sulyok 2023, ELIS 2025, Seresi 2025). Nem világos azonban, mely fordítómotorok milyen szakterülethez tartozó szövegek fordítására alkalmazhatók sikerrel. A jelen tanulmányban bemutatott feltáró kutatás célja annak vizsgálata, hogy eltér-e az általános neurális fordítómotorok teljesítménye szaknyelvi szövegek angol–magyar nyelvi irányú fordítása során. A kutatás négy általános neurális fordítómotor (Google Translate, DeepL Translator, eTranslation, Globalese) által produkált, eltérő doménekhez tartozó (társadalomtudományi, gazdasági, informatikai) célnyelvi szakszövegek vizsgálatát foglalja magában az MQM Core hibatipológiával végzett elemzések alapján (Lommel 2018). A fordított szövegekben azonosított hibák összegzése és a hibaértékek kiszámolása alapján megállapítottuk, hogy több szempontból is mutatkoznak különbségek a vizsgált fordítómotorok teljesítménye között. Ezeknek a fényében az az óvatos következtetés vonható le, hogy a korlátozottabban hozzáférhető, szűkebb közönségnek szóló általános neurális fordítómotoroknak sokkal intenzívebb betanításra és több doménspecifikus tanítóanyagra van szükségük, hogy elérjék a másik két, szabadon elérhető fordítómotor teljesítményét. Az eredmények iránytűként szolgálhatnak a fordítók számára az adott szakterület szempontjából optimális fordítómotor kiválasztásában, illetve rávilágíthatnak, hogy a különböző szaknyelvi rétegekbe tartozó szövegek közül melyek bizonyultak a legnagyobb kihívásnak az egyes fordítómotoroknak.