Союз машины и человека

Летом 2019 года к нам обратилась компания "Мидас" с запросом на перевод технической справки к программному комплексу для расчёта и проектирования строительных конструкций MIDAS IT. Объём документации — более двух тысяч переводческих страниц. Язык технической справки — однотипный, достаточно сухой, с большим количеством терминов и устойчивых оборотов. Поэтому мы предложили построить собственный кастомный движок и выполнить полную постредактуру МП редакторами-людьми.

С чего мы начали?

Мы получили в работу три файла документации: два кратких руководства в формате Word и подробную техническую справку в формате RoboHelp. Теперь предстояло разобраться, с чего начать.

Начинать обучение кастомного движка необходимо с 15 тысяч сегментов.

Дело в том, что кастомный движок нельзя купить и построить сразу, — для этого требуется первоначальный корпус текстов объёмом как минимум в 15 тысяч сегментов. Заказчик предоставил в наше распоряжение уже имеющиеся у него материалы: оригинал и перевод справки и руководства, — из которых мы составили память переводов и получили первые 8 тысяч сегментов для обучения. Два кратких руководства в формате Word как раз могли обеспечить нас недостающими 7 тысячами сегментов, и мы решили использовать на первом этапе движок-дженерик.

В аналитических отчетах для пары английский/русский лидировал на то время Yandex, и он действительно показал хорошие результаты на тестовых переводах. Мы выполнили перевод документов, прогнав их через движок-дженерик Yandex в его платной версии, которая обеспечивает конфиденциальность, и подключили к работе двух редакторов МП.

С какими встретились сложностями?

К началу проекта в нашем распоряжении был обширный глоссарий объёмом около 2500 слов и словосочетаний. Тем не менее, работа предстояла большая. Движок-дженерик не попадает в терминологию и не соблюдает её. Порядок слов точно повторяет порядок слов оригинала, и перевод всегда отличается дословностью и буквальностью.

Оригинал Машинный перевод Постредактура МП
Elastic boundary elements are used to define the stiffness of adjoining structures or foundations. Эластичные граничные элементы используются для определения жёсткости прилегающих конструкций или фундаментов. Для определения жёсткости прилегающих конструкций или фундаментов применяются упругие граничные элементы.
They [functions] offer excellent facilities and productivity for the modeling and analysis of complex, large-scale structures. Они предлагают отличные возможности и производительность для моделирования и анализа сложных крупномасштабных структур. С их помощью удобно и просто производить расчёты и моделировать составные конструкции большого размера.
The sign convention for truss element forces is shown in Figure 1.3. Соглашение о знаке для сил элемента фермы показано на рисунке 1.3. Условные обозначения усилий в ферменном элементе приведены на Рис. 1.3.

 

Перед редактором МП стоит сложная задача. Современные нейронные движки переводят достаточно гладко, не путают падежи и не сбиваются в рамках одного связного предложения. Тем не менее, нетрудно заметить, что каждое слово текста на языке-источнике точно соответствует наиболее частотному переводу в тексте на целевом языке. Поэтому редакторам МП предстояло не только проверить и исправить терминологию, но и изменить каждое предложение таким образом, чтобы оно соответствовало грамматическим и стилистическим нормам целевого, в нашем случае — русского, языка. Например, поставить главную информацию в конец предложения или заменить существительные на глаголы.

Сразу признаемся, что результат получился противоречивым.

Тщательность такой работы особенно важна при построении собственного машинного движка, потому что отредактированный текст отправляется в обучение, и от его качества зависит, чему научится ваш движок и как он будет переводить дальше. А на втором этапе проекта мы как раз применили кастомный движок Globalese: интегрировали его в наш кат-инструмент и обучили на имеющемся корпусе текстов. После этого движок выполнил перевод около 1700 переводческих страниц файлов html основной технической справки. И сразу признаемся, что результат получился достаточно противоречивым.

С одной стороны, наш кастомный движок чётко переводил все частотные термины, встречающиеся в предыдущем, отредактированном корпусе текстов. Он также перенял многие стилистические и лексические особенности наших редакторов. Например, слово same он стал переводить как "аналогичный": аналогичная функция, аналогичный подход и т.д., — вместо предсказуемого машинного "та же" или "тот же". Или типичный машинный перевод "обычно" вводного слова generally он стал заменять на более изысканное "как правило". С другой стороны, движок совершенно не справился с переводом словосочетаний, сокращений, аббревиатур и новых терминов, хотя это было в целом предсказуемо. Приведём несколько примеров:

Оригинал Машинный перевод Постредактура МП
story сказка, история этаж
plane stress давление на самолёт плоское напряжённое состояние
load dir. нагрузка dir. направление нагрузки
ECS ECS система координат конечного элемента
Jacobian matrix матрица Якоба матрица Якоби
infinite element бесконечный элемент элемент бесконечной границы

 

Править пришлось достаточно много ещё и по той причине, что техническая справка содержала больше коротких предложений или даже словосочетаний, которые машина всегда переводит хуже, чем более длинные предложения. Или, вернее, на коротких предложениях и словосочетаниях неловкости нейронного движка, даже предобученного, особенно хорошо видны. Поэтому для выполнения второго этапа работ нам потребовалось около двух недель и уже шесть редакторов МП. После завершения постредактуры мы отправили готовую память переводов в обучение и получили движок с 48 тысячами сегментов. И следующий перевод, выполненный им, обладал значительно более высокой терминологической точностью, бережным отношением к исходнику и разнообразием конструкций:

Оригинал Машинный перевод Постредактура МП
Free field element takes degree of freedom for displacement in all x, y and z direction of ECS. Элемент свободного поля принимает степень свободы для перемещения во всех направлениях x, y и z в системе координат элемента. Элемент свободного поля принимает степень свободы, чтобы перемещаться во всех направлениях осей x, y и z в системе координат конечного элемента.
Imaginary mid-node is created at the point (a1=b1, a2=b2) and mapping function is considered. Воображаемый серединный узел создаётся в точке (а1=б1, а2=б2), при этом учитывается функция отображения. В точке (а1=б1, а2=б2) создаётся промежуточный узел, и при этом учитывается функция отображения.
Assuming that water and vapor are only existed in void of soil, it [soil component] can be expressed as follows: Если предположить, что вода и пар существуют только в пустоте грунта, то они могут быть выражены следующим образом: Если предположить, что вода и пар существуют только в пустотах грунта, то он может быть выражен следующим образом:

Кастомный движок или движок-дженерик?

В целом мы остались довольны тем результатом, который получили после второго этапа обучения движка. Ему по-прежнему требуется много внимания со стороны редакторов МП, но уже сейчас отчётливо видно, какой потенциал заложен в машине для совершенствования и роста. Мы вполне можем представить, насколько точным и интересным будет перевод, выполненный кастомным движком, если его база обучения превысит 100 и более тысяч сегментов. При условии, что работа ведётся с постоянным привлечением редакторов МП в пределах одной узкой тематики (например, как в нашем случае, расчёт и проектирование строительных конструкций), то можно с уверенностью сказать, что движок-дженерик никогда не достигнет той же степени точности и грамотности, какой достигает кастомный движок.

Поэтому для нас ответ на вопрос достаточно прост: если в вашем распоряжении нет достаточного корпуса текстов, то лучше использовать движок-дженерик; если память переводов достигла необходимой нижней отметки в 15 тысяч сегментов и будет неуклонно расти, смело начинайте обучение своего движка. Несмотря на значительные трудности в самом начале пути, по прошествии некоторого времени вы будете вознаграждены.

Подпишитесь на email-рассылку и получите промокод