Kun sanat muuttuvat: käännösdifton salakavala luonne

Olet editsoimut korealaista martial arts -sarjaa pitkään. Ehkä 400 lukua takana. Protagonisti mainitsee "Shenzhoun viisi hegemoniaa" ja aivosi raksuttavat. Eikö tuota alueen nimellä puhuttu jotain "Shenzhoun viidestä koulukunnasta" jo parisataa lukua sitten? Onko kyseessä uusi ryhmittymä? Kirjoittajan hivenen mielenmuutos? Vai nukuitko juuri silloin kun tärkeä taustatieto vyörytettiin?

Ei. Todennäköisin selitys on yksinkertaisempi ja turhauttavampi: käännös on muuttunut.

Tervetuloa käännösdifton maailmaan — ilmiöön, joka piinaa lähes jokaista pitkää verkkonovelia, joka käännetään koreasta, kiinasta tai japanista englantia puhuville yleisöille. Ja sen ymmärtäminen kertoo jotain mielenkiintoista tekoälyjärjestelmien rakentamisen haasteista.

Kun käännöstiimi vaihtuu kesken matkan

Verkkonoveleissa on eräs ominaisuus, jota perinteinen kustannusala ei joudu pohtimaan: ne jatkuvat loputtomiin. No, ei kirjaimellisesti loputtomiin, mutta tarpeeksi lähelle. Suosittu murim-sarja voi pitää sisällään yli tuhat lukua, julkaistuna luku luvulta vuosien saatossa. Sinä aikana koko käännöstiimi saattaa vaihtua kokonaisuudessaan. Eri kääntäjät tuovat mukanaan erilaisia valintoja. Yksi suosii termiä "viisi koulukuntaa" wuxia-terminologiana. Toinen ajattelee, että "viisi hegemoniaa" kuulostaa arvovaltaisemmalta. Molemmat ovat järkeviä valintoja. Kumpikaan ei ole väärin.

Heitä joukkoon toimittajat, lokalisaatiotiimit, satunnaiset konekäännösaskeleet ihmisen siivouksella — ja alkuperäisen kirjoittajan oma kehittyvä tyyli — niin sinulla on optimaaliset olosuhteet terminologian harhailulle.

Varsinainen ongelma? Yksinkertainen tekstihaku petää juuri silloin, kun sitä eniten tarvitset. Jos englanninkielinen termi olisi pysynyt johdonmukaisena, löytäisit vastauksen sekunneissa. Mutta kun pintamuoto on muuttunut, joudut tilanteeseen, jossa semanttinen muisti toimii, mutta hakusana ei osu kohdalleen. Tiedät, että tämä käsite on olemassa. Et vain pysty todistamaan sitä.

Miksi tällä on väliä romaanien ulkopuolella?

Saattaa käydä mielessä: "Okei, söpö ongelma, mutta miksi minun pitäisi välittää?" Tässä syy: sama haaste puree sinuun yritysohjelmistoissa, dokumentaatiossa ja tietopankeissa.

Yrityksesi julkaisee tuotetta viiden vuoden ajan. Eri tiimit hoitavat perehdytystä, API-ohjeistuksia, tukipyyntöjä ja muutoslokeja. Puolet termeistä ajelehtii eri suuntiin. "Vanhentunut moduuli" muuttuu "v1-moduuliksi" ja edelleen "poistetuksi palveluksi" — ja kun uusi kehittäjä kysyy epämääräisen kysymyksen kuten "mikä oli se juttu, jota ennen kutsuttiin ydinkäsittelijäksi?", haku epäonnistuu ei siksi, ettei tietoa olisi, vaan koska sanat ovat muuttuneet.

Tämä on pohjimmiltaan ongelma, jossa käsitteiden erottelu ajan yli on keskiössä. Lukija ei kysy määritelmää. Hän kysyy: "Onko tämä sama asia, josta luin aiemmin, mutta eri nimellä?" Tämä on vaativampi kysymys kuin miltä se kuulostaa, koska vastaus edellyttää:

1. Semanttista hakua — löytää käsitteellisesti liittyviä kohtia, vaikka avainsanat eivät osu yhteen
2. Käsitteiden yhdistämistä — tunnistaa, että kaksi eri englannin termiä viitannevat todennäköisesti samaan käsitteeseen
3. Aikaisuuden ymmärrystä — tiedostaa, että uusin käyttö saattaa korvata aiemmat määritelmät
4. Rehellistä epävarmuutta — olla valmis sanomaan "todenäköisesti X, mutta emme voi olla varmoja"

Mitä todella auttaa

Parhaat ratkaisut eivät yritä olla kaikkitietäviä. Ne nojaavat hämmennykseen ja auttavat lukijoita navigoimaan sitä sen sijaan, että teeskentelisivät ongelman olemattomuutta. Kun joku kysyy "onko X sama kuin Y?", hyödyllinen vastaus ei vain anna vastausta — se näyttää työn. "Tässä kohtaa X esiintyy. Tässä kohtaa Y esiintyy. Tässä on, mitä muuttui. Tässä on, mitä voimme päätellä yhteydestä."

Tuo viimeinen osa — "mitä voimme päätellä" — on ratkaiseva. Se myöntää aukon todisteiden ja varmuuden välillä. Järjestelmän ei tarvitse tietää, oliko kyseessä useita kääntäjiä. Se vain auttaa lukijaa jatkamaan lukemista.

Kehittäjille, jotka rakentavat tekoälypohjaisia lukutyökaluja, keskustelurajapintoja tai mitä tahansa, mikä auttaa ihmisiä löytämään tietoa sotkuisasta, kehittyvästä sisällöstä: käännösdiftto on case study siitä, miksi pintatason avainsanahaussa epäonnistutaan. Varsinainen tekninen haaste ei ole yksin tarkkuus. Se on järjestelmien rakentamista, jotka ymmärtävät, milloin käyttäjän epämääräinen kysymys osoittaa terminologiaongelmaan eikä tiedolliseen aukkoon.

Lopuksi

Olipa kyse tekoälypohjaisen lukukumppanin rakentamisesta verkkonovelleille tai tietopohjan kokoamisesta startupin sisäisiin työkaluihin, käännösdiftto opettaa saman läksyn: sanat muuttuvat. Sisältö kehittyy. Käyttäjät muistavat käsitteitä pitkään sen jälkeen, kun he ovat unohtaneet tarkan terminologian.

Järjestelmät, jotka palvelevat heitä hyvin, eivät ole niitä, joilla on täydelliset vastaukset. Ne ovat niitä, jotka tunnistavat, milloin kysymys itsessään on vihje — ja auttavat käyttäjiä yhdistämään muistamansa siihen, mitä he lukevat nyt.