Kodėl lietuvių kalba vis dar yra iššūkis mašinoms
Lietuvių kalba – viena seniausių gyvųjų indoeuropiečių kalbų – mašininio vertimo pasaulyje užima gana specifinę nišą. Ji nėra nei tokia populiari kaip anglų ar ispanų, nei tokia egzotiška, kad visiškai ignoruotų didieji žaidėjai. Bet ir ypatingų resursų į ją niekas nepila. Rezultatas? Vertimo kokybė svyruoja nuo „visai neblogai” iki „kas čia per nesąmonė”.
Problema slypi pačioje kalbos struktūroje. Lietuvių kalba turi septynis linksnius, sudėtingą žodžių darybą, laisvą žodžių tvarką sakinyje ir daugybę išimčių, kurios net gimtakalbius kartais priveda prie galvos skausmo. Kai pridedi dar ir specifinę lietuvišką leksiką – tarminius žodžius, naujadarus, žargoną – dirbtinio intelekto modeliai pradeda „svyruoti”.
Tačiau situacija tikrai gerėja. Pastaraisiais metais, ypač nuo 2022-2023 metų, stambūs kalbiniai modeliai padarė milžinišką šuolį. Ir dabar jau galima kalbėti apie konkrečius įrankius, jų privalumus bei trūkumus – ne teoriškai, o praktiškai.
DeepL – vis dar karalius, bet su sąlygomis
Jei paklaustum bet kurio vertėjo profesionalo, su kuo jis dirba kasdien, didelė tikimybė, kad išgirsi „DeepL”. Ir tai nėra atsitiktinumas. Vokiečių kompanija sukūrė produktą, kuris tikrai jaučia kalbos niuansus geriau nei dauguma konkurentų.
Su lietuvių kalba DeepL dirba pakenčiamai. Tekstai iš anglų į lietuvių dažniausiai išeina sklandūs, gramatiškai teisingi, kartais net stilistiškai priimtini. Bet yra viena didelė „bet” – kai verčiama iš lietuvių į kitas kalbas, kokybė smarkiai krenta. Ypač jei tekstas turi sudėtingesnę sintaksę arba specifinę terminologiją.
Praktinis patarimas: jei naudoji DeepL lietuviškiems tekstams, visada patikrink išvestį. Ypač atkreipk dėmesį į:
- Sangrąžinius veiksmažodžius – jie dažnai verčiami netiksliai arba visai praleidžiami
- Daiktavardžių linksniavimą kontekste – mašina kartais „pamiršta”, kad tas pats žodis skirtingose vietose turi skirtingas formas
- Frazeologizmus – „kišti nosį” tikrai nereiškia „to insert a nose”
DeepL Pro versija suteikia galimybę dirbti su dokumentais, API integracijomis ir turi šiek tiek geresnę kokybę nei nemokama versija. Kainuoja apie 8-25 eurus per mėnesį, priklausomai nuo plano. Ar verta? Jei verčiama reguliariai ir profesionaliai – taip. Jei tik kartais – nemokama versija pakanka.
Google Translate ir jo metamorfozė
Prieš dešimt metų Google Translate su lietuvių kalba buvo tikras siaubo filmas. Sakiniai išeidavo apversti aukštyn kojomis, žodžiai – netinkamose formose, o prasmė – visiškai prarasta. Dabar? Visai kita istorija.
Google investavo į neuroninius vertimo tinklus ir tai jautėsi. Lietuvių kalbos vertimas Google Translate šiandien yra tikrai priimtinas kasdieniam naudojimui. Ne profesionaliam, bet kasdieniam – suprasti el. laišką, perskaityti straipsnį, susigaudyti instrukcijoje.
Kur Google Translate lenkia DeepL? Greityje ir prieinamume. Jis nemokamas, veikia naršyklėje, telefone, gali versti nuotraukas, realiu laiku verčia kalbą per mikrofoną. Tai labai praktiškas įrankis žmogui, kuriam vertimas nėra profesija, o tik pagalbinė priemonė.
Tačiau yra vienas aspektas, kuris Google Translate tikrai erzina – jis labai mėgsta „saugius” variantus. Jei sakinys yra dviprasmiškas, Google pasirinks neutraliausią, bet dažnai ir nuobodžiausią interpretaciją. Stilius kenčia. Tekstas tampa plokščias.
Patarimas: Google Translate puikiai tinka greitam supratimui, bet jei reikia kokybės – naudok jį tik kaip pirmą žingsnį, o ne galutinį rezultatą.
ChatGPT ir kiti didieji kalbiniai modeliai – nauja era
Čia prasideda įdomiausia dalis. ChatGPT, Claude, Gemini ir panašūs įrankiai nėra „vertimo programos” tradicine prasme – jie yra kalbiniai modeliai, kurie gali versti, bet taip pat gali paaiškinti, adaptuoti, stilizuoti ir koreguoti tekstą.
Su lietuvių kalba ChatGPT (ypač GPT-4 ir naujesnės versijos) dirba stebėtinai gerai. Ir tai nėra tik vertimas – tai tikras kalbinis supratimas. Galima paprašyti: „Išversk šį tekstą į lietuvių kalbą, bet pritaikyk jį jaunesnei auditorijai” arba „Versk formaliai, kaip oficialus dokumentas”. Ir modelis tai padarys.
Konkretus palyginimas: tas pats tekstas, išverstas DeepL ir ChatGPT-4, dažnai skiriasi stilistiškai. DeepL bus tikslesnis pažodžiui, ChatGPT – natūralesnis skaitymui. Kuris geresnis? Priklauso nuo tikslo.
Keletas praktinių patarimų dirbant su LLM vertimui:
- Nurodyk kontekstą – „tai medicinos tekstas”, „tai marketingo kopija”, „tai vaikų knyga” drastiškai keičia rezultatą
- Prašyk peržiūros – po vertimo paprašyk modelio patikrinti, ar nėra gramatinių klaidų lietuvių kalboje
- Dirbk iteratyviai – jei pirmasis variantas netinka, pasakyk konkrečiai, kas blogai, ir prašyk pataisyti
- Naudok sistemines instrukcijas – jei turi API prieigą, galima nustatyti nuolatines instrukcijas dėl stiliaus ir terminologijos
Claude (Anthropic) irgi verta paminėti atskirai – jis ypač gerai dirba su ilgesniais tekstais ir turi geresnę „atmintį” kontekstui. Verčiant ilgą dokumentą, Claude geriau išlaiko terminologijos nuoseklumą per visą tekstą.
Specializuoti įrankiai ir mažiau žinomi variantai
Be didžiųjų žaidėjų, yra keletas specializuotų įrankių, kurie verta žinoti.
Microsoft Translator – dažnai pamirštamas, bet integracija su Microsoft 365 produktais daro jį labai patogiu biuro aplinkoje. Jei dirbi su Word dokumentais ar PowerPoint prezentacijomis, šis įrankis tiesiog „yra ten” ir veikia pakankamai gerai. Su lietuvių kalba – vidutiniškai, bet priimtinai.
LibreTranslate – atviro kodo alternatyva, kurią galima paleisti lokaliai savo serveryje. Tai ypač svarbu organizacijoms, kurios negali siųsti konfidencialių duomenų į išorinius serverius. Kokybė žemesnė nei komerciniai sprendimai, bet privatumas – visiškas.
Opus-MT – Helsinki universiteto sukurtas atviro kodo modelis, specialiai treniruotas su lietuvių kalba. Techniškai orientuotiems žmonėms tai įdomus variantas – galima parsisiųsti, paleisti lokaliai, net pritaikyti specifinei domenui. Kokybė su lietuvių kalba yra geresnė nei daugelio tikisi iš nemokamo sprendimo.
Trados ir memoQ – profesionalūs CAT (Computer-Assisted Translation) įrankiai, kurie integruoja mašininį vertimą su vertėjo darbo eiga. Jie nėra skirti eiliniam vartotojui, bet profesionalūs vertėjai, dirbantys su lietuvių kalba, juos naudoja kasdien. Šie įrankiai leidžia kurti terminologijos bazes ir vertimo atmintis, kas ilgainiui drastiškai gerina kokybę.
Kaip išbandyti ir pasirinkti tinkamą įrankį
Teorija yra teorija, bet praktika – kitas reikalas. Štai kaip realiai išbandyti vertimo įrankius prieš nusprendžiant, kuris tinka tau.
Pirmiausia – sukurk testinį tekstą. Idealiai jis turėtų turėti: vieną techninį sakinį su specifine terminologija, vieną frazeologizmą ar idiomą, vieną sudėtingą sangrąžinį veiksmažodį ir vieną sakinį su specifine lietuviška kultūrine nuoroda. Toks tekstas iškart parodys, kur kiekvienas įrankis „spaudžia”.
Antras žingsnis – išversk tą patį tekstą visais įrankiais ir palygink. Ne tik ar gramatiškai teisingai, bet ar skamba natūraliai. Perskaityk garsiai – jei kažkas „kliūva”, tai signalas.
Trečias žingsnis – patikrink grįžtamąjį vertimą. Išversk tekstą į anglų, tada grąžink atgal į lietuvių. Jei prasmė išliko – įrankis dirba gerai. Jei tekstas tapo kažkuo visai kitu – yra problemų.
Konkretus rekomendacijų sąrašas pagal naudojimo atvejus:
- Greitas supratimas kasdieniam naudojimui → Google Translate, nemokama versija
- Profesionalus vertimas su redagavimu → DeepL Pro + rankinis redagavimas
- Stilistiškai sudėtingi tekstai → ChatGPT-4 arba Claude su detaliais nurodymais
- Konfidencialūs dokumentai → LibreTranslate arba Opus-MT lokaliai
- Didelės apimties profesionalus darbas → memoQ arba Trados su integruotu MT
Ateitis, kuri jau beveik čia
Kalbant apie DI vertimo įrankius lietuvių kalbai, negalima nepaminėti, kur viskas juda. O juda gana greitai.
Didžiausia problema lietuvių kalbai visada buvo duomenų trūkumas – mažiau tekstų internete reiškia mažiau mokymo medžiagos modeliams. Bet tai keičiasi. Europos Sąjunga finansuoja projektus, skirtus mažiau paplitusių kalbų skaitmeninimui. CLARIN ir kiti moksliniai projektai kuria atvirus duomenų rinkinius. Lietuvos universitetai dirba su kalbos technologijomis.
Multimodalūs modeliai – tokie, kurie gali dirbti su tekstu, garsu ir vaizdu vienu metu – atvers naujas galimybes. Jau dabar galima versti kalbą realiu laiku, bet kokybė dar nėra ideali. Per ateinančius dvejus trejus metus sinchroninis vertimas iš ir į lietuvių kalbą tikrai taps praktiškai naudojamu įrankiu, ne tik demonstraciniu projektu.
Dar vienas svarbus aspektas – specializuoti modeliai. Vietoj vieno universalaus modelio, kuris „moka viską vidutiniškai”, ateityje matysime modelius, treniruotus specifiniams domenams: medicinos vertimui, teisiniam vertimui, techninei dokumentacijai. Ir tai bus kokybinis šuolis.
Tad jei šiandien DI vertimas į lietuvių kalbą tau atrodo „beveik geras, bet ne visai” – palaukite. Ši „ne visai” dalis mažėja kiekvienais metais. O kol kas – naudok tinkamą įrankį tinkamam darbui, visada redaguok svarbius tekstus rankiniu būdu ir nepamirštai, kad net geriausias mašininis vertimas yra tik pradinis taškas, ne galutinis produktas.
