Peter Holozan in Alenka Metljak mmm
Nekatere težave pri strojnem prevajanju
iz slovenščine v angleščino
R Izvleček
V članku je najprej na kratko opisana zgodovina
strojnega prevajanja in osnovne metode, ki se
zanj uporabljajo. Drugi del opisuje nekatere
težave, ki so se pojavile pri razvoju slovensko-
-angleškega prevajalnika Presis, in nekatere
možne rešitve zanje.
Ključne besede: strojno prevajanje,
zgodovina, metode, razvoj, prevajalnik
■ Abstract
A Few Difficulties with Machine
Translating from Slovenian into English
The first part of the article briefly describes the
basic methods and history of machine transla-
tion. The second part presents some problems
encountered during the development of Slove¬
nian to the English machine translator Presis,
alongside with some possible Solutions.
Key vvords: machine translating, history,
methods, development, machine translator
ZGODOVINA STROJNEGA PREVAJANJA
Zametke zamisli o mehanizaciji prevajalskega procesa so poznali že v 17.
stoletju. Dejanske možnosti za takšno prevajanje so nastale šele v prejšnjem sto¬
letju. V petdesetih letih so se začele raziskave o uporabi računalnikov kot pripo¬
močkov za prevajanje naravnih jezikov. V šestdesetih in sedemdesetih letih so
prvi sistemi večinoma vsebovali obsežne dvojezične slovarje, v katerih so vnosi
za besede iz izhodiščnega jezika imeli eno ali več ustreznic v ciljnem jeziku.
Hkrati so vsebovali nekaj pravil za izbiro pravilne besede v končnem prevodu.
Kmalu je postalo jasno, da so nekatera pravila za besedni red preveč zapletena
in nepredvidljiva ter da je potrebna sistematičnejša metoda sintaktične analize.
Zaradi semantičnih pregrad, na katere so naleteli raziskovalci in za katere
niso imeli rešitev, je kopnel tudi začetni zanos. Konec osemdesetih let 20. sto¬
letja pa se je zgodil velik preobrat. Najprej je skupina družbe IBM objavila re¬
zultate poskusov s sistemom (Candide), ki je temeljil na statistični metodi. Po¬
tem je neko japonsko podjetje začelo uporabljati metode, ki so temeljile na kor¬
pusih prevodnih primerov, torej je šlo za uporabo na primerih temelječega stroj¬
nega prevajanja.
Letnik 40, št. 1-2, leto 2006: str. 121-129 • MOSTOVI 121
RAČUNALNIŠKAORODJISPLETNIVIR
COMPUTERTOOLSANDWEBRES URCES Peter Holozan in Alenka Metljak
V tem obdobju so se sistemi strojnega prevajanja razvili iz večinoma razi¬
skovalnih v bolj praktične aplikacije, aplikacije za poklicne prevajalce idr.
Te usmeritve so se nadaljevale še ob koncu devetdesetih let 20. stoletja.
Uporaba prevajalnih sistemov in drugih prevajalskih orodij je naglo narasla, po¬
sebno v velikih podjetjih. Zelo hitro so te sisteme začeli uvajati pri lokalizaciji
programske opreme. Močno sta narasli tudi prodaja prevajalnih sistemov za
osebne računalnike in dostopnost prevajalnih sistemov na internetu (AltaVista
in drugi). V Evropi se dejavnosti, povezane s strojnim prevajanjem, izvajajo
predvsem na tehle področjih: razvoj prevajalskih namizij, lokalizacija program¬
ske opreme, leksikološki viri in terminologija ter jezikovna tehnologija; to podpi¬
ra predvsem Evropska skupnost (Hutchins, 1996, str. 199).
Širitev uporabe sistemov strojnega prevajanja je v Evropi veliko počasnejša
od pričakovane. Trgi so majhni in razdrobljeni, prevajalci pa sistemom niso na¬
klonjeni. Sisteme strojnega prevajanja uporabljajo zdaj le v večjih prevajalskih
agencijah in večjih podjetjih. Manjša podjetja so bolj naklonjena prevajalskim
namizjem in skupni rabi baz prevodov. Za cenejše različice sistemov strojnega
prevajanja se zanimajo tisti, ki le občasno prevajajo. Vseeno so take različice
najbolj prodajane v Severni Ameriki in na Japonskem.
METODE STROJNEGA PREVAJANJA
NEPOSREDNI PRISTOP (DIRECT APPROACH)
Neposredni pristop (Hutchins, 1992, str. 72) je značilen/značilna za prvo
generacijo prevajalnih sistemov. Temelji na strategiji brez vmesnih stopenj v
procesu prevajanja. Izvirno besedilo se pretvori neposredno v besedilo v cilj¬
nem jeziku. Prevajanje temelji na dobesednem prevajanju z nekaterimi prilago¬
ditvami besednega reda v ciljnem jeziku. Z jezikovnega vidika se je kmalu poka¬
zalo, da manjka pomemben element - analiza strukture izvirnega besedila, še
zlasti analiza slovničnih razmerij.
Statistično strojno prevajanje (Statistical Machine Translation; SMT)
Statistično strojno prevajanje (Vičič, 2002, str. 13) je bilo do sedaj le redko
uporabljano zaradi zahtevne matematične podlage, ki je potrebna za uporabo in
razvoj statističnih metod strojnega prevajanja. Besedila morajo biti natančni pre¬
vodi iz izhodiščnega jezika v ciljni jezik. Ciljni in izhodiščni jezik se lahko pri
uporabi zamenjata, ker so povedi v izhodiščnem jeziku natančni prevodi tistih v
ciljnem jeziku. Tehnika statistične obdelave besedil je primerna za veliko količi¬
no besedil, ki ponujajo zadovoljivo število informacij o nekem jeziku oziroma
122 MOSTOVI • Volume 40, No. 1 -2, Year 2006; pp. 121 -129
Nekatere težave pri strojnem prevajanju iz slovenščine v angleščino
zadovoljivo število informacij za prevod med dvema jezikoma. Vzporedni korpu¬
si se uporabljajo kot podlaga za učenje prevajanja. Za izboljšanje rezultatov pre¬
vajanja se uporablja različica trifaznega vzorca analiza-prenos-sinteza.
Sistem strojnega prevajanja, ki temelji na primerih (Example Based
Machine Translation)
Ti sistemi temeljijo na dvojezičnem korpusu parov povedi. Z uporabo najbolj¬
šega algoritma želijo poiskati najboljši približek izhodiščne povedi. Tak sistem je
še posebno privlačen za prevajanje zapletenih samostalniških povedi. Lahko se
uporablja tudi za prevajanje povedi, ki so strukturno podobne že prej prevedenim
povedim. Vseeno je treba to metodo razlikovati od sistemov, ki temeljijo na kor¬
pusih. Ti so bili namreč razviti za prevajanje besedil v nekem korpusu, pozneje pa
se uporabljajo še za druga besedila. Metoda, ki temelji na primerih, pa ni nujno
omejena na neki korpus ali podjezik (Hutchins, 1992, str. 125). Pravi sistem, ki
temelji na primerih, ne uporablja slovničnih pravil, le primere povedi 1 .
Interlingua
Interlingua (Hutchins, 1992, str. 73) je postopek, kije prvi vključil analizo.
Vmesna stopnja prevajalskega postopka je od jezikov neodvisni tako imenovani
vmesni jezik (interlingua). Postopek je razdeljen na prevod iz izhodiščnega jezika v
vmesni jezik in prevod iz vmesnega jezika v ciljni jezik. Izvirno besedilo je analizi¬
rano, prevod pa sestavljen na podlagi te analize, ki zagotovi vse potrebne podatke
za sestavo prevoda. Ta metoda je najprivlačnejša za večjezične sisteme. Vsak mo¬
dul analize je neodvisen od drugih modulov analize in tvorjenja. Ciljni jezik nima
na rezultat analize nobenega vpliva. Cilj analize je medjezikovna/vmesna predstavi¬
tev. Prednost tega sistema je tudi preprosta možnost dodajanja novih jezikov. Za
vsak jezik se dodata modula analize in tvorjenja. Težava tega sistema je opredelitev
vmesnega jezika, tudi pri tesno povezanih jezikih (npr. romanski jeziki).
TRANSFERNO STROJNO PREVAJANJE
(TRANSFER APPROACH)
Transferna metoda (Hutchins, 1992, str. 75) se uporablja v sistemih, ki
imajo vgrajene dvojezične module med vmesnimi predstavitvami. Plod analize
je abstraktna predstavitev izvirnega besedila. Naloga dvojezičnega transfernega
1 http://www.essex.ac.uk/linguistics/clmt/MTbook/HTML/book.html
Letnik 40, št. 1-2, ieto 2006: str. 121-129 • MOSTOVI 123
RAČUNALNIŠKAORODJISPLETNIVIR
COMPUTERTOOLSANDWEBRES URCES Peter Holozan in Alenka Metljak
modula je preoblikovanje predstavitve izhodiščnega jezika v predstavitev ciljne¬
ga jezika. Transferna metoda ima tri stopnje, in sicer pretvorbo izhodiščnega be¬
sedila v abstraktno izhodiščno predstavitev, v kateri se reši večpomenskost ne
glede na jezik, prenos predstave v abstraktno ciljno predstavitev in tvorjenje be¬
sedila v ciljnem jeziku.
Danes temelji večina sistemov na transfernem pristopu, pri čemer se v bolj¬
ših sistemih vse bolj uveljavljajo empirični pristopi (statistično strojno prevaja¬
nje, na primerih temelječe strojno prevajanje).
Presis
Presis (PREvajalni SIStem) je strojni prevajalnik podjetja Amebis, ki za
zdaj strojno prevaja iz slovenščine v angleščino in v nasprotni smeri. Program
za prevajanje uporablja predvsem pravila. V prvi fazi analizira vhodno besedilo
in ga pretvori v vmesni jezik, v drugi fazi pa ga iz vmesnega jezika prevede v iz¬
hodni jezik. Večina težav pri strojnem prevajanju nastane v prvi fazi (predvsem
gre tu za težave, ki so kritične za razumevanje strojnega prevoda).
Neuspešna analiza
Stavčni analizator še ne zna analizirati vseh slovenskih stavkov. V času pi¬
sanja članka tako na primer manjka možnost, ko je členek pred povedkom in
ne le pred drugimi stavčnimi členi (»Danes že delam.«). Te pomanjkljivosti se
postopoma odpravljajo z dodajanjem novih pravil v analizator in novih načinov
zapisa vmesnega jezika.
Druga težava pri analizatorju so za zdaj večstavčne povedi, kjer so posa¬
mezni stavki razbiti z vrinjenimi stavki (»Stavek, ki je tak, je problem.«). Tako
razbitih stavkov še ne zna združiti, zato analizira posamezne dele in to privede
do napačnih analiz.
Naslednja možnost so nepopolni stavki (tipično pri odgovorih na vpraša¬
nja). Pri takih stavkih se lahko pojavijo težave, kakršna je ta, da sicer prehodni
glagol nima ob sebi predmeta, to pa zmede analizator, ki predmet pričakuje.
Kadar analizatorju ne uspe analizirati vhodnega stavka, prevajalnik potem
prevaja besedo za besedo. V splošnem so rezultati takega prevajanja zelo slabi,
zato je čim boljši analizator kritičen za kakovost prevajanja.
Dvojno zanikanje
V slovenščini mora analizator upoštevati, da nekatere besede (npr. nikoli,
nič, nihče, noben) prestavijo tudi povedek v nikalno obliko, v angleščini pa mora
124 MOSTOVI • Volume 40, No. 1-2, Year 2006: pp. 121-129
__________Nekatere težave pri strojnem prevajanju iz slovenščine v angleščino
biti v takem primeru povedek obvezno v trdilni obliki. Na srečo takih besed ni
veliko in se da celoten seznam razmeroma preprosto vgraditi v analizator, ta pa
potem to reši že pri pretvorbi v vmesni jezik.
Vezljivost glagolov
Pri glagolih potrebujemo za uspešno analizo še podatek, na kakšen način
se glagol uporablja:
Strgal je hlače.
Hlače so se strgale.
Strgalo se mu je.
Presis za to uporablja (glagolske) predloge. Predloga vsebuje glagol in po¬
datek, s katerimi predmeti ali predlogi se ta glagol kot povedek veže, ter more¬
bitne omejitve pri uporabi predloge (nekatere predloge se lahko uporabljajo le v
nekaterih časih, zahtevajo točno določene predmete in podobno).
Predloge so potem združene v pomene. Tukaj so dodane tudi slogovne oz¬
nake, da lahko Presis prevaja s predlogo s čim bolj podobno slogovno oznako
(če ima vhodna predloga oznako pogovorno, bo kot prvi prevod izbrana izhod¬
na predloga s tako oznako).
Del predlog so lahko tudi točno določene besede. Tako je mogoče v preva¬
jalnik vnesti cele fraze. V Presisu je na primer vnesena predloga, kjer je z glago¬
lom »reči« povezan samostalnik »bob« v funkciji predmeta v dajalniku in tožilni-
ku. V angleščini je vnesena podobna predloga z glagolom »call« in samostalni¬
kom »a spade« v funkciji predmetov. Tako lahko prevajalnik brez težav prevede
stavek »Jutri bo bobu rekel bob.« z ustrezno angleško frazo.
Pomeni glagolov
Včasih pa sama predloga ne zadošča za razločitev pomena:
Osvojil je prvo mesto.
Osvojil je zlato.
Osvojil je občinstvo.
Osvojil je dekle.
Take primere je mogoče reševati tako, da se pri pomenu, sestavljenem iz pred¬
log, pove, kateri pomen za predmet oziroma za osebek tipično nastopa z njim.
Slaba stran te rešitve je to, da je treba pri vsakem glagolskem pomenu vpi¬
sati pogoste spremljajoče pomene. Vendar se da iskanje takih kombinacij delno
Letnik 40, št. 1-2, leto 2006: str. 121-129 • MOSTOVI 125
RAČUNALNIŠKAORODJISPLETNIVIR
COMPUTERTOOLSANDWEBRES URCES Peter Holozan in Alenka Metljak
avtomatizirati s preiskovanjem korpusov, kjer se najde seznam dvoumnih kombi¬
nacij, ki jih je treba potem ročno obdelati. Pri preiskovanju korpusov si je mogo¬
če kdaj pomagati tudi s tem, da so dvoumnosti v različnih jezikih različne. Tako
je mogoče poiskati možne pare pomenov v dveh korpusih v različnih jezikih (pri
čemer pri dovolj velikih korpusih sploh ni treba, da so v korpusih ista besedila)
in narediti seznam parov pomenov, ki se pojavljajo v obeh korpusih. Taki pari so
potem kandidati za ročno dodajanje na seznam povezanih pomenov.
Druga možnost je dodajanje povezav pomenov v trenutku, ko se naleti na
neustrezne prevode, vendar je za to rešitev potrebnega preveč ročnega preverjanja
prevodov, da bi lahko bila glavna metoda, je pa zelo pomembna kot dopolnitev.
Ostajajo zelo dvoumni primeri, kjer tudi tako ni mogoče ugotoviti pravega
prevoda, saj je lahko več kombinacij poudarjenih:
Prevedel je program.
Ta stavek ima štiri osnovne pomene.
Nekdo je prevedel računalniški program v drug jezik.
Nekdo je prevedel program prireditve.
Nekdo je s prevajalnikom prevedel računalniški program v izvršilno obliko.
Računalniški program je nekaj prevedel.
Ugotavljanje pravega pomena je v tem primeru popolnoma odvisno od kon¬
teksta.
Več možnih besednih vrst za isto besedo
Pri nekaterih besedah v slovenščini se zgodi, da gre pri isti besedi lahko za
več besednih vrst. Kadar sta obe možnosti sintaktično pravilni, se mora analiza¬
tor odločiti, katera je verjetnejša.
Tipična primera za to sta predloga od in brez, kjer gre lahko tudi za rodil¬
nik množine oziroma dvojine samostalnikov oda in breza.
Besedna zveza »prtljaga brez nadzora « lahko programu pomeni tudi »prtlja¬
go od brez od nadzora«.
Taki primeri se najpogosteje rešujejo tako, da se na primer zmanjša ocena
analiz, ki vsebujejo samostalnik »breza«, s čimer dobi prednost predlog »brez«.
Časovna prislovna določila
V slovenščini je kar nekaj prislovnih določil časa, ki so po zgradbi sicer bolj
podobna predmetom v četrtem sklonu. Najpogosteje so sestavljena iz pridevnika
(oz. pridevniškega zaimka ali pa tudi števnika) in samostalnika, ki izraža čas.
V takih primerih jih je kdaj težko ločiti od osebka:
Vsak večer gleda televizijo.
126 MOSTOVI • Volume 40, No. 1-2, Year 2006: pp. 121-129
Nekatere težave pri strojnem prevajanju iz slovenščine v angleščino
Pokaže se, da je pri teh besedah smiselno kot prvo možnost upoštevati pri-
slovno določilo časa, kar je v slovenščini večkrat pravilno. Ni pa mogoče tega
vedno zanesljivo trditi:
Vsak večer je lep.
Ta stavek lahko pomeni, da so vsi večeri lepi, ali pa da je nekdo lep vsak večer.
Zaimki
Pri prevajanju zaimkov se pojavlja nekaj težav, ki jim Presis za zdaj še ni kos.
Osvojil je to.
Za glagol »osvojiti« (pravzaprav natančneje za glagolsko predlogo »osvojiti
PR4«) pozna Presis več pomenov, ki jih zna razlikovati glede na pomen pred¬
meta, povezanega s tem povedkom. Vendar kadar je predmet osebni oziroma
kazalni zaimek, teh kombinacij ni mogoče uporabiti, ne da bi se najprej ugotovi¬
lo, katero besedo zaimek nadomešča.
Druga težava je prevajanje samih zaimkov. Zaimke moškega oziroma žen¬
skega spola, ki nadomeščajo predmete in ne živih bitij, je' v angleščini namreč
treba nadomestiti z zaimkom za srednji spol. Za to je potreben postopek za
ugotavljanje, katero besedo nadomešča zaimek, poleg tega je za vse angleške be¬
sede treba imeti podatek o spolu.
Dvoumni stavki
»Dela brez besed,« se na prvi pogled zdi popolnoma enostaven stavek. Am¬
pak računalnik najde zanj kar nekaj možnih razlag:
- nekdo dela brez besed,
- dela so brez besed,
- dela sta brez besed,
- dela so od brez od besed,
- pri čemer je povsod »beseda« lahko tudi čitalniška prireditev.
Stavki v naravnem jeziku so v splošnem veliko bolj dvoumni, kot opazimo
na prvi pogled, ker pri branju samodejno izločamo manj verjetne možnosti; te
pa delajo strojnemu prevajalniku težave, ker mu ne uspe, da bi se jih znebil.
Kontekst
Odprl je čebelnjak. Potem je prijel matico.
Prijel je ključ. Potem je prijel matico.
Ena od težav, ki jih bodo sčasoma morali rešiti strojni prevajalniki, če bodo
hoteli biti res uporabni, je upoštevanje konteksta. Med možnimi rešitvami je
Letnik 40, št. 1-2, leto 2006: str. 121-129 • MOSTOVI 127
RAČUNALNIŠKAORODJISPLETNIVIR
COMPUTERTOOLSANDWEBRESO RCES Peter Holozan in Alenka Metljak
gradnja asociacijskih mrež pomenov (del te mreže so že povezave med pomeni
predlog in samostalnikov). Beseda s posameznega področja bo morala povečati
verjetnost pomenov s tega področja, seveda pa je treba upoštevati, da to ni ved¬
no nujno pravilno:
Odprl je čebelnjak. Potem je privil matico.
V tem primeru je povezava med povedkom in predmetom pomembnejša od
trenutnega konteksta.
Pri kontekstu se lahko zgodi tudi to, da so pomembni stavki za stavkom, ki
se prevaja, ne le pred njim:
Ima mačka. Je črne barve.
Ima mačka. Včerajje preveč pil.
V takih primerih si bo prevajalni program moral zapomniti prejšnje dvoum¬
nosti in se po potrebi vračati. Druga možnost je dvojna analiza - v prvem pre¬
hodu prevajalnik poišče najtipičnejše poudarke konteksta in jih potem uporabi
v drugem prehodu analize.
Ni enakovrednega prevoda
Prva težava so besede, za katere še ni prevoda in jih je treba prevajati opi¬
sno. Tipična težava so različne vrste jedi - angleščina pač nima ustreznega izra¬
za za povitico. Te vrste težave so še pogostejše pri prevajanju iz angleščine v
slovenščino, kjer slovenskemu tehničnemu izrazoslovju pogosto ne uspe sproti
slediti novostim. Določanje prevodov za nove besede je zelo zapleteno delo, ki
mu strojni prevajalniki zlepa ne bodo kos.
Včasih je težava tudi to, da se stvari navadno v enem jeziku izrazijo druga¬
če kot v drugem.
Primer »Prisilil me je, da sem to prebral.« bi se v angleščino najbolje prevedel
s »He made me read this.«, kar bi bilo bolj dobesedno »Prisilil me je prebrati toa.
Dobeseden prevod »He made me that I read thisa v angleščini zveni nenavadno.
Napake v vhodnem besedilu
Strojni prevajalniki so izjemno občutljivi za napake v vhodnem besedilu.
Ne znajo uganiti, katera beseda bi morala biti namesto zatipkane, kje manjka
vejica ... V takih primerih analiza stavka navadno ne uspe (ali pa uspe, vendar
je pomen nesmiseln: »To nebo poceni.«, kjer nekaj poceni nebo). Posledica tega
so popolnoma napačni prevodi.
Možna rešitev za to je, da slovar pozna pogosto zatipkane besede (»i/v-
Ijenski«) in so te potem pri analizi in prevajanju popolnoma enakovredne pra¬
vilnim (»življenjski«). Nekatere besede same po sebi sicer niso napačne, vendar
128 MOSTOVI • Volume 40, No. 1-2, Year 2006: pp. 121-129
.. Nekatere težave pri strojnem prevajanju iz slovenščine v angleščino
so napačne v nekaterih pomenih (»nebo « kot zanikana oblika glagola biti za
prihodnost). Prav tako mora analizator tolerirati pogoste slovnične napake (»na
velikemu vrtu«, »Nisem prebral knjigo.«) in narediti analizo, ki je enakovredna
analizi pravilnega stavka.
Prevajalnik Presis prepoznava večino tipov slovničnih napak, ki jih najde
slovnični pregledovalnik BesAna, s čimer je omogočeno pravilno prevajanje
stavkov, v katerih so take napake.
ZAKLJUČEK
Na poti do zanesljivega strojnega prevajanja nas čaka še zelo veliko dela.
Nekatere težave so tehnično razmeroma preprosto rešljive (npr. vezave glagolov
in kombinacije pomenov glagolov in samostalnikov), vendar je veliko dela z vno¬
som podatkov. Pri drugih (zaimki) bo več dela pri analizatorju, vendar ne bo
nujno dolgotrajno vnašanje v slovar. Pri tretjih (nove besede, širši kontekst) ra¬
čunalniki še dolgo ne bodo nadomestili človeka.
Kljub vsem tem težavam pa strojni prevajalnik vedno uspešneje prevaja
enostavna besedila. Pogosto sicer še zgreši pravi pomen, vendar potem ponudi
pravi pomen med drugimi možnostmi. In včasih nam šele računalnik s svojimi
»nenavadnimi« prevodi pomaga, da se zavemo, kako dvoumni so pravzaprav
kdaj stavki.
Viri
Arnold, D., in sod. 2001. Machine Translation: An Introductory Guide.
London: Blackwells-NCC. Dostopno na medmrežju.
http://www.essex.ac.uk/linguistics/clmt/MTbook/HTML/book.html
Prevzeto 20. 4. 2005
Hutchins, W. John, in Somers, Harold L. 1992 .An introduction to machine translation.
London: Academic Press.
Hutchins, W. John. 1996. »The State of Machine translation in Europe«. V Expanding MT
Horizons: proceedings of the Second Conference of the Association for the Machine Transla¬
tion in the Americas, 2-5 October 1996. Montreal, Quebec, Canada. 198-205.
Hutchins, W. John. Ni podatka. »The History of MT in a nutshell«. Neobjavljen članek.
Dostopno na medmrežju.
http://ourworld.compuserve.com/homepages/WJHutchins/Nutshell.htm Prevzeto 15. 1.
2005
Vičič, J. 2002. »Avtomatsko prevajanje iz slovenskega v angleški jezik na osnovi statističnega
strojnega prevajanja«. Magistrska naloga. Ljubljana: Univerza v Ljubljani, Fakulteta
za računalništvo in informatiko.
Letnik 40, št. 1-2, leto 2006: str. 121-129 • MOSTOVI 129
RAČUNALNIŠKAORODJISPLETNIVIR