MOSTOVI 1999/XXXIII 47
Špela Vintar
Računalniška orodja za prevajanje
Povzetek
Prispevek predstavlja sodobne računalniške tehnologije za prevajanje, predvsem pomnilnike
prevodov in terminološke banke. V prvem delu prispevka je na kratko orisano področje in pred¬
stavljene najpomembnejše prednosti in pomanjkljivosti teh programov, v drugem delu pa sledi
preskus programa ATRIL Dej a Vu na nekoliko daljšem besedilu s področja farmacije. Pri tem
naj bi pokazali predvsem to, daje uporabnost teh orodij močno odvisna od značilnosti besedil,
kijih prevajamo, in od narave prevajalskega dela. V sklepu so nakazane smernice razvoja pre¬
vajalskih tehnologij v prihodnosti in uvajanja le-teh v tukajšnji prevajalski prostor.
Summary
The paper is an introduction to the state-of-the-art Computer technologies for translators, par-
ticularly focusing on translation memories and terminology management systems. The first sec-
tions briefly outline the field of translation tools and present some of their advantages and draw-
backs. The section following demonstrates the performance of the ATRIL Deja Vu translation
memory system in the translation of a technical text. Our main objective is to show that the effi-
ciency of these tools depends very much on the characteristics of texts to be translated and gen-
erally on the nature of the translation project. Finally the paper briefly discusses the possibilities
of further development in this field and the need for broader implementation of translation tools
in Slovenia.
Uvod
Povpraševanje po prevajalskih storitvah se že
nekaj časa pri nas in v svetu povečuje, še po¬
sebej izrazito v nekaterih gospodarskih dejav¬
nostih, državni upravi in mednarodnih usta¬
novah. Razlogov za to je več, v zadnjem de¬
setletju pa so k temu pripomogle predvsem
nove komunikacijsko-informacijske tehnolo¬
gije, ki omogočajo hitrejše in učinkovitejše
povezave med pripadniki različnih jezikovnih
skupin, in vse bolj intenzivne gospodarske in
politične poteze združevanja v Evropi in sve¬
tu. Pa ne gre le za povečanje povpraševanja.
Prevajalci naj bi obvladali strokovno področje
in terminologijo, v zadnjem času pa tudi so¬
dobne prevajalske tehnologije in orodja. Ka¬
kovostne prevajalske storitve so temu primer¬
no visoko cenjene, tega pa si marsikateri na¬
ročnik dolgoročno ne more privoščiti. Tako ni
presenetljivo, da razvoj računalniškega preva¬
janja že nekaj časa narekujejo veliki naročniki
prevodov - multinacionalne družbe, Evrop¬
ska unija ipd.
Želja po popolni ali delni avtomatizaciji
prevajalskega procesa je stara že desetletja -
prve resne raziskave o strojnem prevajanju
(MT - Machine Translation) so se začele v
ZDA v zgodnjih petdesetih letih. Šele s pre¬
vlado osebnih računalnikov pa se je razvila
veja računalniško podprtega prevajanja (CAT
- Computer-Aided Translation), kije za »pro¬
fesionalce« neprimerno bolj zanimivo; orodja
za strojno prevajanje pa so danes namenjena
predvsem ljudem, ki se z jezikom ne ukvarja¬
jo poklicno.
Strojno prevajanje zajema vsa orodja, pri
katerih je prevajalski proces s pomočjo modu¬
lov za oblikoslovno in skladenjsko analizo in
48 MOSTOVI 1999/XXXIII
sintezo ter eno- in dvojezičnih leksikonov do
največje možne mere avtomatiziran, vloga
človeka pa je omejena na morebitno pripravo
besedila in popravo rezultatov. Orodja za
računalniško podprto prevajanje pa prevajal¬
ski proces le olajšajo in pospešujejo in v šir¬
šem pomenu besede obsegajo vse računalniš¬
ke pripomočke, ki utegnejo prevajalcu poma¬
gati pri delu (črkovalniki, tezavri, elektronski
slovarji, terminološke banke, pomnilniki pre¬
vodov itd.). Drugače povedano, orodja za
strojno prevajanje so usmerjena v avtomatiza¬
cijo oziroma simulacijo samega miselnega,
introspektivnega dela prevajalskega procesa,
računalniško podprto prevajanje pa je večino¬
ma podpora referenčnega dela, tj. iskanja po
slovarjih, vzorčnih besedilih, terminoloških
bankah ipd.
Pomnilniki prevodov
Eden pomembnejših premikov zadnjega de¬
setletja je razvoj programov s pomnilnikom
prevodov (TM - Translation Memory). Pom¬
nilnik prevodov je podatkovna zbirkaprevod¬
nih enot, navadno povedi ali krajših delov be¬
sedila, ki so - kot izvirnik in prevod - shra¬
njeni v pomnilniku in so ob morebitni pono¬
vitvi enakega ali zelo podobnega dela besedi¬
la na voljo za ponovno uporabo. Osnovna za¬
misel tega orodja je torej, da se pri nekaterih
vrstah besedil določene strukture, formulacije
ali cele povedi ponavljajo, zato pomnilnik
prevodov med prevajanjem v ozadju išče po¬
dobne ali enake enote in jih prevajalcu samo¬
dejno ponudi. Program s pomnilnikom prevo¬
dov navadno poleg tega obsega še orodje za
izdelavo in upravljanje terminoloških bank,
lahko pa ima vgrajeno tudi komponento za
vzporejanje (alignment), s katero pomnilnike
ustvarjamo iz že prevedenih besedil, preverja¬
nje črkovanja, strojno prevajanje in drugo.
Pogoj za uporabo tega orodja je, da imamo
izvirno besedilo v elektronski obliki. Program
besedilo razdeli v segmente ali enote, vsaka
prevedena in potrjena enota pa se zapiše v
pomnilnik. Pri vsaki novi enoti, ki jo začnemo
prevajati, program samodejno pregleda zbirko
prevodnih enot in nam ponudi katero od treh
možnosti:
- ni zadetka (no match): če se nobena enota v
pomnilniku do (uporabniško) določenega
odstotka ne ujema z novo,
- megleni zadetek (fuzzy match)'. če je pro¬
gram našel eno ali več enot, ki so novi do
določenega odstotka podobne,
- poln zadetek (exact match): če se najdena
enota popolnoma ujema z novo.
Ker pomnilnik prevodov nima vgrajenih
modulov za morfosintaktično analizo prevod¬
nih enot, ampak je sposoben prepoznavati po¬
dobnost le na ravni besed ali besednih nizov,
je teoretično uporaben za vse jezikovne pare,
praktično pa za vse jezike, za katere je zago¬
tovljena znakovna podpora.
Od uporabe tovrstnih orodij lahko pričaku¬
jemo naslednje prednosti (glej Heyn, 1997):
- boljša časovna učinkovitost - prevajalec se
ukvarja le še s prevodnimi enotami, kijih ni
še nikdar prevedel,
- doslednost v rabi izrazja - terminološka
banka in pomnilnik prevodov skrbita za to,
da se izrazje v izhodiščnem in ciljnem jezi¬
ku dosledno ujema,
- referenčni vir - zanesljiv in urejen pomnil¬
nik prevodov je dragocen jezikovni vir za
prihodnje delo.
Dejanska uporabnost pomnilnikov prevo¬
dov je v veliki meri odvisna od značilnosti be¬
sedil, ki jih želimo prevajati, saj temelji na
predpostavki, da se v določenih vrstah besedil
stavki, besedni nizi ali posamezni izrazi v bolj
ali manj nespremenjeni obliki ponavljajo. Ta¬
ko imenovani faktorponavljanja se lahko ka¬
že na različne načine in na različnih ravneh
besedila, od njega pa je odvisna tudi odločitev
za najprimernejši prevajalski postopek. Poleg
ponavljanja na učinkovitost dela s pomnilni¬
kom prevodov vplivajo še drugi dejavniki v
MOSTOVI 1999/XXXI11 49
okviru besedila in zunaj njega, npr. povprečna
dolžina prevodnih enot, obseg prevajalskega
projekta (dolžina besedila), velikost, število
in kakovost terminoloških bank in pomnilni¬
kov prevodov, kijih imamo na voljo pred pre¬
vajanjem ipd.
Program s pomnilnikom prevodov je lahko
vključen v urejevalnik besedil (Word, Word-
Perfect), lahko pa ima svoje lastno delovno
namizje, v katerega uvozimo dokument, ki ga
želimo prevesti. Med najpomembnejše tovrst¬
ne izdelke sodijo:
- TRADOS Translator's Workbench (zraven
sodita še terminološki program MultiTerm
in orodje za vzporejanje WinAlign), http://
www.trados.com/
- IBM Translation Manager, http://www.soft
ware.ibm.com/ad/translat/eqfti0b02.html
- STAR Transit in TermStar, http://www.
translit.se/star/transit.htm
- EUROLANG Optimizer, http://www.euro
lang.fr/
- ATRIL Deja Vu, http://www.atril.com/
Programi za ustvarjanje, vzdrževanje
in izmenjavo terminoloških bank
Vsi strokovni in tehnični prevajalci se vsak
dan srečujejo s termini, ki jih v splošnih slo¬
varjih ni, pogosto pa jih ni niti v specialnih in
področnih slovarjih. Večina strokovnih in
znanstvenih področij se danes razvija tako hi¬
tro, da novih izrazov slovaropisje ne more
spremljati. Hkrati je terminološka doslednost
in natančnost prav pri strokovnih in tehničnih
besedilih ključnega pomena in tako tudi
ključni pogoj za funkcionalen prevod. Preva¬
jalec ali prevajalska ekipa si zato pogosto us¬
tvari svoje lastne terminološke glosarje ali
banke, ki naj bi pomagale pri zagotavljanju
terminološke enotnosti vsaj za določeni pre¬
vajalski projekt, če že ne za vso stroko.
Za ta namen so na voljo številna program¬
ska orodja, s katerimi je mogoče terminološke
vnose strukturirati, posodabljati, povezovati
med seboj in po njih iskati. Standardni termi¬
nološki vnos je sestavljen iz številnih polj
(Amtz/Picht, 1995: 239), ki določeni termin
ustrezno opredeljujejo, npr. izvirni termin, de¬
finicija, primer iz besedila in vir, klasifikacij¬
ski ključ, prevodi, sinonimi in antonimi, gra¬
fični prikaz itd. Pri računalniških programih
za sestavo terminoloških bank se polja pri
vnosu v grobem delijo na glavo vnosa (tam so
shranjeni upravni podatki, npr. datum vnosa,
ime vnašalca, datum zadnje spremembe, ime
tistega, ki je spremenil besedilo, zaporedna
številka, podatki o prevajalskem projektu
itd.), indeksna polja (termin v različnih jezi¬
kih, sinonimi itd.), besedilna polja (definicija,
opomba, primer itd.) in atributna polja (slov¬
nični kvalifikatorji itd.).
Starejši sistemi (npr. Eurodicautom, termi¬
nološka banka evropske komisije) so sicer
omogočali vnašanje številnih jezikovnih, stro¬
kovnih in upravnih podatkov, niso pa zago¬
tavljali navzkrižnih povezav med vnosi in po¬
sameznimi izrazi ter izmenljivosti podatkov.
Sodobni programi za sestavo terminoloških
bank omogočajo oblikovanje sheme vnosa v
skladu s specifičnimi potrebami prevajalskega
projekta, navzkrižne povezave, ki terminološ¬
ke vnose strukturirajo v semantične mreže,
grafične prikaze, v zadnjem času pa so bili
oblikovani tudi standardi za zapis tovrstnih
podatkovnih zbirk, ki zagotavljajo izmenlji¬
vost le-teh (MARTIF; ISO 12200) (Reinke/
Schmitz, 1998).
Programi za sestavo terminoloških bank so
navadno vgrajeni v programe s pomnilnikom
prevodov ali so del istega programskega pa¬
keta. Med najpogosteje uporabljanimi je Mul¬
tiTerm podjetja TRADOS, sledijo pa mu
STAR-ov Termstar, ATRIL-ov TermWatch in
drugi.
V terminologiji se odpirajo nove poti s
spoznanji korpusnega jezikoslovja. Računal¬
niška zbirka besedil z določenega strokovne¬
ga področjaje izredno dragocen vir pri pripra-
50 MOSTOVI 1999/XXXIII
vi terminoloških bank, če pa imamo na voljo
ustrezna računalniška orodja, je mogoče le-to
celo delno ali povsem avtomatizirati. Z upora¬
bo vzporednih korpusov je mogoče iz izho¬
diščnega besedila avtomatsko pripraviti sez¬
nam morebitnih terminoloških izrazov in nato
na podlagi vzporednih konkordanc iz ciljnega
besedila izluščiti predloge za ustreznice pre¬
vodov. To bi bil nedvomno hiter in učinkovit
način za oblikovanje terminoloških bank za
določeno področje, saj nam hkrati omogoča
tudi vpogled v dejansko rabo termina v bese¬
dilu. Žal je predpogoj za to ustrezna zbirka
vzporednih besedil v elektronski obliki, ki je
pogosto ni enostavno dobiti.
Preskus pomnilnika prevodov na
daljšem besedilu - strokovni katalog
Vademecum Lekove domače lekarne
Ker se prave zmogljivosti pomnilnikov pre¬
vodov pokažejo šele pri večjih podatkovnih
zbirkah in daljših prevajalskih projektih, smo
želeli enega od programov s pomnilnikom
prevodov preskusiti na obširnejšem besedilu.
Cilj preskusa je bil:
- z vzporejanjem že prevedenega besedila
oziroma več besedil ustvariti čim večji
pomnilnik prevodov,
- preskusiti tako pridobljeni pomnilnik pre¬
vodov na krajšem besedilu z enakega po¬
dročja oziroma v okviru enakega prevajal¬
skega projekta.
Pri tem se je najprej pojavilo vprašanje,
kje najti primemo zbirko besedil oziroma
daljše besedilo, ki bi bilo v elektronski obliki
na voljo kot izvirnik in prevod, hkrati pa bi
ustrezalo orisanim merilom za primerna bese¬
dila (faktor ponavljanja itd.). Po nekaj začet¬
nih neuspehih seje na našo prošnjo za sodelo¬
vanje odzvalo ljubljansko podjetje Lek in
nam za raziskovalne namene prijazno poslalo
slovenski izvirnik in prevod v angleščino Va¬
demecum Lekove domače lekarne 1995.
Besedilo v celoti obsega približno 12.700
besed ali 88.000 znakov, gre pa za katalog iz¬
delkov Lekove domače lekarne. V njem so po
kratkem uvodu opisani posamezni preparati v
obliki, značilni za zdravila (sestava, delova¬
nje, indikacije, kontraindikacije, doziranje in
uporaba, stranski učinki itd.). Besedilo je po
svoji makrostrukturi sicer katalog, a ker je
pravzaprav sestavljeno iz manjših, ponavlja¬
jočih se enot, je prevladujoča besedilna vrsta
vložni listek (tj. navodila za uporabo zdravil).
Zgradba teh manjših enot se ravna po ustalje¬
nem (deloma celo zakonsko predpisanem)
vzorcu, zato je mogoče že vnaprej pričakova¬
ti, da bo veliko ponavljanja. Besedilo vsebuje
precej strokovne terminologije medicine, far¬
macije in farmakologije, zato bi za prevajanje
potrebovali predvsem dobro terminološko
banko, ker pa nas je pri preskusu zanimalo de¬
lovanje pomnilnika prevodov, terminološke
banke za ta projekt nismo izdelali.
Preskus je bil izveden s programom
ATRIL Deja Vu (več o programu Benis,
1998), ki v demo verziji edini omogoča izde¬
lavo večjih pomnilnikov prevodov z vzpore¬
janjem. Za izdelavo pomnilnika prevodov
smo uporabili dve tretjini besedila, izvirnika
in prevoda (približno 9.000 besed), pri tem pa
nismo vključili uvoda. V pomnilnik je bilo
vključeno tudi kazalo, kar je treba upoštevati
pri razlagi rezultatov, predvsem polnih zadet¬
kov. Vsa imena zdravil v naslovih posamez¬
nih odsekov so bila tako polni zadetek, ker so
bila prevedena že v kazalu. Pomnilnik je po
popravkih rezultatov vzporejanja vseboval
840 prevodnih enot. Za sam preskus tako pri¬
dobljenega pomnilnika je bila uporabljena
zadnja tretjina besedila (približno 3.000 be¬
sed).
Preskus je potekal tako, da smo v progra¬
mu Deja Vu ustvarili nov prevajalski projekt,
določili za izhodiščni jezik slovenščino in
ciljni jezik angleščino ter projektu priredili
pomnilnik prevodov, ki smo ga ustvarili prej z
vzporejanjem. Stopnjo meglenosti (fuzziness)
MOSTOVI 1999/XXXIII 51
lahko nastavimo od 1 do 9; pri tem 9 pomeni
najvišjo stopnjo tolerance. Za preskus smo iz¬
brali meglenost 7. Ko so bile splošne nastavi¬
tve za projekt končane, smo lahko uvozili iz¬
hodiščno besedilo, torej zadnjo tretjino Vade-
mecuma. Programje besedilo razdelil na pre¬
vodne enote in samodejno pred začetkom pre¬
vajanja v pomnilniku prevodov poiskal vsa
polna in meglena ujemanja. To opravilo je tra¬
jalo nekaj minut, nato pa so se na zaslonu v
ciljnih poljih pokazali vsi polni zadetki, oz¬
načeni z zeleno, in vsi megleni zadetki, oz¬
načeni z vijolično barvo.
Preskusno besedilo je obsegalo 375 pre¬
vodnih enot. Zaradi boljše preglednosti rezul¬
tatov pri polnih zadetkih v celoti navajamo
vse, ki so se pojavili več kot dvakrat, kajti ti
deloma sodijo v samo shemo besedilne vrste.
Posebej so navedeni tudi vsi polni zadetki, ki
so rezultat prevedenega kazala (imena zdra¬
vil). Meglenih zadetkov ne navajamo posebej,
upoštevani pa so bili le »uporabni« predlogi.
V oklepajih spodaj so navedeni odstotki od
skupnega števila prevodnih enot v presku¬
snem besedilu.
Polni zadetki:
Sestava 10
Indikacije 7
Kontraindikacije 7
Doziranje in uporaba 8
Registracijski status 10
Zdravilo se sme izdajati tudi
brez zdravniškega recepta. 6
Delovanje 8
Previdnostni ukrepi 3
Zadetki iz kazala: 14
Drugi polni zadetki: 9
Skupno število
polnih zadetkov: 82 (21,8%)
Megleni zadetki: 26 (6,9%)
Skupno število zadetkov: 108 (28,7%)
Glede na to, daje bil preskusni pomnilnik
prevodov razmeroma majhen, je zgornji re¬
zultat kar zadovoljiv. Če bi ob tem prevajal¬
skem projektu uporabljali še kakovostno ter¬
minološko banko, bi bilo z uporabo programa
s pomnilnikom prevodov mogoče prihraniti
približno tretjino časa, ali z drugimi beseda¬
mi, program bi samodejno z uporabnimi pre¬
vodi nadomestil okrog 33% besedila, saj bi v
vseh prevodnih enotah brez zadetka nadome¬
stil vsaj strokovne termine, teh pa je precej.
Po dmgi strani se moramo zavedati, daje bilo
preskusno besedilo specifično zaradi ponav¬
ljanja, saj so polni zadetki omejeni na približ¬
no deset prevodnih enot, ki se ponavljajo v
vsem besedilu. Drugih polnih zadetkov je bilo
razmeroma malo, megleni zadetki pa kljub
uporabnim predlogom še vedno terjajo preva¬
jalčevo delo.
Če bi se podjetje Lek zgolj na podlagi
zgornjih rezultatov odločalo, ali naj pri preva-
janjue svojih besedil začne uvajati programe s
pomnilnikom prevodov, odločitev ne bi bila
lahka. Že programska oprema je precejšnja
naložba, poleg tega pa je treba zagotoviti us¬
trezno strojno opremo in infrastrukturo, orga¬
nizirati izobraževanje delavcev in izdelati po¬
vsem novo strategijo upravljanja besedil in
podatkovnih zbirk. To je dolgotrajen in zahte¬
ven proces, ki ga pogosto otežuje še nenaklo¬
njenost prevajalcev novim tehnologijam. Če
si ob vsem tem trudu podjetje lahko v najbolj¬
šem primem obeta za trideset odstotkov večjo
učinkovitost prevajalcev, je to morda premalo
tehten razlog za tako globok poseg v ustaljeno
prevajalsko delo.
Dodati je treba, da so pomnilniki prevodov
zares dragoceni pri prevajanju novejših raz¬
ličic že kdaj prej prevedenih besedil. Tu bi bi¬
lo »ročno« primerjanje stare in nove različice
dolgotrajen in dolgočasen postopek, če pa
imamo na voljo že izdelan pomnilnik prevo¬
dov prejšnje različice, nas ta samodejno opo¬
zori na razlike, drugo pa opravi sam. Mnogi
52 MOSTOVI 1999/XXXIII
uporabniki tovrstne programe uporabljajo
večinoma za to.
Po dragi strani pa se je pri nekaterih upo¬
rabnikih v tujini - podobno kot pred leti ob
strojnem prevajanju - pojavila težnja, da bi z
načrtnimi posegi v produkcijo besedila pri¬
pravili tako, da bi bila primernejša za računal¬
niško obdelavo, v tem primera za prevajanje s
pomnilniki prevodov (Brangs, 1996). Tako bi
pisce besedil navajali na rabo t.i. nadzorova-
negajezika (controlled language), npr. krajših
povedi, omejenega števila stavčnih struktur
ipd., in s tem sčasoma dosegli nekakšno stan¬
dardizacijo jezika ne le na terminološki, am¬
pak tudi na skladenjski in slogovni ravni.
Načelo nadzorovanega vnosa, ki zagotavlja
sprejemljiv iznos (controlled input - accep-
table output), se je s pridom že uveljavilo v
nekaterih segmentih strojnega prevajanja
(Hutchins, 1992; Eijk, 1998), vendar je vpra¬
šanje, ali ta način dolgoročno obeta uspeh tudi
v računalniško podprtem prevajanju.
Kljub upravičenim pomislekom si oglejmo
nekaj primerov meglenega ujemanja opisane¬
ga besedila Lekove domače lekarne, ki kaže¬
jo, da so kljub nadvse standardizirani besedil¬
ni vrsti vložnega listka pri zdravilih precejš¬
nje razlike. Navedeni primeri so zbrani iz od¬
sekov z naslovom Kontraindikacije.
- Zdravila ne smejo jemati ljudje, preobčut¬
ljivi za sestavine zdravila, ljudje s porfirijo,
jetrno in ledvično okvaro, poškodovano
sluznico želodca in dvanajstnika ter krvavi¬
tvijo iz prebavil, preobčutljivi za nesteroid-
ne antirevmatike, nagnjeni h krvavitvam.
- preobčutljivost za acetilsalicilno kislino in
ibuprofen, bolniki z razjedo želodca ali
dvanajstnika
- Gela Diverin ne smejo uporabljati ljudje, ki
so preobčutljivi za ibuprofen, drage neste-
roidne antirevmatike, in tisti, ki so nagnjeni
k alergijam.
- Gela Diverin ne smemo nanašati na poško¬
dovano kožo.
- Miospraya ne smemo pršiti na poškodova¬
no kožo, v oči in telesne odprtine.
- Inhaliranje kapljic Mentoklar ni dovoljeno
pri preobčutljivosti za eterična olja, bron¬
hialni astmi in oslovskem kašlju.
- Gela Mentoklar ne smemo uporabljati na
poškodovani koži, pri preobčutljivosti za
eterična olja, bronhialni astmi in oslov¬
skem kašlju.
- preobčutljivost za sestavine zdravila, suho
vnetje nosne sluznice
- Kapljic ne smemo jemati pri napredujočih
sistemskih boleznih: tuberkulozi, levkozah,
kolagenozah in multipli sklerozi ter pri
znani preobčutljivosti za izdelek.
- Kapljic ne smejo uživati bolniki z jetrno
boleznijo, razjedo želodca ali dvanajstnika
in otroci, stari manj kot 6 let.
- Nosečnicam in otrokom, starim manj kot 6
let, odsvetujemo jemanje kapsul.
- Zdravila se ne sme uporabljati v prvih treh
mesecih nosečnosti in pri preobčutljivosti
za njegove sestavine.
- TRIANOLA ne smejo jemati moški, ki so
preobčutljivi za katerokoli sestavino zdra¬
vila.
Kontraindikacije so deloma opisane v obli¬
ki povedi, deloma pa zgolj naštete v alinejah.
Pri povedih se pojavlja precej različnih izraz¬
nih variacij za isti pomen, namreč odsvetova¬
nje: ...ne smejo jemati ljudje..., ...ne smemo
uporabljati..., ...ne smemojemati..., ...ne sme¬
jo uživati bolniki..., ...odsvetujemo jemanje...,
...ne smejo jemati moški...., ...ni primeren za
ljudi..., ...ne smemo uporabiti..., ...ni dovolje¬
no... V nekaterih primerih je zdravilo navede¬
no z imenom (TRIANOLA), drugod z obliko
in imenom (gel Mentoklar), ponekod zgolj z
obliko (kapljice), ponekod pa je omenjeno le
zdravilo. Več možnosti je tudi pri preobčutlji¬
vosti za sestavine zdravila: ...preobčutljivi za
sestavine zdravila..., ...preobčutljivost za se¬
stavine zdravila..., pri znani preobčutljivosti
za izdelek..., ...pri preobčutljivosti za njegove
MOSTOVI 1999/XXXI11 53
sestavine..., ...preobčutljivi za katerokoli se¬
stavino zdravila. Takih variacij je še več, a jih
tu ne bomo naštevali, kajti želeli smo pred¬
vsem pokazati, na kako različne načine se že
v tako »strogi« besedilni vrsti izražajo podob¬
ne ali enake vsebine. Večja doslednost v izra¬
žanju bi nedvomno pomenila tudi boljše re¬
zultate pri prevajanju s pomnilnikom prevo¬
dov, kako pa bi ta vplivala na komunikativno
funkcionalnost besedila, je drugo vprašanje,
ki se mu v okviru tega prispevka žal ne more¬
mo podrobneje posvetiti.
Zaključek
Programi s pomnilnikom prevodov imajo to¬
rej svoje omejitve in za zdaj ne prinašajo re¬
volucije v vse segmente prevajalskega dela.
Na podlagi povedanega je vidno, pri kakšnih
vrstah besedil ti programi največ obetajo, kot
posledica pa iz tega izhaja tudi tip uporabni¬
ka. Izkušnje kažejo, da se finančna in časovna
naložba v program s pomnilnikom prevodov
samostojnim prevajalcem ne splača vedno,
vsaj ne tistim, ki se srečujejo z zelo raznoliki¬
mi besedili. Tovrstna orodja so najbolj upo¬
rabna za podjetja ali ustanove, v katerih veli¬
ko prevajalcev prevaja veliko med seboj so¬
rodnih besedil z določenega - čim bolj ozke¬
ga - področja, lahko pa tudi prevajalskim
agencijam, ki sodelujejo z velikimi naročniki.
V takem okolju je možno izkoristiti vse pred¬
nosti, ki jih tovrstna orodja ponujajo, npr. da
več prevajalcev prevaja isti projekt in prek
računalniške mreže oblikuje obsežen pomnil¬
nik prevodov in pripadajoče terminološke
banke, da se projekt prevaja v več jezikov
hkrati, da je mogoč vpogled v napredovanje
dela itd.
V Sloveniji je uporabnikov tovrstnih oro¬
dij še razmeroma malo. Programe TRADOS
Translator's Workbench, MultiTerm in Win-
Align pri prevajanju zakonodaje in drugih
evropskih dokumentov uporablja Služba Vla¬
de RS za evropske zadeve, vendar ta orodja
tudi pri njih še niso povsem udomačena.
Sčasoma se bodo te tehnologije verjetno uve¬
ljavile tudi v slovenskih podjetjih, vsaj v ti¬
stih, ki so izrazito mednarodno usmerjena in
imajo svoje prevajalce.
S pomnilnikom prevodov, ki sodi k preva¬
jalskemu projektu, se spreminjajo klasični od¬
nosi med naročnikom in prevajalcem. Na¬
ročnik lahko zahteva, da se za določeni pro¬
jekt uporabi določena programska oprema in
jo celo sam zagotovi, prevajalec ali prevajal¬
ska agencija lahko dejstvo, da uporablja do¬
ločeni program, predstavi kot konkurenčno
prednost, naročnik je prek pomnilnika prevo¬
dov »vezan« na izbrano prevajalsko skupino,
če mu ta pomnilnika ob končanem projektu
ne izroči; vse to se pojavlja v prevajanju kot
tržni storitvi in prinaša temeljite spremembe v
doslej uveljavljeni pretok besedil.
Prvi pogoj, da je prevajanje s temi orodji
sploh mogoče, pa je posredovanje izvirnega
besedila v elektronski obliki. To po ugotovi¬
tvah prevajalcev pri nas in drugod še zdaleč ni
samoumevno. Kljub prevladi računalnika v
produkciji, obdelavi in pretoku besedil števil¬
ni naročniki prevode še vedno pošljejo na pa¬
pirju ali telefaksu. V prihodnje bo torej treba
kaj narediti tudi za to. Pri tem bi bil najeno¬
stavnejši, pa tudi najradikalnejši ukrep ta, da
bi naročnik pokril stroške za skeniranje in ob¬
delavo s programom za OCR oziroma pretip¬
kavanje.
Pri nadaljnjem razvoju teh orodij se kaže
več smeri. Za večje evropske jezike je zanimi¬
va integracija programov s pomnilnikom pre¬
vodov s sistemi za strojno prevajanje. Tako
program za vse prevodne enote, za katere ni
zadetka v pomnilniku prevodov, predlaga
strojni prevod. Ker te možnosti za slo¬
venščino še nekaj časa ne bomo imeli, so za
nas pomembnejše izboljšave pri znakovni
podpori in prepoznavanju končnic pri sklanja¬
nju. Novosti se obetajo tudi pri iskanju me¬
glenih zadetkov, predvsem pri definiciji pre-
54 MOSTOVI 1999/XXXIII
vodne enote in iskanja zadetkov na podpo-
vedni ravni.
Sodobne prevajalske tehnologije kljub
svojim omejitvam prinašajo opazen napredek
vsaj v določenem segmentu prevajalskega de¬
la - pri prevajanju ponavljajočih se besedil s
tehničnih, znanstvenih, pravnih in drugih po¬
dročij, to pa je hkrati tudi tisti segment, v ka¬
terem se potrebe po prevodih najhitreje po¬
večujejo. Poznavanje teh orodij bo zato kma¬
lu postalo nujno za mnoge poklicne prevajal¬
ce, pri tem pa upamo, da se bodo orodja s svo¬
jim delovanjem postopno prilagajala jezikov¬
ni ustvarjalnosti prevajalcev in ne obratno.
Viri:
Amtz, R. in Picht, H. (1995). Einfuhrung
in die Terminologiearbeit. Hildesheim,
Ziirich, New York: Georg Olms.
Benis, M. (1998). Review of AtriPs Deja
Vu 2. Translation Journal 2(1). http://www.
accurapid. com/joumal/03TM2.htm
Brungs, B. (1996). Translation Memories
als Komponente integrierter Ubersetzungssy-
steme. Saarbriicker Studien zu Sprachdaten-
verarbeitung und Ubersetzen. Saarbriicken:
Universitat des Saarlandes.
Eijk, P. v. d. (1998). Controlled Languages
in Technical Documentation. Elsnevvs 7/1, str.
4—5.
Erjavec, T. (1997). Računalniške zbirke
besedil. Jezik in slovstvo, 42/2-3, str. 81-96.
http://nl.ijs.si/et/Bib/SlKorpus/slKorpus-la2/
Falcone, S. (1998). Translation Aid Soft-
ware. Translation Journal 2 (1). http://www.
accurapid.com/joumal/03TM2.htm
Heyn, M. (1998). Present and future needs
in the CAT-world. http://www.dcu.ie/~salis/
cat&intr.htm
Holloway, T. (1996). Translation Memory
Software. ITI Bulletin, August 1996, str.
16-27.
Hutchins, W. J.; Somers, H. L. (1992). An
Introduction to Machine Translation. London:
Academic Press.
Reinke, U. in Schmitz, K.-D. (1998) Te-
sting the Machine Readable Terminology In-
terchange Format (MARTIF). Saarbriicker
Studien zu Sprachdatenverarbeitung und
Ubersetzen. Saarbriicken: Universitat des
Saarlandes.
Schiiller, T. (1995). Integrierte Uberset-
zungssysteme. Saarbriicker Studien zu
Sprachdatenverarbeitung und Ubersetzen.
Saarbriicken: Universitat des Saarlandes.
Seybold, M. (1995). Terminologievenval-
tung unter Windows - pine vergleichende
Untersuchung. Saarbriicker Studien zu
Sprachdatenverarbeitung und Ubersetzen.
Saarbriicken: Universitat des Saarlandes.
Skubic, A. (1997). Računalniški programi
za prevajanje. Mostovi XXXI, str. 28-37.
Spies, C. (1995). Vergleichende Untersuc¬
hung von integrierten Ubersetzungssystemen
mit Translation-Memory-Komponente. Saar¬
briicker Studien zu Sprachdatenverarbeitung
und Ubersetzen. Saarbriicken: Universitat des
Saarlandes.