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.