Вестник Волгоградского государственного университета. Серия 2. Языкознание1998-99112409-197910.15688/jvolsu2.2024.5.7Потенциал машинного перевода в медиадискурсе музеев: анализ современных браузерных системPotential of Machine Translation in Museum Media Discourse: Analysis of Modern Browser SystemsМитягинаВера АлександровнаМитягинаВера АлександровнаMityaginaVeramityagina@volsu.ru0000-0002-3997-3139НовожиловаАнна АлексеевнаНовожиловаАнна АлексеевнаNovozhilovaAnnanovozilova@volsu.ru0000-0001-7601-9048НаумоваАнна ПетровнаНаумоваАнна ПетровнаNaumovaAnnaanaumova9@volsu.ru0000-0003-4002-4915Volgograd State University (Volgograd, Russian Federation)Волгоградский государственный университет (Волгоград, Российская Федерация)2712202423587980502202424062024CC BY 4.0

Статья посвящена актуальным проблемам оптимизации нейронного машинного перевода, которые обусловлены включением многоязычия в функционал онлайн-ресурсов. Описаны результаты анализа машинного перевода англо-, немецко- и франкоязычного контента медиадискурса музеев на русский язык с применением встроенных браузерных систем от Яндекс, Google и Microsoft. Выбор фрагментов для сравнительного анализа осуществлялся с учетом рандомного предпочтения исходного языка пользователями. Определено, что функциональные возможности систем машинного перевода, оптимизированных нейросетевыми технологиями, в основном обеспечивают его денотативную эквивалентность, корректно передают большинство имен собственных и адекватно актуализируют значения лексических единиц с опорой на контекст. Выявлены ситуации, когда браузерные переводчики используют соответствия без учета контекста, лингвокультурной традиции, прагматического значения языковых единиц, что демонстрирует ограниченные возможности этих систем создавать адекватный, стилистически и дискурсивно оформленный перевод. Установлено, что наибольшую сложность представляет перевод изолированных номинаций (названий разделов, кнопок выбора языков и т. п.), что свидетельствует о высоком уровне задействованного в системах машинного перевода искусственного интеллекта, имитирующего человека в его обязательном стремлении получить контекст, актуализирующий значение слова. В.А. Митягиной предложена концепция работы и дана общая характеристика актуальных исследований нейросетевого этапа развития машинного перевода, А.А. Новожиловой проанализированы англо- и немецкоязычные публикации по машинному переводу и контент Пергамского музея, А.П. Наумовой – публикации на французском языке и контент Музея Орсе.

The article is devoted to the actual problems of neural machine translation optimization, which are caused by the inclusion of multilingualism in the functionality of online resources for providing equal access to information for all users. The results of analyzing the machine translation of English-, German- and French-language content of museums’ media discourse into Russian are based on the usage of built-in browser systems from Yandex, Google and Microsoft. The selection of fragments for comparative analysis is carried out taking into account the random choice of the source language by users. The functional capabilities of machine translation systems, optimized by neural network technologies, are viewed as denotative equivalence provision, correct transference of the majority of proper names and adequate actualization of the lexical units meanings with their reference to the context. Several cases stated that browser-based translators used correspondences without taking into account the context, linguacultural tradition, pragmatic meaning of language units, which demonstrates the limited capabilities of these systems to create an adequate, stylistically and discursively designed translation. It is established that the greatest difficulty lies in the translation of isolated nominations (section names, language selection buttons, etc.), which indicates a high level of artificial intelligence involved in machine translation systems, that imitate humans in their mandatory desire to obtain a context that actualizes the meaning of a word.

нейронный машинный переводискусственный интеллектмногоязычиебраузерные системы автоматизированного переводамедиадискурс музеяneural machine translationartificial intelligencemultilingualismbrowser-based automated translation systemsmuseum media discourseВолкова И. Д., 2021. Постредактирование машинного перевода научной статьи // Homo Loquens: Вопросы лингвистики и транслятологии. Вып. 14. С. 13–25.Денисова Д. С., 2018. Современные системы машинного перевода. Статический машинный перевод // Синергия наук. № 19. С. 1425–1434.Дукальская И. В., Бараковская Е. В., 2022. Нейронные сети в машинном переводе // Инфокоммуникационные технологии. Т. 20, № 2 (78). С. 90–95. DOI: 10.18469/ikt.2022.20.2.10Коканова Е. С., Поротова П. В., 2023. Автоматическая метрика оценка качества машинного перевода BLEU // Профессия переводчика: вызовы и перспективы. Вып. 2. С. 44–47.Колин К. К., Хорошилов Ал-др А., Никитин Ю. В., Пшеничный С. И., Хорошилов Ал-й А., 2021. Искусственный интеллект в технологиях машинного перевода // Социальные новации и социальные науки. № 2. С. 64–80. DOI: 10.31249/snsn/2021.02.05Кузнецова Э. В., 2020. Машинный перевод vs человеческий перевод с точки зрения передачи воздействующего потенциала рекламного банковского текста // Проблемы языка и перевода в трудах молодых ученых. № 19. С. 99–105.Митягина В. А., Наумова А. П., Новожилова А. А., 2023. Транслатологическое обоснование создания многоязычных ресурсов Интернета // Вестник Волгоградского государственного университета. Серия 2, Языкознание. Т. 22, № 3. С. 5–18. DOI: https://doi.org/10.15688/jvolsu2.2023.3.1Мурзабекова А. Р., Алиев З. Г., 2020. Машинный перевод: системы машинного перевода, их недостатки и преимущества // Инновационное развитие науки и техники : сб. ст. VI Междунар. науч.-практ. конф. С. 4–9.Нарбут Е. В., Шерстнева Е. С., 2022. Машинный перевод vs. человеческий перевод: сравнительный метод // Вестник Северо-Восточного государственного университета. № 38. С. 20–27.Раренко М. Б., 2021. Машинный перевод: от перевода «по правилам» к нейронному переводу // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6. Языкознание. № 3. С. 70–79. DOI: 10.31249/ling/2021.03.05Castilho S., Doherty S., Gaspari F., Moorkens J., 2018. Approaches to Human and Machine Translation Quality Assessment: From Principles to Practice // Technologies and Applications. Springer. Vol. 1. P. 9–38. DOI: 10.1007/978-3-319-91241-7_2Constantine P. 2019. Google Translate Gets Voltaire: Literary Translation and the Age of Artificial Intelligence // Contemporary French and Francophone Studies. Vol. 23, iss. 4. P. 471–479. DOI: 10.1080/17409292.2019.1694798Eszenyi R., Bednбrovб-Gibovб K., Edina R., 2023. Artificial Intelligence, Machine Translation & Cyborg Translators: A Clash of Utopian and Dystopian Visions // Orbis Linguarum. Vol. 21, iss. 22. P. 102–113. DOI: 10.37708/ezs.swu.bg.v21i2.13Knaus Th., 2023. Kьnstliche Intelligenz und Bildung: Was sollen wir wissen? Was kцnnen wir tun? Was dьrfen wir hoffen? Und was ist diese KI? Ein kollaborativer Aufklдrungsversuch // Ludwigsburger Beitrдge zur Medienpдdagogik. Ausgabe 23. S. 1–42. DOI: 10.21240/lbzm/23/19Krьger R., 2018. Mehrsprachigkeit im Licht der Maschinenьbersetzung // Magazin Sprache. URL: https://www.goethe.de/ins/dk/de/spr/mag/21250571.htmlMityagina V. A., Volkova I. D., Walter S., 2022. Multilinguality of Digital Platforms as a Factor of Inclusive Growth in the Global Economic Space // New Technology for Inclusive and Sustainable Growth. Smart Innovation, Systems and Technologies / ed. by E. I. Inshakova, A. O. Inshakova. Singapore : Springer. Vol. 287. P. 267–276. DOI: 10.1007/978-981-16-9804-0_23Popovich S. G., Bortnikov V. I., 2023. Machine Translation: On the Problem of Post-Editing // Язык в сфере профессиональной коммуникации : сб. материалов Междунар. науч.-практ. конф. (Екатеринбург, 20 апреля 2023 г.). С. 469–473.Sennrich R., Haddow B., Birch A., 2016. Improving Neural Machine Translation Models with Monolingual Data. Edinburgh : School of Informatics University of Edinburgh. 245 p.Strube J., 2023. Im Austausch mit kьnstlicher Intelligenz: Neues Forschungsprojekt rьckt mehrsprachige Frage-Antwort-Systeme in den Fokus). URL: https://www.sitefusion.de/news/im-austausch-mit-kuenstlicher-intelligenz-neues-forschungsprojekt-rueckt-mehrsprachige-frage-antwort-systeme-in-den-fokus/Welnitzova K., Jakubickova B., Krбlik R., 2021. Human-Computer Interaction in Translation Activity: Fluency of Machine Translation // RUDN Journal of Psychology and Pedagogics. Vol. 18, № 1. P. 217–234. DOI: 10.22363/2313-1683-2021-18-1-217-234Yonghui W., Schuster M., Chen Z., V Le Q., Norouzi M., Macherey W., Krikun M., Cao Y., Gao Q., Macherey K. et al., 2016. Google’s Neural Machine Translation System: Bridging the Gap Between Human and Machine Translation. DOI: 10.48550/arXiv.1609.08144Musйe d’Orsay. URL: https://www.musee-orsay.fr/Pergamonmuseum. URL: https://www.smb.museum/museen-einrichtungen/pergamonmuseum/home/Volkova I.D., 2021. Postredaktirovanie mashinnogo perevoda nauchnoy statyi [Post-Editing of Machine Translation of Academic Papers]. Homo Loquens: Voprosy lingvistiki i translyatologii [Homo Loquens: Issues of Linguistics and Translatology], iss. 14, pp. 13-25.Denisova D.S., 2018. Sovremennye sistemy mashinnogo perevoda. Staticheskiy mashinnyy perevod [Modern Machine Translation Systems. Statistical Machine Translation]. Sinergiya Nauk [Synergy of Sciences], no. 19, pp. 1425-1434.Dukalskaya I.V., Barakovskaya E.V., 2022. Neyronnye seti v mashinnom perevode [Neural Networks in Machine Translation]. Infokommunikatsionnye tekhnologii [Infocommunication Technology], vol. 20, no. 2 (78), pp. 90-95. DOI: 10.18469/ikt.2022.20.2.10Kokanova Е.S., Porotova P.V., 2023. Avtomaticheskaya metrika otsenka kachestva mashinnogo perevoda BLEU [Automatic Evaluation of Machine Translation Quality: BLEU]. Professiya perevodchika: vyzovy i perspektivy [Translator’s Profession: Challenges and Prospects], iss. 2, pp. 44-47.Kolin K.K., Khoroshilov Al-dr А., Nikitin Yu.V., Pshenichny S.I., Khoroshilov Аl-y А., 2021. Iskusstvennyy intellekt v tekhnologiyakh mashinnogo perevoda [Artificial Intelligence in Machine Translation Technologies]. Sotsialnye novatsii i sotsialnye nauki [Social Novelties and Social Sciences], no. 2, pp. 64-80. DOI: 10.31249/snsn/2021.02.05Kuznetsova E.V., 2020. Mashinnyy perevod vs chelovecheskiy perevod s tochki zreniya peredachi vozdeystvuyushchego potentsiala reklamnogo bankovskogo teksta [Machine Translation vs Human Translation: Focus on the Pragmatic Equivalence in Translating a Bank Website Text]. Problemy yazyka i perevoda v trudakh molodykh uchenykh [Issues of Language and Translation in the Works of Young Scientists], no. 19, pp. 99-105.Mityagina V.А., Naumova А.P., Novozhilova А.А., 2023. Translatologicheskoye obosnovaniye sozdaniya mnogoyazychnykh resursov Interneta [Translatological Grounds of Creating Multilingual Internet Resources]. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2. Yazykoznanie [Science Journal of Volgograd State University. Linguistics], vol. 22, no. 3, pp. 5-18. DOI: https://doi.org/ 10.15688/jvolsu2.2023.3.1Murzabekova А.R., Aliyev Z.G., 2020. Mashinnyy perevod: sistemy mashinnogo perevoda, ikh nedostatki i preimushchestva [Machine Translation: Machine Translation Systems, Their Disadvantages and Advantages]. Innovatsionnoe razvitie nauki i tekhniki: sb. st. VI Mezhdunar. nauch.-prakt. konf. [Innovative Development of Science and Technology. Collection of Articles of the 6th International Scientific and Practical Conference], pp. 4-9.Narbut Е.V., Sherstneva Е.S., 2022. Mashinnyy perevod vs. chelovecheskiy perevod: sravnitelnyy metod [Machine Translation vs. Human Translation: Comparative Method]. Vestnik Severo-Vostochnogo gosudarstvennogo universiteta [Vestnik of Nort-Eastern State University], no. 38, pp. 20-27.Rarenko М.B., 2021. Mashinnyy perevod: ot perevoda «po pravilam» k neyronnomu perevodu [Machine Translation: from Rule-Based Translation to Neural Translation]. Sotsialnye i gumanitarnye nauki. Otechestvennaya i zarubezhnaya literatura. Seriya 6. Yazykoznanie [Social and Human Sciences. National and Foreign Literature. Linguistics], no. 3, pp. 70-79. DOI: 10.31249/ling/2021.03.05Castilho S., Doherty S., Gaspari F., Moorkens J., 2018. Approaches to Human and Machine Translation Quality Assessment: From Principles to Practice. Technologies and Applications. Springer, vol. 1, pp. 9-38. DOI: 10.1007/978-3-319-91241-7_2Constantine P., 2019. Google Translate Gets Voltaire: Literary Translation and the Age of Artificial Intelligence. Contemporary French and Francophone Studies, vol. 23, iss. 4, pp. 471-479. DOI: 10.1080/17409292.2019.1694798Eszenyi R., Bednбrovб-Gibovб K., Edina R., 2023. Artificial Intelligence, Machine Translation & Cyborg Translators: A Clash of Utopian and Dystopian Visions. Orbis Linguarum, vol. 21, iss. 22, pp. 102-113. DOI: 10.37708/ezs.swu.bg.v21i2.13Knaus Th., 2023. Kьnstliche Intelligenz und Bildung: Was sollen wir wissen? Was kцnnen wir tun? Was dьrfen wir hoffen? Und was ist diese KI? Ein kollaborativer Aufklдrungsversuch. Ludwigsburger Beitrдge zur Medienpдdagogik, Ausgabe 23, S. 1-42. DOI: 10.21240/lbzm/23/19Krьger R., 2018. Mehrsprachigkeit im Licht der Maschinenьbersetzung. Magazin Sprache. URL: https://www.goethe.de/ins/dk/de/spr/mag/21250571.htmlMityagina V.A., Volkova I.D., Walter S., 2022. Multilinguality of Digital Platforms as a Factor of Inclusive Growth in the Global Economic Space. Inshakova E.I., Inshakova A.O., eds. New Technology for Inclusive and Sustainable Growth. Smart Innovation, Systems and Technologies. Singapore, Springer, vol. 287, pp. 267-276. DOI: 10.1007/978-981-16-9804-0_23Popovich S.G., Bortnikov V.I., 2023. Machine Translation: On the Problem of Post-Editing. Yazyk v sfere professionalnoy kommunikatsii: sb. materialov Mezhdunar. nauch.-prakt. konf. (Yekaterinburg, 20 aprelya 2023 g.) [Language in the Sphere of Professional Communication. Proceedings of the International Scientific and Practical Conference of Teachers, Postgraduate, Master’s and Undergraduate Students (Yekaterinburg, April 20, 2023)], pp. 469-473.Sennrich R., Haddow B., Birch A., 2016. Improving Neural Machine Translation Models with Monolingual Data. Edinburgh, School of Informatics University of Edinburgh. 245 p.Strube J., 2023. Im Austausch mit kьnstlicher Intelligenz: Neues Forschungsprojekt rьckt mehrsprachige Frage-Antwort-Systeme in den Fokus. URL: https://www.sitefusion.de/news/im-austausch-mit-kuenstlicher-intelligenz-neues-forschungsprojekt-rueckt-mehrsprachige-frage-antwort-systeme-in-den-fokus/Welnitzova K., Jakubickova B., Krбlik R., 2021. Human-Computer Interaction in Translation Activity: Fluency of Machine Translation. RUDN Journal of Psychology and Pedagogics, vol. 18, no. 1, pp. 217-234. DOI: 10.22363/2313-1683-2021-18-1-217-234Yonghui W., Schuster M., Chen Z., V Le Q., Norouzi M., Macherey W., Krikun M., Cao Y., Gao Q., Macherey K. et al., 2016. Google’s Neural Machine Translation System: Bridging the Gap Between Human and Machine Translation. DOI: 10.48550/arXiv. 1609.08144Musйe d’Orsay. URL: https://www.musee-orsay.fr/Pergamonmuseum. URL: https://www.smb.museum/museen-einrichtungen/pergamonmuseum/home/