Machinevertaling of Ma
chine Translation (MT) is het gebruikmaken van een app die van de ene naar de andere taal vertaalt. MT speelt al decennialang een grote rol in de vertaalwereld en je komt het overal tegen: via een app op je telefoon of laptop, maar ook (soms ongemerkt) via een plugin in een andere app. Toch is de menselijke vertaler, liefst een professional, meestal nog beter in staat om vertaalproblemen op te lossen. Wees je bewust van de gebreken van MT, zodat je hier optimaal gebruik van kunt maken.
► Vertaalmachines zijn een handig hulpmiddel voor de (professionele) vertaler of andere gebruiker.
► Kijk altijd met een kritisch oog naar de output van een vertaalmachine.
In deze LibGuide leer je welke vertaalmachines er zoal zijn, wanneer je deze kunt gebruiken en waar je op moet letten om dit effectief en verantwoord te doen.
DeepL maakt gebruik van neuronale netwerken om tot een "natuurlijke" vertaling te komen. De makers van DeepL beweren dat dit leidt tot vertalingen die ruim 3 keer nauwkeuriger zijn dan die van concurrenten.
► DeepL kan hele documenten vertalen. Sleep het document naar de vertaalmachine en ... voilà!
► De betaalde versie van DeepL biedt extra mogelijkheden. Zo kun je je eigen woordenlijsten maken en vertalingen opslaan, zodat je vertaling consistenter wordt.
Google Translate vertaalt van en naar ruim 120 verschillende talen. Je kunt maximaal 5000 karakters tegelijk invoeren. Je kunt in Google Translate hele documenten uploaden, een website vertalen of tekst uit een afbeelding omzetten naar een andere taal.
► Log in met je Google-account om je vertaalgeschiedenis terug te halen.
Generatieve AI is niet primair gebouwd als vertaaltool. Toch kunnen AI-tools, zoals Copilot, handig zijn bij het vertalen. Bijzonder is dat je de context kunt schetsen: zo kun je je vertaling beter laten aansluiten bij de doelgroep.
► Geef aan voor wie je een tekst wilt vertalen of in welke toon of welk register de vertaling moet staan.
Aanvankelijk werden vertaalmachines gevoed met regels (Rule-based MT): “Als Omdat aan het begin van de zin staat, dan wordt het in het Spaans Ya que.” Dit is een complexe manier om een vertaalmachine vorm te geven, omdat er voor elke talencombinatie een grote set met regels nodig is.
M
aar dankzij doorontwikkelingen zijn vertaalmachines steeds creatiever te gebruiken. Zo is in de jaren ’80 het “vertaalgeheugen” ontwikkeld en dit vormde de aanzet voor een statistische benadering van woordcombinaties in grote tweetalige datasets (Statistical MT): “In het Duits wordt meestal gekozen voor Auf der Grundlage (von) als vertaling van Op basis van".
Het afgelopen decennium zijn er steeds meer vertaalmachines op basis van kunstmatige intelligentie (AI) ontwikkeld (Neural MT). Naast het toepassen van statistische strategieën zijn deze ook in staat om associatief een vertaling te kiezen: “Als Bank in de buurt staat van Geld, dan wordt in het Frans meestal Banque gebruikt”. Ook hebben ze een lerend vermogen. Bijna alle moderne MT-oplossingen zijn op deze technologie gebaseerd.
E
ven een tekst door Google Translate of DeepL halen, dat is zo gepiept: binnen no-time heb je een vertaling. Wat kan daar nou mis mee zijn?
Ook bij het gebruik van vertaalmachines is het van belang dat je bewust omgaat met je eigen handelen. Dit bedoelen we met MT-geletterdheid. Deze vaardigheid houdt in dat je weet hoe MT werkt, hoe je het in verschillende situaties toepast en wat de implicaties hiervan zijn. Hieronder valt ook "het kunnen voorspellen en oplossen van knelpunten door gebruik van MT".
Sinds kort is er een raamwerk voor MT-geletterdheid, ontwikkeld in het kader van het Taalunieproject door het lectoraat Professional Communication in a Digitalizing Society, in samenwerking met projectpartners Leiden University Centre for Linguistics en het directoraat-generaal Vertaling (DGT) van de Europese Commissie. Dit raamwerk geeft een hoop handvatten bij bewust en kritisch gebruik van vertaalmachines.
► Deze LibGuide volgt het stappenplan van het MT-raamwerk.
De afbeeldingen in deze LibGuide zijn gedownload van Flaticon.
