Google Translate vs DeepL: Prave razlike i koji je pravi za vas

Danas prevođenje tekstova više nije isključiva domena profesionalnih prevoditelja , barem ne za prvu verziju. Između web stranica, aplikacija i AI asistenata , imamo prevoditelje posvuda. Ali kada je u pitanju izbor između Google Translatea i DeepL-a , dva najveća imena u industriji, izbor nije tako jednostavan.

Obje usluge koriste strojno prevođenje pokretano umjetnom inteligencijom , dramatično su se poboljšale u samo nekoliko godina i besplatne su u svojim osnovnim verzijama. Unatoč tome, razlikuju se po kvaliteti, broju jezika, dodatnim značajkama i, prije svega, po načinu na koji obrađuju različite vrste teksta: kolokvijalni, književni, novinarski ili znanstveni.

Što su točno Google Translate i DeepL?

Google Translate je godinama zadani automatski prevoditelj za pola planeta. Nastao je mnogo prije DeepL-a i integriran je u Googleov ekosustav : preglednik (možete omogućiti automatsko prevođenje stranica ), Android , Chrome, Google dokumente , pretraživanje… Dugo vremena bio je gotovo neosporni alat za prevođenje bilo čega u sekundama, uglavnom zbog svoje ogromne jezične podrške.

Google je 2016. godine najavio veliki tehnološki skok s Googleovim neuronskim strojnim prevođenjem (GNMT) , svojim sustavom za neuronsko strojno prevođenje temeljenim na rekurentnim neuronskim mrežama (RNN) . Ove mreže više ne prevode riječ po riječ, već uzimaju u obzir kontekst rečenice i obližnje riječi , što rezultira značajnim poboljšanjem tečnosti i točnosti u usporedbi s prethodnim statističkim sustavima.

Ubrzo nakon toga, stigao je još jedan interni napredak: Zero-Shot Translation . To je omogućilo Googleu prevođenje između jezičnih parova čak i bez mnogo izravnih primjera. To postiže putem zajedničkih vektorskih prikaza , gdje se fraze iz različitih jezika projiciraju na isti semantički prostor, a mreža uči povezivati ​​ih bez potrebe za iscrpnim primjerima za svaku jezičnu kombinaciju.

S druge strane, tu je DeepL , noviji prevoditelj (pokrenut 2017.) koji je brzo stekao reputaciju pružanja prirodnijih prijevoda , posebno između europskih jezika. Za razliku od Googlea, njegov mehanizam temelji se prvenstveno na konvolucijskim neuronskim mrežama i drugim modernim arhitekturama dubokog učenja , posebno optimiziranim za hvatanje nijansi i složenih rečeničnih struktura.

Najveća snaga DeepL-a leži u bliskoj suradnji s Lingueejem, poznatim višejezičnim rječnikom i tražilicom prijevoda među prevoditeljima. Linguee je godinama prikupljao milijune parova rečenica iz pouzdanih izvora (kao što su europske institucije i službeni dokumenti) i rangirao kvalitetu tih prijevoda . Ovo ogromno spremište visokokvalitetnih segmenata prijevoda postalo je idealan materijal za obuku za DeepL.

Nije slučajno da DeepL svoje ime izvodi od "dubokog učenja" (vidi glosar AI pojmova ). Njegova neuronska mreža dobiva milijarde pažljivo odabranih segmenata prijevoda iz izvora kao što su Europski parlament, međunarodni patenti i književni tekstovi. Drugim riječima, nije važna samo tehnologija, već i kvaliteta materijala za obuku koji se koristi za razvoj AI-a.

Strojno prevođenje i umjetna inteligencija: kako ovi strojevi razmišljaju

I Google Translate i DeepL temelje se na dubokim neuronskim mrežama obučenim na ogromnim količinama teksta . Opća ideja je relativno jednostavna za objasniti: sustav vidi milijune (ili milijarde) rečenica na jednom jeziku uz njihov prijevod na drugom jeziku i uči statističke obrasce između ta dva.

U slučaju DeepL-a , njegove neuronske mreže inspirirane su radom mozga: povezani umjetni „neuroni“ primaju podražaje (riječi, položaje, jezične značajke), aktiviraju ih i šire tu aktivaciju kroz mrežu. Svaki neuron odlučuje na koje će signale reagirati. Kada rečenica prođe kroz sustav, ona se transformira u uzorak aktivacija koji putuje kroz mrežu i u konačnici generira niz riječi prevedenih na ciljani jezik.

U početku, kako sama tvrtka objašnjava, kvaliteta prijevoda je prilično loša . No, kako se mreža obučava na milijardama primjera, prilagođava težine i veze, tako da svaka iteracija malo poboljšava izlaz . S vremenom se ovo postupno poboljšanje prevodi u rezultate koji često izgledaju kao da ih je napisala osoba.

Google, sa svoje strane, također koristi masivne neuronske mreže obučene na planinama podataka , od kojih je većina izvučena iz tekstova i prijevoda dostupnih na webu. Prema Macduffu Hughesu, direktoru inženjerstva u Google Translateu, količina i raznolikost podataka između dva jezika određuje kvalitetu . Između vrlo različitih jezika (na primjer, engleskog i kineskog ili japanskog) potrebno je mnogo više informacija kako bi se postigla ista razina točnosti kao između srodnijih jezika, poput engleskog i španjolskog.

Microsoft Bing Translator, iako ovdje manje istaknut (vidi Microsoft Teams with AI ), također se pridružio ovom trendu neuronskih mreža. Tvrtka tvrdi da njihove neuronske mreže omogućuju bolje razumijevanje cjelokupnog konteksta rečenice prije generiranja prijevoda, nešto s čime su se automatizirani sustavi povijesno borili.

Podržani jezici: kvantiteta naspram kvalitete

Jedna od glavnih točaka sporenja između Google Prevoditelja i DeepL-a je broj dostupnih jezika . Ovdje Google ima značajnu prednost: njegov prevoditelj podržava preko 100 jezika , uključujući glavne i manjinske jezike, dijalekte i regionalne varijacije. Idealan je prevoditelj kada vam treba nešto "neobično", poput maorskog, baskijskog ili jezika iz Azije i Afrike.

S druge strane, DeepL podržava puno manje jezika . U svojim ranim godinama nudio je prijevod samo između nekoliko europskih jezika i iako je postupno širio svoj katalog, još uvijek znatno zaostaje za Googleovim više od stotinu jezika. Pri pokretanju prevodio je samo sedam jezika; kasnije je premašio deset i nastavlja rasti, ali još uvijek se ne približava Googleovom rasponu.

Ovaj kvantitativni nedostatak djelomično je nadoknađen kvalitetom . Prema raznim internim i eksternim testovima, kada DeepL podržava jezični par koji vas zanima, često nudi prirodniji i fluidniji rezultat od Googlea, posebno u kombinacijama poput engleskog-njemačkog, engleskog-francuskog ili engleskog-španjolskog.

Na primjer, u mjerilu pod nazivom BLEU (Bilingual Evaluation Understudy) , standardnoj metrici za procjenu strojnog prevođenja usporedbom strojnog izlaza s ljudskim prijevodima, DeepL je postigao znatno više rezultate od Googlea u određenim jezičnim parovima. U englesko-njemačkom jeziku, DeepL je postigao rezultate od oko 31,1 boda u usporedbi s 28,4 za Google , što je značajna razlika u ovoj vrsti testa.

Nadalje, DeepL je proveo slijepe evaluacije s profesionalnim prevoditeljima : prikazani su im prijevodi generirani od strane različitih sustava (uključujući Google, Microsoft i druge) bez da im je rečeno koji je koji, te su morali odabrati najbolji. Prema samoj tvrtki, DeepL-ovi rezultati su u tim usporedbama birani tri ili četiri puta češće od rezultata konkurenata.

Testovi sa stvarnim tekstovima: od Don Quijotea do koronavirusa

Osim automatiziranih metrika, ono što zaista testira automatskog prevoditelja jest kako se ponaša sa stvarnim i raznolikim tekstovima . Razni mediji i stručnjaci podvrgli su Google Translate i DeepL (i druge sustave) rigoroznim testiranjima u zahtjevnim uvjetima: književnost, novinski članci, poslovice, znanstveni tekstovi i tako dalje.

Klasičan primjer koji je korišten je početak djela "Don Quijote de la Mancha" Miguela de Cervantesa . To je tekst prepun nijansi, arhaičnih fraznih obrata i složenih struktura. I Google i DeepL imaju ozbiljnih problema s ispravnim prevođenjem na engleski: nijedan se posebno ne ističe , iako se mogu uočiti neobične razlike u načinu na koji svaki od njih obrađuje izraze poput "živio ne tako davno" ili "trkač hrtova".

Nešto slično događa se s početkom djela Gabriela Garcíe Márqueza "Sto godina samoće ". U poznatoj usporedbi, DeepL je ponudio opciju koja bi se mogla smatrati nešto boljom u smislu glagolskih vremena i tona - na primjer, precizniji ekvivalent za "morao sam se sjetiti" - dok je Google bio nešto doslovniji. To su nijanse koje u književnosti mogu napraviti razliku između prihvatljivog prijevoda i onog koji "zvuči čudno".

Kada se prebacimo na područje novinarskih tekstova , stvari se malo mijenjaju. U analizama vijesti iz medija poput The New York Timesa ili The Vergea, uočeno je da DeepL ima tendenciju birati prirodnije izraze u kontekstu („dobio je pauzu“ naspram „imao je pauzu“, „u prepunoj utakmici“ umjesto „u punoj igri“), dok Google više naginje doslovnom izrazu koji zvuči neprimjereno na španjolskom.

Međutim, postoje i slučajevi gdje Google briljira u određenim detaljima , poput ispravnog poštivanja velikih slova u robnim markama poput Teslinog "Modela 3 " ili dobrog rukovanja određenim numeričkim formatima. U tehničkim ili informativnim tekstovima razlike u kvaliteti postaju manje izražene, a ponekad su oba prijevoda vrlo slična.

Književni tekstovi: stil, prirodnost i spoticanja

Jedan od najtežih testova za strojno prevođenje je književno prevođenje . Djela poput Harryja Pottera i Kamena mudraca korištena su za usporedbu Googlea, Binga i DeepL-a iz perspektive profesionalnih i akademskih prevoditelja.

U specifičnoj evaluaciji, tri sustava su analizirana s obzirom na to kako prevode fragment koji sadrži dijalog, opise i idiomatske izraze na španjolski. Google je ponudio prilično razumljiv rezultat , ali s problemima interpunkcije (razmaci, netočna velika slova, naglasci) i s manje književnim stilom: izrazi poput "se veía" umjesto "parecía ", ponavljanja poput "docenas de fiestas y fiestas" ili pomalo nespretni frazovi.

Bingov prijedlog pokazao se problematičnijim: gramatičke pogreške (korištenje muškog oblika riječi "profesor" kada se govori o profesorici), neprevedene riječi poput "tabby", nesuvisle rečenice i doslovna tumačenja koja graniče s besmislenošću ("zvijezde padalice" umjesto "zvijezde padalice"). Sveukupno, tekst je bio manje prirodan i zbunjujući.

DeepL je , sa svoje strane, generirao općenito razumljiv prijevod, ali s greškama u registru i mješavinom varijanti (fraze tipične za latinoamerički španjolski, poput „¿cómo supo?“), kao i neprirodnih izraza poput „se veía clara arrugada“ (izgledala je očito naborano), „olfateó con rabia“ (ljutito je šmrcnuo) ili „sacudió su cabeza hacia atrás“ (odmahnuo je glavom). Opet je jasno da programski mehanizam nije sasvim savladao stilsku suptilnost koju književnost zahtijeva.

U tom konkretnom testu, stručna procjena bila je da je Googleova verzija bila "najmanje loša ", zatim DeepL, a da je Bingova dobila najgori rezultat. Temeljna poruka je jasna: čak i s umjetnom inteligencijom i neuronskim mrežama, književno prevođenje ostaje vrlo teško područje za strojeve.

Vijesti i informativni jezik: prirodnost nasuprot ključnim pogreškama

S aktualnim vijestima, poput vijesti o evakuaciji kruzera zbog izbijanja koronavirusa , razlike među prevoditeljima postaju suptilnije, ali ne i manje važne.

U usporedbi, Google Translate je ponudio prijevod koji je ispravno prenio opću poruku , iako s izrazima koji nisu tipični za španjolski iz Španjolske, poput "luego de" umjesto "después de", te nekim detaljima preciznosti koji bi se mogli poboljšati, poput prevođenja riječi "kruzer" u množini kada se u stvarnosti radilo o jednom određenom krstarenju.

Bing je još jednom pokazao probleme s prirodnošću i konstrukcijom: „pod karantenom“ umjesto „unutar pritvora “, „ponovno je testiran“ umjesto „ponovno je testiran“ ili loše konstruirane fraze poput „coronavirus docking“ gdje je trebalo biti „pogođen koronavirusom“. To su male nedosljednosti koje, zajedno, daju dojam jasno automatiziranog teksta.

DeepL -ov prijevod u tom slučaju imao je jednu važnu točku u svoju korist: zadržao je ispravan oblik jednine za "kruzer ". Međutim, napravio je gotovo fatalnu pogrešku za vijest o zdravlju: preveo je "koronavirus" kao "koronavirus ", drugačiji medicinski izraz koji potpuno mijenja fokus informacije. Nadalje, koristio je "Amerikance" za građane Sjedinjenih Država, nešto što se općenito izbjegava u formalnom novinarskom pisanju na španjolskom jeziku.

Sveukupno, stručnjaci su zaključili da nijedan od tri prijevoda nije bio uistinu objavljivan bez ljudske provjere . Bili su razumljivi, da, ali svi su patili od problema sa stilom, nijansama i terminologijom koje bi profesionalni tekstopisac trebao usavršiti prije nego što ih pošalje novinama.

Znanstveni tekst: kada terminologija ne smije pogriješiti

Sljedeća razina strogosti dolazi sa znanstvenim tekstovima , gdje čak i malo odstupanje u terminu može promijeniti cijelo značenje. U testu s člankom o zakiseljavanju oceana i koraljnim grebenima , rezultati s Googlea, Binga i DeepL-a ponovno su uspoređeni.

U tom kontekstu, Google Translate je odradio prilično solidan posao: prijevod je bio fluidan, lako razumljiv, a ključna terminologija (aragonit, biomineralizacija, kalcifikacija itd.) bila je dobro prevedena . Otkrivene pogreške uglavnom su bile ograničene na redoslijed nekih elemenata u rečenici ili strukture koje su previše blisko usklađene s engleskim jezikom, što bi ljudski lektor lako mogao ispraviti.

Bing je dao sličan rezultat: donekle krut stil, doslovno kopiran s izvornog engleskog, ali s uglavnom točnom znanstvenom terminologijom . Bilo je rečenica koje su trebale stilsku reviziju radi jasnoće, ali nisu bile vidljive ozbiljne sadržajne pogreške.

S druge strane, DeepL je pogriješio upravo tamo gdje nije trebao. Na primjer, u središnjoj izjavi preveo je nešto ekvivalentno "dodavanje ugljikovog dioksida potiskuje kalcifikaciju mrežne zajednice ", mijenjajući redoslijed elemenata i stvarajući konceptualni nered. Nadalje, uveo je izraze poput "bliskobuduće smanjenje zasićenog stanja aragonita ", neobičnu konstrukciju koju bi znanstvenik ili recenzent morao praktički prepisati od nule.

U znanstvenim dokumentima, gdje su posljedice nesporazuma veće, stručnjaci su bili vrlo jasni: nijedan od ovih prijevoda ne bi trebao biti objavljen bez profesionalne naknadne lekture . Za izvješća, radove ili drugi sadržaj visokog značaja, strojno prevođenje može biti samo polazna točka.

Kolokvijalni izrazi, poslovice i miješanje jezika

Ako je književnost komplicirana, kolokvijalni jezik i poslovice pravo su minsko polje. Izrazi poput „preuzeti prevagu“, „nema načina da se to izbjegne“ ili „ni ovdje ni tamo“ savršeni su primjeri kako doslovan prijevod može potpuno uništiti značenje.

U izrazima poput „llevarse el gato al agua“ (pobijediti) , čije je pravo značenje „izaći kao pobjednik“ ili „postići nešto teško“, Google Translate obično prevodi riječ po riječ , što rezultira frazama koje izvorni govornik engleskog jezika ne bi razumio. DeepL i drugi napredniji sustavi, poput Kagija, mogu predložiti ekvivalentne idiome na ciljanom jeziku, postižući puno prirodniji prijevod.

Međutim, kada se suoče s frazama poput "Pokušao sam, ali nema koristi", gotovo svi sustavi zakažu i nude besmislene rezultate, osim novijih AI mehanizama koji kombiniraju velike jezične modele sa strojnim prevođenjem. U drugom kolokvijalnom izrazu, "ni za tebe ni za mene ", Google i neki konkurenti to ispravno shvaćaju s "Ni za tebe ni za mene", dok DeepL predlaže nešto drugačije ("nije do mene, nije do tebe") što ne poštuje to značenje međurješenja.

Kada se uključe manje uobičajeni ili nepodržani jezici , poput baskijskog, situacija postaje kompliciranija. Izreka poput „zozoak beleari ipurbeltz“ (ekvivalent „lonac zove kotao crnim“) istovremeno ilustrira nekoliko stvari: prvo, da DeepL čak ni ne prepoznaje jezik , i drugo, da iako Google i druge tražilice mogu identificirati baskijski, oni obično nude doslovan prijevod gdje se poslovična vrijednost potpuno gubi.

Test postaje još zabavniji (i složeniji) kada se u istoj rečenici pomiješa nekoliko jezika , kao u rečenicama „Toliko sam uzbuđen zbog ovog prevoditelja koji tvrdi da je jebeno najbolji od svih“ ili „Imaš određenu je ne sais quoi koja me izluđuje, maitia.“ Ove vrste rečenica, vrlo česte u svakodnevnom govoru i na društvenim mrežama (na primjer, prevođenje komentara na Instagramu ), prisiljavaju sustav da identificira pojedinačne riječi na engleskom, francuskom ili baskijskom jeziku , prilagodi izmišljene konjugacije („hyping“) i sve to riješi u jednom koherentnom tekstu.

U tim scenarijima, sustavi s najsuvremenijim jezičnim modelima , poput Kagijevog prevoditelja ili alata temeljenih na umjetnoj inteligenciji poput ChatGPT-a , obično bolje obrađuju miješane jezike i kolokvijalne tonove, dok su Google i DeepL rigidniji. Nadalje, DeepL se raspada kada se pojavi nepodržani jezik , poput "maitia" na baskijskom, koji čak ni ne identificira ispravno.

Iznad Google prevoditelja i DeepL-a: Kagi, Taia i generativna umjetna inteligencija

Posljednjih godina pojavili su se novi igrači koji izravno konkuriraju Googleu i DeepL-u . Jedan od njih je Kagi Translate , prevoditelj temeljen na kombinaciji velikih jezičnih modela koji se može pohvaliti pokrivanjem više od 200 jezika, višom kvalitetom kolokvijalnih izraza i, štoviše, poštuje privatnost korisnika bez praćenja ili oglašavanja.

U usporednim testovima, Kagi je jasno nadmašio Google Translate i DeepL u zadacima gdje ključ nije samo prijevod, već i ispravno tumačenje konteksta , razumijevanje tona i dešifriranje viceva, poslovica i miješanih jezika. Dok Google i DeepL daju besmislene doslovne prijevode ili loša tumačenja, Kagi obično pruža prijevod bliži prirodnom govoru.

Druga vrsta rješenja su platforme za profesionalno prevođenje potpomognuto umjetnom inteligencijom , poput Taie. Umjesto da se usredotočuju isključivo na prevođenje teksta (na primjer, trenutni prijevod unutar Worda ), one integriraju memorije za prijevod, upravljanje glosarima, timski rad i praćenje projekata . Na taj način kombiniraju brzinu stroja s ljudskim pregledom, idealno za tvrtke koje rade s velikim količinama sadržaja u mnogim formatima.

I, naravno, ne smijemo zaboraviti da je generativna umjetna inteligencija ( poput ChatGPT-a) također postala ozbiljan konkurent tradicionalnim prevoditeljima. Budući da je obučena za vrlo fleksibilno razumijevanje i generiranje jezika, može prilagođavati registre, preformulirati tekstove, objašnjavati odluke o prijevodu i rješavati dvosmislenosti na načine na koje klasični programi još uvijek ne mogu, posebno kada su vođeni dobrim uputama.

Ograničenja, preporučene upotrebe i uloga ljudskog prevoditelja

Imajući sve navedeno na umu, jasno je da ni Google Translate ni DeepL nisu nepogrešivi . Oba mogu pružiti spektakularne rezultate s jednostavnim, informativnim tekstovima, a istovremeno napraviti ozbiljne pogreške u nijansama ili terminologiji s književnim, pravnim, medicinskim ili znanstvenim tekstovima.

Za svakodnevnu upotrebu - putovanja, razumijevanje e-pošte, prevođenje tweetova, shvaćanje opće ideje vijesti - Google Translate i DeepL su više nego dovoljni. Google se ističe svojim rasponom jezika i metoda unosa (tekst, glasovno prevođenje , slike, cijele web stranice), a DeepL impresionira svojom prirodnošću u mnogim europskim jezičnim parovima . Ovdje će prosječni korisnik rijetko riskirati nešto kritično.

Kada je riječ o profesionalnom radu - marketingu, korporativnoj dokumentaciji, akademskim publikacijama, pravnom sadržaju - situacija se mijenja. U tim slučajevima, razuman pristup je koristiti strojno prevođenje kao prvu verziju , a zatim pribjeći profesionalnoj naknadnoj redakturi , što znači da ljudski prevoditelj pregledava, ispravlja i prilagođava tekst njegovoj svrsi i publici.

Stručnjaci koji su sami procijenili ove sustave inzistiraju na tome da nijedan strojni prijevod nije spreman za objavu kao što je to slučaj u kontekstima gdje su točnost, stil i odgovornost doista važni. Bez obzira na to koliko je umjetna inteligencija uključena, ljudski prevoditelji ostaju ključni za jamčenje kvalitete, terminološke dosljednosti i kulturne prikladnosti.

Sve ukazuje na hibridnu budućnost prevođenja : strojevi će obavljati repetitivne i velike zadatke, dok će se ljudi usredotočiti na kreativne, specijalizirane i nijansirane aspekte . Razumijevanje gdje svaki alat briljira, a gdje zaostaje najbolji je način da ih se učinkovito iskoristi bez neugodnih iznenađenja.