In Een kleine geschiedenis van intelligentie vertelt auteur Max Bennett hoe hij als techneut de voorbije jaren vaak discussies had met bedrijven over AI-toepassingen. Want wat bleek? Vaak vroegen die bedrijven oplossingen voor taken die voor ons heel eenvoudig lijken, maar aartsmoeilijk zijn voor artificiële intelligentie. Of zoals hij het zelf zo treffend uitlegt: AI kan een grootmeester verslaan in schaken of go, maar geen vaatwasser laden.
Een portie inlevingsvermogen, graag
AI is voor ons taalprofessionals geen simpele kwestie. Om dat toe te lichten ga ik graag even door op het voorbeeld van de vaatwasser. Ook voor eenvoudig lijkende taken als tekstcreatie, transcreatie en vertaling zijn de verwachtingen voor AI vaak heel hoog. Veel bedrijven vragen ons of ze geen kosten kunnen besparen door ‘die teksten gewoon in ChatGPT te gooien’ of erger nog: ze doen het gewoon, met erbarmelijke (maar voor een non-native spreker best wel natuurlijk klinkende) teksten als resultaat.
Wat DeepL, ChatGPT en consorten nu met die vaatwasser te maken hebben? Wel … Zolang die tools de discussies niet kennen over hoe je dat ding nu het best vult, met dichtgeknepen neus het verstopte filtertje uit troebel water hebben gevist of stilletjes toch dat laatste potje in de al overvolle lade hebben gemikt, zullen hun teksten ‘iets’ blijven missen. Want wat onze taalexperts hebben en zij niet, is simpelweg … inlevingsvermogen. Koppel dat aan een flinke dosis creativiteit en een uitgebreide talenkennis, en je krijgt de magie die van een verzameling woorden een goede tekst maakt.
AI halsstarrig negeren, dan maar? Nee hoor. Want van een systeem dat schaakgrootmeesters verslaat, medische data en beeldvorming analyseert en in no-time ziektes opspoort, vogels herkent door naar 1 seconde getjilp te luisteren en beter auto’s bestuurt dan de gemiddelde Belgische chauffeur, mag je wel een minimum aan ondersteuning verwachten.
Machinevertaling over de jaren heen: van prullig naar goed genoeg
Vertaaltools uittesten is de afgelopen jaren vaste kost geworden bij Blue Lines. De conclusie was altijd dat het resultaat kwalitatief onvoldoende was voor onze strenge vereisten (kwaliteit is voor ons nogal een dingetje). Wat wel veranderd is tegenover enkele jaren geleden, is dat de kwaliteit van de Machine Translation-tools, die tegenwoordig ook met een vorm van (generatieve) AI werken om constant bij te leren, in sommige gevallen wel gewoon goed genoeg is als basis.
Maar vanaf wanneer is goed dan ‘goed genoeg’? Hoe beslissen we wanneer we wel of niet Machine Translation (MT)* inzetten? En hoe zit dat dan met ons aanbod? Een woordje uitleg!
Machine Translation: do or don’t?
Machinevertaling inzetten of niet? Het uitgangspunt om die knoop door te hakken is eigenlijk heel simpel. Even terug naar de inleiding hierboven: AI is perfect in staat om aartsmoeilijke wiskundige vraagstukken op te lossen, maar beschikt niet over enige vorm van inlevingsvermogen of gezond verstand. Je kan dat doortrekken naar vertalingen. Voor droge materie zoals ellenlange handleidingen, contracten, notulen enz. kan machinevertaling een uitstekende basis vormen waarmee de vertaler nadien als post-editor aan de slag gaat. Voor creatieve teksten, marketingmateriaal of commerciële info … niet echt. Even brainstormen met AI kan wel inspiratie opleveren, maar dat is een ander verhaal.
Waar we verder vooral rekening mee houden, is het format van de tekst zelf. We kregen onlangs de vraag om ultrakorte stukjes tekst te vertalen voor een app. Hoewel dat best droge kost was, slaat een machinevertaling daarvoor (te) vaak de bal mis. Een vertaler kan bijvoorbeeld inschatten dat het woord ‘dismiss’ in die context niet ‘ontsla’ betekent, maar een machine niet. En als bedrijf wil je liever niet dat je app mensen aanspoort om anderen hun C4 te geven.
Andersom kan het ook: voor een van onze klanten vertalen we elk kwartaal een trendrapport. Dat is vlot geschreven en zou eerder in de ‘non-MT-categorie’ vallen, ware het niet dat dat rapport zo lijvig is dat de vertaling bijna evenveel zou kosten als het rapport zelf. Omdat dat rapport enkel intern gelezen wordt en we maar enkele dagen tijd hebben om het helemaal te vertalen, kiezen we hier voor machinevertaling en post-editing. De klant betaalt minder, krijgt de vertaling snel, maar is zich er wel van bewust dat de kwaliteit lager ligt dan wat ze van ons krijgen voor pakweg een blog, een social media campagne of een e-book.
AI of MT in ’t geniep? Eerlijk duurt het langst
Als (ver-)taalbureau zetten wij al sinds onze start bijna 20 jaar geleden heel zwaar in op kwaliteit. Ook als we Machine Translation gebruiken, willen we dat de kwaliteit bij ons beter is dan bij een ander vertaalbureau. Daarom zullen we onze klanten nooit, maar echt nooit, een tekst doorsturen die niet minstens langs een post-editor of vertaler gepasseerd is.
We maken er dan ook een punt van om open te communiceren over wat je mag verwachten voor de prijs die je bij ons betaalt. Die transparantie vragen we ook van bedrijven die met ons willen samenwerken. Het gebeurt heel vaak dat we teksten doorgestuurd krijgen “voor een simpele revisie, want we hebben het al intern vertaald”. Als we merken dat hiervoor MT gebruikt is, gaan we het gesprek aan. Weten ze dat er MT of AI gebruikt is? Waarvoor is de tekst precies bedoeld? Hoeveel budget is er beschikbaar? Soms eindigen we toch met een traditionele vertaling, en soms met een door ons gemaakte machinevertaling + post-editing.
Waar we precies gaan eindigen met de innovaties in onze sector, is net zoals voor andere vakgebieden moeilijk te voorspellen. Als er één pleidooi is om te voeren, dan is het voor mij wel dit: net zoals het laden van een vaatwasser eenvoudig lijkt, maar een heleboel complexe vaardigheden en inzichten vergt, is ook (ver-)taalwerk veel moeilijker dan het lijkt. En als je als bedrijf of organisatie serieus genomen wilt worden, dan houd je daar beter rekening mee.
* Voor het gemak gebruik ik hier Machine Translation en (generative) AI door mekaar. Er zijn wel degelijk verschillen: zo is DeepL een Machine Translation-tool die ook AI kan gebruiken om zichzelf verder te trainen en te verbeteren, maar is ChatGPT een tekstgenerator die AI gebruikt, maar niet specifiek ontworpen is om te vertalen. Als je wilt weten hoe generative AI scoort vs. Machine Translation-tools, verwijs ik je graag door naar dit artikel. Spoiler: als je hallucinaties (en dus fouten) wilt vermijden, blijf dan weg van ChatGPT en co voor vertaalwerk.