DSpace

У статті досліджено можливості нейромережевих моделей у перекладі англомовних та німецькомовних текстів українською. Сьогодні саме ці моделі лежать в основі найпопулярніших систем машинного перекладу, адже вони прийшли на зміну застарілим статистичним і правило-орієнтованих підходів. Завдяки архітектурі Transformer ста-ло можливим якісне відтворення складних синтаксичних структур та врахування контексту. У науковому дослі-дженні проаналізовано роботу трьох систем – DeepL, Google Translate та GPT із викладеним порівнянням резуль-татів під час перекладу різножанрових текстів: наукових, публіцистичних та художніх. Це дало змогу показати, у яких випадках автоматичні перекладачі працюють найуспішніше, а де ще потрібна допомога людини. У дослідженні наведено приклади, які демонструють сильні та слабкі сторони моделей. Виявлено, що най-більш точними результати є у технічних і публіцистичних матеріалах, де важлива передусім змістова точність. Водночас переклад художніх творів виявляється значно складнішим: системи часто не зберігають іронії, стиліс-тичних відтінків чи гри слів. Також підкреслено, що якість залежить від навчального корпусу та тематики тексту: у звичному для системи домені результат значно кращий, ніж у спеціалізованих чи незнайомих сферах.У статті зроблено висновок, що нейромережеві моделі перекладу є важливим інструментом сучасної пере-кладацької практики. Вони економлять час і допомагають долати мовні бар’єри, але все ще не здатні повністю замінити роботу перекладача-людини. Найбільш перспективним напрямом є поєднання автоматичного перекладу з подальшим редагуванням і контролем людиною.

Наукові статті

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку