ഹ്യൂമൻ Vs മെഷീൻ വിവർത്തനം – ഏതാണ് മികച്ചത് ?

മനുഷ്യ വിവർത്തനത്തിന് പകരമെന്ന നിലയിലാണ് മെഷീൻ വിവർത്തനങ്ങൾ രംഗത്ത് വരുന്നത്. മനുഷ്യർ ചെയ്യുന്ന വിവർത്തനത്തേക്കാൾ വേഗത്തിലും കാര്യക്ഷമതയോടെയുമാണ് മെഷീൻ വിവർത്തനങ്ങൾ പ്രവർത്തിക്കുന്നത് എന്നതായിരുന്നു ഇതിന് കാരണം. അതുകൊണ്ട് തന്നെ മെഷീൻ വിവർത്തനത്തിൻ്റെ കടന്നുവരവ് തങ്ങളുടെ തൊഴിൽ മേഖലയെ തന്നെ ഇല്ലാതാക്കുമെന്ന ആശങ്ക നിരവധി വിവർത്തകർക്കുള്ളിൽ ഉടലെടുത്തു. 

അതിനാൽ മനുഷ്യ-മെഷീൻ വിവർത്തനങ്ങളിൽ ഏതാണ് മികച്ചതെന്നും ഇവയുടെ ഭാവി എന്തായിരിക്കുമെന്നും നമുക്ക് നോക്കാം. 

മനുഷ്യ വിവർത്തനം

വ്യത്യസ്ത തരം പദങ്ങൾ, ശൈലികൾ, വാക്കുകൾ, അലങ്കാരങ്ങൾ, ആക്ഷേപഹാസ്യം, നർമ്മം, പരിഹാസം എന്നിവ ആളുകൾക്ക് മനസ്സിലാക്കാൻ മനുഷ്യ വിവർത്തനം വഴി സാധിക്കുന്നു. സാംസ്കാരികവും ഭാഷാപരവുമായ വ്യത്യാസങ്ങളിൽ ആളുകൾ വളരെയധികം സെൻസിറ്റീവാണ്. എന്തുകൊണ്ടാണ് മനുഷ്യ വിവർത്തനം നിലനിൽക്കേണ്ടത് എന്നത് മനസ്സിലാക്കാൻ  ഒരു ഉദാഹരണം നോക്കാം. മലയാളത്തിലെ ‘‘അണ്ണാൻ കുഞ്ഞിനും തന്നാലായത്’’ എന്ന ചൊല്ല് മെഷീൻ വിവർത്തനം വഴി ഇംഗ്ലീഷിലേക്ക് മാറ്റുമ്പോൾ ”Annan also gave birth to a baby” എന്നാണ് ലഭിക്കുന്നത്. എന്നാൽ ചെറിയൊരു അണ്ണാൻ കുഞ്ഞ് പോലും തന്നെക്കൊണ്ടാവുന്ന വിധത്തിൽ കാര്യങ്ങൾ ചെയ്യുന്നു എന്നതാണ് ഈ ചൊല്ലിൻ്റെ ആശയം. 

ഇത്തരത്തിൽ സന്ദർഭം മനസ്സിലാക്കി യുക്തിപൂർവ്വമായ ഒരു വിവർത്തനം നടത്താൻ ഒരിക്കലും മെഷീൻ വിവർത്തനത്തിന് സാധ്യമല്ല. സംസ്കാരവുമായി ബന്ധപ്പെട്ട പദപ്രയോഗങ്ങൾ, വാക്കുകളുടെ ക്രമീകരണത്തിലുള്ള വ്യത്യാസങ്ങൾ എന്നിവയും മെഷീൻ വിവർത്തനം നേരിടുന്ന വെല്ലുവിളിയാണ്. 

മെഷീൻ വിവർത്തനത്തിലെ പല പിശകുകളും അവ്യക്തത, തെറ്റിദ്ധാരണ, തെറ്റായ വ്യാഖ്യാനം എന്നിവയ്ക്ക് കാരണമാകുന്നു.

മെഷീൻ വിവർത്തനം

വേഗതയാണ് മെഷീൻ വിവർത്തനത്തിൻ്റെ ഏറ്റവും പ്രധാനപ്പെട്ട ഗുണം. ഗൂഗിൾ അല്ലെങ്കിൽ മൈക്രോസോഫ്റ്റ് വികസിപ്പിച്ച വിവർത്തന മെഷീനുകൾ വാക്കുകളും വാക്യങ്ങളും നിമിഷങ്ങൾക്കകം വിവർത്തനം ചെയ്യുന്നു. മിക്ക കമ്പനികളും മനുഷ്യ വിവർത്തനത്തേക്കാൾ മെഷീൻ വിവർത്തനം തിരഞ്ഞെടുക്കാനുള്ള പ്രധാന കാരണം ഇതാണ്. 

കുറഞ്ഞ ചെലവാണ് മെഷീൻ വിവർത്തനത്തിൻ്റെ രണ്ടാമത്തെ പ്രധാന നേട്ടം. ഈയിടെയായി ഭാഷാ സേവന ദാതാക്കളുൾപ്പെടെ നിരവധി ബിസിനസുകൾ പണം ലാഭിക്കാനും ഉൽപാദനക്ഷമത വർദ്ധിപ്പിക്കാനും മെഷീൻ വിവർത്തനം ഉപയോഗിക്കാൻ തുടങ്ങി. 

ഹ്യൂമൻ Vs മെഷീൻ വിവർത്തനം

വിവർത്തന വ്യവസായത്തിൽ ഓട്ടോമേഷൻ ആരംഭിച്ചത് മുതൽ, മെഷീൻ, ഹ്യൂമൻ വിവർത്തനങ്ങളെക്കുറിച്ച് ചർച്ചകൾ നടക്കുന്നുണ്ട്. അതേസമയം, രണ്ടിൻ്റെയും ക്വാളിറ്റിയെ കുറിച്ച് ആശങ്കപ്പെടുന്ന ആളുകളുമുണ്ട്. 

അടിസ്ഥാനപരമായി, ഒരു ഭാഷയിൽ നിന്നും മറ്റൊരു ഭാഷയിലേക്ക് വാക്കുകൾ ലളിതമായി അടുക്കി വെക്കുകയാണ് മെഷീൻ വിവർത്തനം ചെയ്യുന്നത്. മനുഷ്യരുടെ ഇടപെടൽ ഉണ്ടെങ്കിൽ മാത്രമേ മെഷീൻ വിവർത്തനം പൂർണ്ണ അർത്ഥത്തിൽ എത്തുകയുള്ളൂ. പ്രാദേശികാടിസ്ഥാനത്തിലുള്ള വിവർത്തനങ്ങൾ നൽകാൻ മനുഷ്യ വിവർത്തകർക്ക് മാത്രമേ സാധിക്കുകയുള്ളൂ, മെഷീൻ വിവർത്തനം ഇക്കാര്യത്തിൽ പൂർണ്ണ പരാജയമാണെന്ന് അടിവരയിട്ട് പറയാം.

മെഷീൻ വിവർത്തനത്തിലെ മാർക്കറ്റ് ട്രെൻഡുകൾ

2020 ൽ 153.8 ദശലക്ഷം യുഎസ് ഡോളർ മൂല്യമുള്ള മെഷീൻ ട്രാൻസ്ലേഷൻ മാർക്കറ്റ് 2026 ഓടെ 230.67 ദശലക്ഷം യുഎസ് ഡോളറിലെത്തുമെന്നാണ് പ്രതീക്ഷ. 2021-2026 കാലയളവിലെ  7.1% സിഎജിആറിന് തുല്യമാണ് ഇത്. 

വേഗതയാർന്നതും ചെലവ് കുറഞ്ഞതുമായ വിവർത്തനങ്ങളുടെ ആവശ്യം ആഗോള തലത്തിൽ വർദ്ധിച്ച് വരുന്ന സാഹചരച്യത്തിൽ ഉള്ളടക്കങ്ങളുടെ പ്രാദേശികവൽക്കരണം ഒഴിവാക്കാനാകില്ല.  ഇത്തരം ആവശ്യങ്ങൾ CAT (കമ്പ്യൂട്ടർ അസിസ്റ്റഡ് ട്രാൻസ്ലേഷൻ) ഉപകരണങ്ങളുടെ വ്യാപകമായ ഉപയോഗത്തിലൂടെ നിറവേറ്റപ്പെടുന്നു. ഉള്ളടക്കത്തിൽ മികച്ച നിലവാരം കൈവരിക്കുന്നതിനായി മെച്ചപ്പെടുത്തിയ മെഷീൻ ലേണിംഗ് മോഡലുകളാണ് ഇവ ഉപയോഗിക്കുന്നത്. 

മെഷീൻ വിവർത്തന മേഖലയിലെ കൗതുകകരമായ മാറ്റത്തിനാണ് ന്യൂറൽ മെഷീൻ ട്രാൻസ്ലേഷൻ (എൻ‌എം‌ടി) സാക്ഷ്യം വഹിച്ചത്. 

ഏകീകൃത മാതൃകയിൽ വാക്കുകളുടെയും വാക്യങ്ങളുടെയും വാചകങ്ങളുടെയും തുടർച്ചയെക്കുറിച്ച് മുൻകൂട്ടി അറിയാൻ ആർട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌വർക്കിൻ്റെ രൂപത്തിലുള്ള ഡാറ്റ  ഈ തരത്തിലുള്ള ഓട്ടോമേഷൻ വിശകലനം ചെയ്യുന്നു. ലളിതമായി ഇതിനെ AI (ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്) എന്ന് വിശേഷിപ്പിക്കാം.

മെഷീൻ വിവർത്തനത്തിലെ സമീപകാല ട്രെൻഡുകൾ നോക്കിയാൽ, ആഗോള വ്യവസായത്തിലെ നിർണായക പങ്കാളികളിൽ ഭൂരിഭാഗവും പുതിയ മാർക്കറ്റ് സെഗ്‌മെൻ്റുകളിലേക്ക് ചേക്കേറി അവരുടെ സാന്നിധ്യം വിപുലമാക്കുകയാണ്.

മെഷീൻ വിവർത്തനത്തിൻ്റെ പോരായ്മകൾ

1. വികാരങ്ങൾ, സാംസ്കാരിക വൈവിധ്യം, സന്ദർഭങ്ങൾ എന്നിങ്ങനെയുള്ള വാക്കുകളിലൂടെ വ്യക്തമാക്കാനാവാത്ത കാര്യങ്ങൾ മെഷീനുകൾക്ക് മനസ്സിലാക്കാൻ സാധിക്കില്ല. 
2. മെഷീൻ വിവർത്തനങ്ങൾ സന്ദർഭം പരിഗണിക്കുന്നില്ല.
3. മെഷീൻ വിവർത്തനം 100% അർത്ഥപൂർണമല്ല. 
4. ഭാഷകൾക്ക് വ്യത്യസ്ത വ്യാകരണ ഘടനകളും പദാവലികളും ഒരേ ആശയങ്ങൾ പ്രകടിപ്പിക്കാൻ വ്യത്യസ്ത വഴികളും ഉണ്ട്, അതേസമയം ഇത്തരം ആശയങ്ങൾ മനസ്സിലാക്കുന്നതിൽ മെഷീൻ പരാജയപ്പെടുന്നു.

ഉപസംഹാരം

മെഷീനുകൾ അൽഗോരിതം ഉപയോഗിച്ചാണ് പ്രവർത്തിക്കുന്നത്, അതേസമയം ഭാഷാപരവും സാംസ്കാരികവുമായ അതിർവരമ്പുകളെക്കുറിച്ച് മനുഷ്യർക്ക് നല്ല ബോധമുണ്ട്. ഭാഷകളിലെ സൂക്ഷ്മത മനസ്സിലാക്കാൻ യന്ത്രങ്ങൾക്ക് അറിയില്ല, അതേസമയം മനുഷ്യർ ഈ മേഖലകളിൽ മികവ് പുലർത്തുന്നു.

അതിനാൽ, വിവർത്തന നിലവാരവും കൃത്യതയും ഞങ്ങൾ പരിഗണിക്കുമ്പോൾ, മെഷീനുകളെ എപ്പോഴും ആശ്രയിക്കാനാവില്ല!