Artificiell intelligens, eller djupa neuronnät och maskininlärning, är stort. Googleprojektet DeepMind har fått stort genomslag i medier över hela världen och har gett inblick i vad som händer på laboratorierna. Något som rönt stor uppmärksamhet är datorprogrammet AlphaGo, som utvecklats av Googles DeepMind-team. Programmet besegrade nyligen go-världsmästaren Lee Sedol, något man inte trott skulle vara möjligt på många år eftersom spelet ställer så höga krav på intuition (det finns fler möjliga positioner på spelbrädet än atomer i universum!).
Men hur ser det ut på andra områden? Maskinöversättning (MT) är ett exempel på hur artificiell intelligens tillämpas för att lösa konkreta uppgifter med hjälp av algoritmer. Och det är ingen abstrakt framkantsteknik utan ett verktyg som vi använder dagligen för arbete, avkoppling och underhållning.
Maskinöversättningens bakgrund
För att bättre förstå hur maskinöversättning ser ut i dag kan det vara bra att känna till något om teknikens ursprung. Tanken på maskinöversättning dök upp kort efter andra världskriget och hade en nära koppling till kryptografin och användningen av chiffer. Men det fanns ett motstånd redan från början. J.E. Holmström skrev i en Unescorapport från 1951 att maskinöversättning skulle "resultera i en gräslig litterär stil med fler grodor och felaktigheter än den värsta text som någon mänsklig översättare kan åstadkomma". Han hävdade också att "översättning är en konstform", vilket leder oss till en intressant fråga som fortfarande diskuteras: kommer datorer någonsin att kunna skapa konst? Bara några år senare demonstrerades ett maskinöversättningssystem för första gången. Projektet var en översättning från ryska till engelska som gjordes 1954 i samarbete mellan Georgetown University och IBM. Resultatet blev lyckat, åtminstone enligt IBM:s pressmeddelande, och det drev upp förväntningarna på vad som gick att åstadkomma med maskinöversättning. Men som så ofta är fallet med spännande ny teknik gick utvecklingen mycket långsammare än väntat. Om du vill läsa mer om maskinöversättningens historia finns en utmärkt redogörelse i John Hutchins artikel Translation Technology and the Translator från 1997.
Maskinernas framtåg
Många komplexa frågor som diskuterades i maskinöversättningens barndom är fortfarande olösta, till exempel problemet med att man måste gå djupare än att bara byta ut orden i texten. I översättningsprocessen måste man också ta hänsyn till sammanhanget de enskilda orden står i. Idiomatiska uttryck och särskilda stilar – jargongen i en sportkrönika eller tonen i ett affärsbrev – bidrar också till svårigheterna med att åstadkomma helautomatiserad maskinöversättning av hög kvalitet. Att utveckla ett program som förstår källtexten på samma sätt som en människa och kan överföra den till ett annat språk och en annan kultursfär är en oerhört komplex uppgift. Därför kommer datorer inte att kunna ersätta riktiga översättare inom överskådlig framtid.
I det här intressanta inlägget listar David Raab på Martech Advisor yrken som riskerar att försvinna på grund av datoriseringen. Där framgår att ju större kraven på kreativitet och intuition är i ett yrke, desto mindre är sannolikheten för att jobbet försvinner i en nära framtid.
Frågan om huruvida datorer snart kan ersätta kreativa människor diskuteras också i en rapport från 2016 av McKinsey & Co. Konsultbyrån har gjort en genomgång av vilka uppgifter som kan automatiseras med dagens teknik. Slutsatsen blev att ett stort antal sysslor skulle kunna skötas av datorer redan nu – kanske fler än vi tror.
Men står vi inför en revolutionerande automation? Det finns de som menar att svaret är ja. Precis som många manuella yrken ersattes i automatiseringens första våg kan en ny våg nu sluka jobben i tjänstesektorn. Exemplen är oräkneliga: Uber investerar miljontals dollar i självkörande bilar för att upphöja människan, Xero är förmodligen en av förklaringarna till att Price Waterhouse Coopers (PwC) anser att redovisning är en av de uppgifter som lär övertas av datorer under de närmaste 20 åren, och tidningen Washington Post använde en algoritm för att skriva referat från OS i Rio 2016.
I alla dessa exempel är syftet dock att frigöra mänskliga resurser så att de kan sättas in där de är mer produktiva. Eller för att citera Jeremy Gilbert, chef för Washington Posts strategiska initiativ: "Vi försöker inte ersätta journalisterna, vi försöker frigöra tid åt dem".
Den här roboten har blivit arbetslös.
Översättare mot datorer
En sak kan vi fastställa direkt: avancerade kvalitetsöversättningar kommer inte att ersättas av maskinöversättning i brådrasket. För att innehåll ska nå ut i annonsblockeringens tidsålder måste det vara underhållande, insiktsfullt och givande. Det kräver originellt tänkande, empati och ett stort mått av kreativitet. Och som vi konstaterade i blogginlägget Meet Customers’ Expectations and Speak Like a Local finns det en rad komplexa faktorer att ta hänsyn till när man skapar innehåll på flera språk. Maskinöversättning duger inte för den som vill engagera sina kunder; då krävs smidig kommunikation som är kulturellt anpassad och har rätt stil. Om du ändå är intresserad av att använda maskinöversättning finns det några saker du ska tänka på:
Kan man undvika misstag med maskinöversättning?
Alla gör misstag, men i vissa fall gör maskiner faktiskt färre misstag än människor. Ju enklare en uppgift är, desto bättre kan datorn lyckas med den. Även komplexa uppgifter som att köra bil kan utföras bättre med automation. Teslas datorstödda bilar körde 130 miljoner miles i USA (20,9 miljoner mil) innan den första dödsolyckan inträffade. Snittet för vanliga bilar är 94 miljoner miles. Även om man inte vet något om Teslaförarnas körförmåga pekar resultatet tydligt på att maskiner kan minska risken för fel som beror på den mänskliga faktorn. Men skulle du lägga ditt varumärke i händerna på en maskin? Den lilla staden As Pontes i Spanien stod bakom en maskinöversättningstabbe som fick viral spridning. Och risken för att stilen i en maskinöversättning inte stämmer med varumärket är förstås många gånger större än risken för den här typen av underhållande felöversättningar.
Kan en dator uppfatta kulturella och historiska skillnader?
Det går till exempel utmärkt att skriva i en svensk produktbeskrivning att en plånbok har plats för id-kort. Men att översätta det till "identity card" i länder som inte har några motsvarande kort – till exempel Australien, Storbritannien, Nya Zeeland och USA skulle låta underligt även om orden är rätt. Trots att globaliseringen gör att världen tycks krympa finns det fortfarande oräkneliga skillnader av det slaget. Därför är det väldigt viktigt att ha en djupare förståelse av olika kulturer när man jobbar med innehåll på flera språk. Det är också viktigt att veta att någon som är tvåspråkig inte automatiskt är en bra översättare. Det krävs åratal av erfarenhet för att kunna återge något flytande på ett annat språk och andas liv i språket, som duktiga översättare gör.
Kan en dator förstå skillnader mellan olika kulturer?
Hur är det med sekretessen?
Det vanligaste verktyget för maskinöversättning är Google Translate, och den som använder det gör klokt i att fundera på vilka som kan ta del av texten. Allt som översätts via translate.google.com sparas av Google och kan alltså råka i orätta händer. Om man i stället använder Googles översättnings-API, som är en betaltjänst, garanterar Google att materialet hanteras konfidentiellt.
När kan sämre översättningar fungera?
Det här är en viktig fråga att fundera över om du tänker börja använda maskinöversättning. Maskinöversättning är snabbare och enklare än att låta en människa göra jobbet, men kvaliteten kommer inte att hålla samma nivå som en professionell översättning. Å andra sidan skulle de översättare som finns inte hinna med att översätta de växande mängder innehåll som publiceras på nätet. Att välja mellan kvalitet och kvantitet kan därför vara ett sätt att avgöra när det lönar sig att använda maskinöversättning.
Nedan ser du en grov indelning i några typer av innehåll som kan hanteras olika när materialet ska översättas. Översättningar som ska hålla riktigt bra kvalitet måste göras av människor. För innehåll som publiceras med täta intervall och inte har samma kvalitetskrav kan maskinöversättning som efterredigeras av en riktig översättare vara ett alternativ. Och för innehåll som publiceras snabbt och ofta kan det räcka med obearbetad maskinöversättning. Ett exempel på det kan vara kundtjänstärenden i sociala medier.
För att sammanfatta
Den tekniska utvecklingen mot ökad automation kommer att fortsätta. En del jobb försvinner, men totalt sett kommer vinsterna att överväga eftersom tekniken låter oss fokusera på mindre rutinartade uppgifter. Tänk bara på bankomaten, som har fått enorm spridning sedan 1970-talet. Man skulle kunna tro att den snabba utbredningen lett till att antalet bankanställda i dag praktiskt taget är lika med noll. Men faktum är att det har blivit precis tvärtom.
På samma sätt är det med maskinöversättning. Tekniken används redan till vissa enklare översättningsuppgifter, men företag som vill skilja sig från mängden bör även i fortsättningen samarbeta med en grupp erfarna projektledare och språkexperter. Maskinöversättning är ett bra verktyg som skrivhjälp, för standardiserat innehåll eller när du vill få ett hum om vad en text på ett främmande språk handlar om. I övrigt är det en nog så krävande uppgift bara att ringa in de områden i verksamheten där maskinöversättning kan göra nytta och skapa mervärde. Men viktigast att komma ihåg är att allt material som är tänkt att verkligen engagera kunden måste översättas av riktiga yrkesöversättare.