Robots in Disguise? Een rondetafelgesprek over de toekomst van literair vertalen en kunstmatige intelligentie

Het gesprek wordt geleid door Katy Derbyshire, een gerenommeerd literair vertaler Duits-Engels, tevens uitgever van in het Engels vertaalde Duitse literatuur in het Verenigd Koninkrijk en Ierland. Aan tafel zitten Duncan Large en Lucia Specia. Large is onder meer Academic Director van het British Centre for Literary Translation, hoogleraar Europese literatuur en vertaalwetenschap aan de universiteit van East Anglia en voorzitter van het PETRA-E netwerk. Specia is hoogleraar Natural Language Processing aan Imperial College London, doceert tevens aan de universiteiten van Sheffield en Dublin City, en richt zich in haar onderzoek met name op verschillende aspecten van datagestuurde benaderingen van taalverwerking. Voorafgaand aan het gesprek geven Specia en Large beiden een introductie van hun standpunten.

Geen bedreiging

Specia’s boodschap is dat literair vertalers zich niet al te veel zorgen hoeven te maken dat hun werk wordt overgenomen door AI, hoewel er de afgelopen jaren veel is veranderd op het gebied van machinevertaling (Machine Translation; MT) en bedrijven als Google beweren dat hun vertaalmachines net zo goed zijn als menselijke vertalers.

Specia licht toe dat dergelijke machines inderdaad veel kunnen, maar dat ze kampen met de drie volgende voornaamste tekortkomingen. Ten eerste is de MT output erg onvoorspelbaar: hoe goed de onderliggende algoritmen en datasets ook zijn, maken vertaalmachines catastrofale (inhoudelijke) fouten die verstopt zijn in grammaticaal correcte zinnen. Ten tweede zijn MT-systemen niet gebouwd om lange stukken tekst te verwerken, waardoor teksten in delen vertaald worden en er geen rekening kan worden gehouden met context. Hierdoor kan een MT-systeem dus geen (lange) literaire tekst in zijn geheel verwerken. Ten derde mist AI creativiteit: omdat de algoritmen van MT-systemen enkel op basis van bestaande datasets vertalingen genereren, kan er geen nieuwe content worden gecreëerd.

Specia erkent dat machinevertalingen nuttig kunnen zijn bij het verwerken van bepaalde teksttypen en dat ze kunnen dienen als conceptversies, maar wil vertalers die AI als bedreiging zien geruststellen door hen te uit te nodigen om te reflecteren op hun vak: bestaat vertalen enkel uit het opzoeken van equivalenten in een andere taal, of vergt het meer inzicht en creativiteit? Indien dat laatste het geval is, meent Specia dat AI vertalers niet zal vervangen.

Large is het op veel vlakken met Specia eens, maar is ook van mening dat literair vertalers baat kunnen hebben bij het gebruik van AI. Large reflecteert op de jaren ‘90, toen MT vooral als voorbeeld werd gebruikt om bijvoorbeeld vertaalstudenten te laten zien hoe het juist niet moet. “Vroeger” stelde Large zich de vraag of Google werken van Shakespeare kan vertalen. Het antwoord daarop was: “Ja, maar niet zo goed.” Large is zich er nu van bewust dat met die vraag de lat voor MT veel te hoog werd gelegd; men moet niet van machines verwachten dat ze rekening kunnen houden met alle aspecten van de meest hoogstaande literaire werken.

Ontwikkelingen

Tegenwoordig zijn de resultaten van MT al veel beter, maar echt goed zijn die vertalingen nog niet. Large zegt te begrijpen waarom Specia niet verwacht dat vertaalmachines ooit echt goed zullen worden, waarbij “echt goed” zou betekenen dat een machinevertaling van vergelijkbaar niveau zou zijn als die van een menselijke vertaler. Het kwaliteitsverschil dat nu nog tussen die twee bestaat noemt Large “de laatste vijf tot tien procent.” Dit verschil is echter niet eenvoudig te verkleinen. Hiervoor zou een enorme investering van tijd, energie en geld nodig zijn. Volgens Large is het nog niet zeker dat de huidige systemen verder ontwikkeld kunnen worden. Hij zegt dat er misschien een nieuwe revolutionaire technologie zou kunnen worden ontwikkeld die de wereld van (literaire) vertaaltechnologie op zijn kop kan zetten.

Hoewel de meningen natuurlijk verdeeld zijn over in hoeverre het gewenst is om vertaalmachines te hebben die literatuur goed kunnen vertalen, stelt Large voor om alvast na te denken over hoe de toekomst eruit zou zien als MT-systemen inderdaad verbeterd worden. Op deze manier kunnen we onszelf namelijk veel interessante vragen stellen waar we veel van kunnen leren en die niet in de laatste plaats inzicht geven in de huidige situatie: Wat onderscheidt een vertaling van een vertaalmachine van die van een vertaler? Wat moet een vertaalmachine kunnen om een goede literaire vertaling te produceren? En wat is dan precies de toegevoegde waarde van de vertaler? Large concludeert dat het inderdaad de creativiteit van vertalers is die hen onderscheidt van vertaalmachines. Hoewel hij verwacht dat AI in de toekomst creatiever wordt, hoeft dit niet zonder meer een negatief vooruitzicht te zijn, omdat wij als mensen ook veel van machines kunnen leren.

Tijdens de discussie die volgt, komt allereerst aan bod dat er in het verleden veel is veranderd voor vertalers, denk bijvoorbeeld aan de digitalisering van woordenboeken en andere naslagwerken. Derbyshire stelt hierbij de vraag of die veranderingen en digitalisering ervoor hebben gezorgd dat vertalingen beter zijn geworden. Large is van mening dat de digitalisering en automatisering van diverse vertaalgerelateerde processen ervoor hebben gezorgd dat vertalers meer tijd kunnen besteden aan andere aspecten van de tekst. Zo heeft digitalisering er niet alleen voor gezorgd dat onderzoek efficiënter kan worden uitgevoerd, maar kan technologie vertalers ook in andere aspecten van hun werk ondersteunen. Bij dit laatste refereert Large aan een artikel van Roy Youdale (2020), die veronderstelt dat literair vertalers, net als non-literair vertalers, profijt kunnen hebben bij het gebruik van Computer-Assisted Translation (CAT) software. Als antwoord op de vraag van Derbyshire, stelt Large dat vertalingen inderdaad beter zijn geworden vanwege technologische ontwikkeling, omdat de tijd die tijdens het proces wordt bespaard nu bijvoorbeeld kan worden gebruikt om vertalingen extra na te lezen.

De toekomst

Hoe de toekomst van het literair vertalen er precies uit zal zien, is natuurlijk niet duidelijk. Wel geeft Specia toe dat vertaaltechnologie een hulpmiddel kan zijn tijdens het vertalen, waarbij het soort tekst slechts één van de vele factoren is waarvan het afhangt in hoeverre het hulpmiddel ook daadwerkelijk helpt. Andere factoren zijn de algemene vertaalervaring van de vertaler en in het geval van MT natuurlijk diens ervaring met het post-editen, en de brontekst en hoe die zich inhoudelijk verhoudt tot de dataset op basis waarvan de gebruikte vertaalmachine tot stand is gekomen. Over dit laatste legt Specia uit dat de kans bijvoorbeeld groot is dat bekende historische of andere literaire werken onderdeel uitmaken van die dataset en dat de vertaalmachine dus beter is in het vertalen van die werken dan volledig nieuwe en/of moderne teksten.

Large benadrukt hierbij het continuüm dat bestaat tussen machines en de mens, waarbij de basis van vertaalmachines bestaat uit teksten die afkomstig zijn van mensen en machines ook nog eens door de mens zijn gebouwd. Large verwacht dat vertalers in de komende tien jaar wel degelijk meer gebruik zullen maken van vertaalmachines, waardoor het continuüm verder wordt benadrukt. Net zoals we nu in ons dagelijks leven meer gebruikmaken van machinevertaling dan we misschien ooit hadden verwacht, zal dit ook binnen de literaire vertaalwereld het geval zijn. De ontwikkeling van MT heeft grote invloed op verschillende aspecten van ons leven, de vertaalwetenschap en het vertaalonderwijs. Nu vertaalmachines zo toegankelijk zijn geworden, zal het volgens Large zeker nog een aantal jaar duren voordat vertaalmachines ook binnen de wetenschap écht een plek zullen hebben gekregen.

Met het oog op de toekomst en de ontwikkeling van beginnend vertalers is Derbyshire bang dat het voor hen lastig kan worden om voldoende vertaalervaring op te doen, bijvoorbeeld omdat het voor uitgevers verleidelijker wordt om MT in te zetten voor minder hoogstaande of complexe teksten die nu aan beginnend vertalers worden gegund. Hiermee dreigt een belangrijk platform voor beginnend vertalers weg te vallen. Large vindt dat de complexiteit van de meer toegankelijke literaire genres waar Derbyshire op doelt niet onderschat mag worden en verwacht dat vertalers nodig zullen blijven om een bepaalde mate van creativiteit aan machinevertalingen toe te voegen. Hij verwacht dat het literair vertalen de komende jaren meer de vorm van post-editing zal aannemen, al zal deze ontwikkeling trager gaan dan het geval is bij de inzet van MT voor non-literaire vertalingen.

Q&A

In de Q&A, die namens het Goethe Institut door Gosia Cabaj wordt geleid, komt allereerst het vertaalproces aan bod: de vraag wordt gesteld in hoeverre het gevaarlijk kan zijn om een machinevertaling te gebruiken als ruwe conceptversie, omdat die vertaling de interpretatie van de tekst door de vertaler kan beïnvloeden. Specia legt uit dat interpretatieve fouten of inconsistenties van een machinevertaling inderdaad gemakkelijk over het hoofd kunnen worden gezien omdat MT-systemen doorgaans erg vloeiend geschreven vertalingen genereren. Het daadwerkelijke gevaar is in dit geval echter dat vertalers onvoldoende tijd nemen of krijgen om de machinevertaling naar behoren te bewerken. Large voegt hieraan toe dat literair vertalers getraind moeten worden in het post-editen, omdat dit wel degelijk een vak apart is dat nieuwe gevaren met zich meebrengt.

Verder komen de verschillen tussen de kwaliteit van vertaalmachines onderling en per taalcombinatie aan bod. Specia legt uit dat de technologie en algoritmen achter bijvoorbeeld DeepL en Google Translate erg vergelijkbaar zijn en dat verschillen tussen de twee met name voortkomen uit de verschillende datasets die aan de basis van de twee systemen liggen: waar Google Translate simpelweg zo veel mogelijk data gebruikt, wordt er bij DeepL meer aandacht besteed aan de kwaliteit van die dataset door met bestaande online woordenboeken te werken en data als het ware op te schonen. De kwaliteit van deze datasets is het grootste verschil tussen de MT-systemen en veroorzaken kwaliteitsverschillen. Het effect van verschillen in omvang en kwaliteit van datasets is ook merkbaar wanneer de taalcombinatie verandert: van talen die minder worden gesproken en waarin minder wordt geschreven, is minder data beschikbaar dan van veelvoorkomende talen, waardoor machinevertalingen van lagere kwaliteit kunnen zijn.

Terughoudendheid

Tegen het eind van het uur komt ter sprake waarom veel vertalers machinevertaling als een anathema zien. Derbyshire stipte eerder in het gesprek al de resultaten van een korte enquête aan, waaruit bleek dat veruit de meeste literair vertalers geen vertaaltechnologie gebruiken. Derbyshire schrijft haar eigen terughoudendheid tegenover vertaaltechnologie ietwat gekscherend toe aan de manier waarop AI wordt gerepresenteerd in sciencefiction. Zij legt uit bang te zijn dat computers de wereld, inclusief haar baan, zullen overnemen.

Large stelt Derbyshire gerust door te benadrukken dat zo’n verandering niet zomaar uit de lucht komt vallen en ook niet morgen al zal plaatsvinden. Er wordt al geruime tijd geroepen dat de toekomst van vertalen volledig bestaat uit post-editing, maar in die toekomst zijn we nog niet aanbeland. Wel is het volgens Large belangrijk om het gesprek actueel te houden en in de gaten te blijven houden hoe vertaaltechnologie ervoor staat, om te voorkomen dat literair vertalers achter de feiten aan gaan lopen.

Derbyshire sluit het gesprek opgelucht af, wetende dat AI vertalers kan helpen beter te worden en hen niet zonder meer zal vervangen.

Het rondetafelgesprek is hier integraal terug te vinden: https://youtu.be/WLKA9EV8XNg.

Voor verdere informatie over dit onderwerp en het Goethe Institut, zie: https://www.goethe.de/ins/gb/en/kul/foc/ail.html?wt_sc=uk_AITranslation.

Bibliografie

Youdale, Roy. 2020. Can Artificial Intelligence Help Literary Translators? Goethe Institut: https://www.goethe.de/ins/gb/en/kul/foc/ail/21967545.html.