Возможности и ограничения искусственного интеллекта при передаче гендерной неопределенности в художественном переводе
DOI:
https://doi.org/10.37482/2687-1505-V487Ключевые слова:
неопределенность, гендер, языковой алломорфизм, художественный перевод, нейромашинный перевод, искусственный интеллект (ИИ), промпт-инжинирингАннотация
Сфера переводоведения претерпела значительные технологические изменения в последние десятилетия: от систем компьютерного перевода (CAT) к нейромашинному переводу (NMT) и, наконец, к чат-ботам на основе больших языковых моделей (LLM). Хотя последние изначально не были предназначены для перевода, они демонстрируют высокую эффективность в обработке естественного языка и функционируют как когнитивно-коммуникативные системы (диалоговые агенты искусственного интеллекта (ИИ)). В руках переводчика такие инструменты могут стать эффективным средством повышения продуктивности и качества работы благодаря возможностям промпт-инжиниринга (prompt engineering). В данном исследовании анализируется способность систем ИИ обрабатывать и передавать в переводе семантику размытых границ, когда автор художественного текста создает «ситуации интерпретационного выбора», позволяя своему читателю самостоятельно толковать смысл высказывания. В работе оценивается, насколько современные системы ИИ способны: 1) выявлять элементы намеренной неопределенности (неясности) в художественном тексте; 2) передавать их на другие языки, сохраняя при этом заложенный автором замысел. Базой для проведения сравнительно-сопоставительного анализа послужили 15 систем машинного перевода (DeepL Translator, Google Translate, Yandex Translate, SYSTRAN, HIX и др.), а также 4 сервиса AI чат-ботов (ChatGPT-4o, Google Gemini, Microsoft Copilot, Sider). Результаты исследования демонстрируют, что традиционные системы машинного перевода не обеспечивают адекватного воспроизведения гендерной нейтральности – частного случая семантической неопределенности. В отличие от них, чат-боты на основе больших языковых моделей демонстрируют достаточно высокую эффективность благодаря своей генеративной архитектуре. Их интерактивные возможности позволяют адаптироваться к контексту и предлагать альтернативные варианты формулировок, что в определенной мере способствует решению проблемы передачи гендерной неопределенности в переводе.
Скачивания
Библиографические ссылки
Russell B. Vagueness. Keefe R., Smith P. (eds.). Vagueness: A Reader. Cambridge, 1997, pp. 61–68.
Keefe R., Smith P. (eds.). Vagueness: A Reader. Cambridge, 1997. 352 p.
Ronzitti G. (ed.). Vagueness: A Guide. London, 2011. 200 p. https://doi.org/10.1007/978-94-007-0375-9
Sagid S. Vagueness as Arbitrariness: Outline of a Theory of Vagueness. Cham, 2021. 206 p. https://doi.org/10.1007/978-3-030-66781-8
Cunillera Domenech M. La unidad francesa truc o la vaguedad semántica desde una perspectiva argumentativa y traductológica. Meta, 2014, vol. 59, no. 1, pp. 176–197. https://doi.org/10.7202/1026476ar
Moreno G.A. Fictive Orality and Semantic Vagueness from the Translational Perspective: A Case Study of the Word ‘Stuff’ and Its Translations into Spanish. Parallèles, 2014, no. 26, pp. 10–25.
Arntz R., Sandrini P. Präzision versus Vagheit: Das Dilemma der Rechtssprache im Lichte von Rechtsvergleich und Sprachvergleich. Antia B.E. (ed.). Indeterminacy in Terminology and LSP: Studies in Honour of Heribert Picht. Amsterdam, 2007, pp. 135–153. https://doi.org/10.1075/tlrp.8.14arn
Wiesmann E. Zur Vagheit in Vertragstexten: Rechtliche Funktionen und übersetzungsrelevante Dimensionen vager Wörter und Wortverbindungen. Gotti M., Šarčević S. (eds.). Insights into Specialized Translation. Bern, 2006, pp. 289–311.
Zolyan S.T. On the Theory of Traductological Relativity. Voprosy filosofii, 2019, vol. 9, pp. 75–86 (in Russ.). https://doi.org/10.31857/S004287440006320-7
Boyarskaya E. Ambiguity Matters in Linguistics and Translation. Slovo.ru: Balt. Accent, 2019, vol. 10, no. 3, pp. 81–93.
Boyko L.B., Kharitonova E.V. V poiskakh utrachennogo i obretennogo: zametki o perevode [In Search of the Lost and Found: Notes on Translation]. Moscow, 2024. 255 p.
Merzlaya A.V. Neural Machine Translation and Conveying Cold Perception (Based on Finnish-Russian Translations of Meteorological Texts). Vestnik Severnogo (Arkticheskogo) federal’nogo universiteta. Ser.: Gumanitarnye i sotsial’nye nauki, 2025, vol. 25, no. 2, pp. 73–82. https://doi.org/10.37482/2687-1505-V421
Miftakhova R.G., Morozkina E.A. Mashinnyy perevod. Neyroperevod [Machine Translation. Neural Translation]. Vestnik Bashkirskogo universiteta, 2019, vol. 24, no. 2, pp. 497–502.
Kolin K.K., Khoroshilov Al-dr A., Nikitin Yu.V., Pshenichny S.I., Khoroshilov Al-ei A. Artificial Intelligence in Machine Translation Technologies. Soc. Nov. Soc. Sci., 2021, no. 2, pp. 64–80 (in Russ.). https://doi.org/10.31249/snsn/2021.02.05
Aghai M. ChatGPT vs. Google Translate: Comparative Analysis of Translation Quality. Iran. J. Transl. Stud., 2024, vol. 22, no. 85, pp. 85–100. Available at: https://journal.translationstudies.ir/ts/article/view/1156 (accessed: 10 June 2025).
Hendy A., Abdelrehim M., Sharaf A., Raunak V., Gabr M., Matsushita H., Kim Y.J., Afify M., Awadalla H.H. How Good Are GPT Models at Machine Translation? A Comprehensive Evaluation. ArXiv. Preprint, 2023. https://doi.org/10.48550/arXiv.2302.09210
Jiang Z., Zhang Z., Lv X., Lei L. Convergences and Divergences Between Automatic Assessment and Human Evaluation: Insights from Comparing ChatGPT-Generated Translation and Neural Machine Translation. ArXiv. Preprint, 2024. https://doi.org/10.13140/RG.2.2.15933.47842
Jiao W., Wang W., Huang J.-T., Wang X., Shi S., Tu Z. Is ChatGPT a Good Translator? Yes. With GPT-4 as the Engine. ArXiv. Preprint, 2023. https://doi.org/10.48550/arXiv.2301.08745
Moneus A.M., Sahari Y. Artificial Intelligence and Human Translation: A Contrastive Study Based on Legal Texts. Heliyon, 2024, vol. 10, no. 6. Art. no. e28106. https://doi.org/10.1016/j.heliyon.2024.e28106
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Ильчук А.А., Харитонова Е.В.,
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
