З точки зору 'Місяця і шести пенсів' про семантичні межі LLM перекладу: порівняльне дослідження Claude 4.5 та людських перекладачів

Вступ: міркування поза параметрами моделі

З виходом Claude 4.5 та Gemini 3 великі мовні моделі (LLM) досягли насичення у сфері логічного міркування та генерації коду. Однак, чи перетворюється накопичення параметрів на підвищення якості перекладу при обробці висококонтекстуальних текстів — особливо тих, що містять складні метафори та культурні посилання?

Як технічна команда Doclingo, ми ставимося до цього з обережністю. Щоб дослідити реальний рівень AI-перекладу, ми взяли класичний текст Момма 'Місяць і шість пенсів' (The Moon and Sixpence) як тестовий зразок і провели паралельне порівняння між найсучаснішими моделями та класичними людськими перекладами.

У цій статті ми відокремимо маркетингову риторику і об'єктивно проаналізуємо обмеження та шляхи вирішення проблем AI-перекладу з двох вимірів: лінгвістичного та інженерного.

Вимір 1: Лексична точність vs. Стилістична вірність

У першому раунді тестування ми зосередилися на тому, чи зберігає переклад унікальний наративний голос оригінального автора.

Аналіз зразка: В оригіналі використано слово "Accident" для опису отримання певного соціального статусу.

AI моделі (Claude 4.5/Gemini 3): Схильні трактувати це слово як "нещасний випадок" або "випадковість" у стандартному значенні. З точки зору словникового визначення, це точно. Однак переклад має плоский "інструкційний стиль", втрачаючи прихований іронічний зміст оригіналу.

Людський перекладач: Переклав як "випадково народжений".

Висновок аналізу: Обробка людського перекладача не є простою семантичною трансформацією, а є реконструкцією літературної теми "долі". AI поки що залишається на рівні "декодування-кодування", не маючи чутливості до емоційної гранулярності тексту. Він може точно передавати інформацію, але важко відтворює агресивний тон запитань автора. Це виявляє перший недолік AI: стилістична гомогенізація.

Вимір 2: Явна семантика vs. Метафоричне відображення

Основна складність літературного перекладу полягає в обробці "підтексту". Ми протестували здатність моделей до конкретизації абстрактних концепцій.

Аналіз зразка: В оригіналі використано просте місцеве слово "here".

AI модель: Використала стратегію прямого перекладу, перевівши як "тут" або "в цьому місці".

Людський перекладач: Обробив як "прийти в цей світ".

Висновок аналізу: Це відображає суттєву різницю в механізмах семантичного відображення. AI прагне до статистично найбільш ймовірного (Most Likely), схиляючись до вибору найбезпечнішого прямого перекладу; тоді як людський перекладач, спираючись на розуміння основної ідеї книги, здійснив креативне семантичне збагачення. У літературному контексті недостатньо "вірний" прямий переклад часто є найбільшим відхиленням від оригінального змісту.

Вимір 3: Вікно контексту vs. Глобальна узгодженість

Хоча моделі, такі як Claude 4.5, значно розширили вікно контексту, ми все ще спостерігаємо явище "контекстуального зсуву" при обробці довгих документів.

• Термінологічні коливання: Одне й те саме власне ім'я в різних розділах перекладається різними словами.
• Перерви в тоні: Стиль діалогу персонажів не зберігає послідовності, іноді класичний, іноді сучасний.

Це свідчить про те, що просте збільшення ліміту токенів не може повністю вирішити проблему узгодженості глобальної наративної логіки. "Макрорамка", побудована людським перекладачем, залишається бар'єром, який алгоритми не можуть подолати.

Роздуми в галузі та інженерні рішення

Отже, наші оцінки свідчать про те, що: AI є видатним мовним інженером, але ще не кваліфікованим літературним художником. Він вирішує питання "широти" та "швидкості" перекладу, але в "глибині" та "температурі" все ще існують помітні розриви.

Виходячи з цього усвідомлення, ми при створенні продукту Doclingo не прагнули до "повної автоматизації", а зосередилися на розробці професійного робочого процесу "людина в циклі" (Human-in-the-loop):

1. Структуроване зниження шуму (Structural Pre-processing)

Використовуючи унікальний двосторонній макетний двигун Doclingo, ми аналізуємо PDF-документи перед їх відправкою до LLM. Це не лише зберігає складні формати верстки, але й, завдяки відновленню фізичної верстки, допомагає AI краще зрозуміти логічні зв'язки між текстовими блоками, підвищуючи точність перекладу в контексті.

2. Посилена пам'ять (Augmented Memory)

Щоб вирішити проблему узгодженості в довгих документах, ми на базі рідних можливостей таких основних моделей, як Gemini/GPT, додали динамічний рівень управління термінами. Це забезпечує глобальну єдність ключових термінів та стилю письма при обробці документів на десятки тисяч слів, компенсуючи недолік "втрати уваги" рідних моделей.

3. Експертна взаємодія (Expert Interaction)

Ми позиціонуємо AI як "генератор чернеток". Doclingo пропонує професійний двомовний інтерфейс для порівняння та коректури, щоб надати можливість людським експертам — дозволяючи вам зосередитися на таких цінних завданнях, як "випадково народжений", а не витрачати час на обробку базових матеріалів.

Заключення

Технології не повинні бути виправданням для заміни людей, а мають бути важелем для розширення людської мудрості.

У Doclingo ми прагнемо, щоб такі передові моделі, як Claude 4.5 та Gemini 3, справді реалізувалися в професійних сценаріях, через ретельні інженерні рішення, щоб подолати прірву між алгоритмами та душею.