cyberspaceФилософские проблемы информационных технологий и киберпространстваPhilosophical Problems of IT & Cyberspace (PhilIT&C)2305-3763Пятигорский государственный университет10.17726/philIT.2023.1.4cyberspace-271Research ArticleСтатьиСтратегии перевода машинных погрешностей в автоматически сгенерированных текстах (на примере GPT-4)Strategies for translating machine errors in automatically generated texts (using GPT-4 as an example)АлейниковаВ. И.AleynikovaV. I.

Алейникова Валерия Игоревна, студентка 2-го курса магистратуры  Института переводоведения, русистики и многоязычия

Пятигорск

Aleynikova Valeria Igorevna, 2nd year graduate student of the Institute of Translation Studies, Russian Studies and Multilingualism

Pyatigorsk

Aleinikova1405@gmail.comПятигорский государственный университетРоссияPyatigorsk State UniversityRussian Federation202327062023013952Copyright © Алейникова В.И., 20232023Алейникова В.И.Aleynikova V.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://cyberspace.pgu.ru/jour/article/view/271

В статье рассматриваются стратегии перевода «машинных текстов» на примере генеративных трансформеров (GPT). В настоящее время изучение и разработка генерации машинных текстов стали важной задачей для обработки и анализа текстов на разных языках. Современные технологии искусственного интеллекта и нейронных сетей позволяют создавать мощные инструменты для деятельности в этой сфере, которые с каждым годом становятся все более эффективными. Одним из таких инструментов являются генеративные трансформеры. Изучение генеративных трансформеров также позволяет разработчикам создавать более точные и эффективные алгоритмы машинного перевода, что повышает качество переводов и улучшает пользовательский опыт. В этом контексте особого интереса заслуживают особенности машинных текстов, созданных генеративными трансформерами, их закономерности, погрешности и несовершенства, которые требуют особых стратегий перевода. Сегодня можно говорить о том, что генерация уникальных и релевантных текстов – это рутинная задача, которую удалось автоматизировать. Тем не менее, определенные ограничения для использования таких текстов все еще существуют, в частности их использование требует применения соответствующих стратегий перевода. В работе предложена авторская типология стратегий перевода, куда с учетом особенностей АСТ предложено добавить подстратегию терциарно-модерационного перевода.

The article discusses the strategies of translation of «machine texts» on the example of generative transformers (GPT). Currently, the study and development of machine text generation has become an important task for processing and analyzing texts in different languages. Modern technologies of artificial intelligence and neural networks allow us to create powerful tools for activities in this field, which are becoming more and more effective every year. Generative transformers are one of such tools. The study of generative transformers also allows developers to create more accurate and efficient machine translation algorithms, which improves the quality of translations and improves the user experience. In this context, the features of machine texts created by generative transformers, their patterns, errors and imperfections, which require special translation strategies, deserve special interest. Today we can say that the generation of unique and relevant texts is a routine task that has been automated. Nevertheless, certain restrictions for the use of such texts still exist, in particular, their use requires the use of appropriate translation strategies. The paper proposes the author’s typology of translation strategies, where, taking into account the features of AST, it is proposed to add a substrategy of tertiary-moderation translation.

стратегии переводамашинный переводавтоматически сгенерированные текстымашинные погрешности переводагенеративные трансформерыtranslation strategiesmachine translationautomatically generated textsmachine translation errorsgenerative transformersReferencesИлюхин В. М. Стратегии в синхронном переводе: на материале англо-русских и русско-английских комбинаций перевода: дис. … канд. филол. наук. – М., 2000. – 280 с.Илюхин В. М. Стратегии в синхронном переводе: на материале англо-русских и русско-английских комбинаций перевода: дис. … канд. филол. наук. – М., 2000. – 280 с.Сдобников В. В. Перевод и коммуникативная ситуация. – М.: Флинта: Наука, 2015. – 470 с.Сдобников В. В. Перевод и коммуникативная ситуация. – М.: Флинта: Наука, 2015. – 470 с.Андреева Г. М. Социальная психология: учебник для высших учебных заведений. – М.: Аспект Пресс, 2001. – 284 c.Андреева Г. М. Социальная психология: учебник для высших учебных заведений. – М.: Аспект Пресс, 2001. – 284 c.Налет. Распределение по годам (частота на миллион словоформ) в основном корпусе с 1739 по 2021 // Национальный корпус русского языка [Электронный ресурс]. – URL: https://ruscorpora.ru/s/aM8jO (дата обращения: 16.04.2023).Налет. Распределение по годам (частота на миллион словоформ) в основном корпусе с 1739 по 2021 // Национальный корпус русского языка [Электронный ресурс]. – URL: https://ruscorpora.ru/s/aM8jO (дата обращения: 16.04.2023).Благовещенский А. «Вы продоёте рыбов». Картинка с котами стала мемом года // Российская газета [Электронный ресурс]. – URL: https://rg.ru/2021/08/02/vy-prodoyote-rybov-kartinka-s-kotami-stalamemom-goda.html (дата обращения: 16.04.2023).Благовещенский А. «Вы продоёте рыбов». Картинка с котами стала мемом года // Российская газета [Электронный ресурс]. – URL: https://rg.ru/2021/08/02/vy-prodoyote-rybov-kartinka-s-kotami-stalamemom-goda.html (дата обращения: 16.04.2023).Floridi L., Chiriatti M. GPT-3: Its Nature, Scope, Limits, and Consequences. Minds & Machines 30, 681-694 (2020) [Электронный ресурс]. – URL: https://doi.org/10.1007/s11023-020-09548-1 (дата обращения: 16.04.2023).Floridi L., Chiriatti M. GPT-3: Its Nature, Scope, Limits, and Consequences. Minds & Machines 30, 681-694 (2020) [Электронный ресурс]. – URL: https://doi.org/10.1007/s11023-020-09548-1 (дата обращения: 16.04.2023).Kumar E. Natural Language Processing. – International Pvt Ltd, 2011. – 202 p.Kumar E. Natural Language Processing. – International Pvt Ltd, 2011. – 202 p.McDonald D., Bolc L. Natural language generation systems. – New York: Springer-Verlag, 1988. – P. 7-11.McDonald D., Bolc L. Natural language generation systems. – New York: Springer-Verlag, 1988. – P. 7-11.

The authors declare that there are no conflicts of interest present.