Kääntäjän modernit työkalut

Kääntämistä on harjoitettu jo tuhansia vuosia aina Vanhan testamentin käännöksistä lähtien, mutta se alkoi kehittyä itsenäiseksi tutkimusalaksi vasta 1900-luvun jälkipuoliskolla (Munday, 2016). Oman kokemukseni mukaan monilla ihmisillä onkin alasta melko vanhahtava mielikuva, jossa kääntäjä työskentelee apunaan korkeintaan sanakirja ja omat aivot. Nykyaikainen kääntäminen kuitenkin nojaa vahvasti teknologiaan. Etenkin viime vuosikymmenen aikana monikielisten käännöspalvelujen kasvava tarve on nopeuttanut erilaisten teknologisten käännösmenetelmien ja -työkalujen kehitystä, jotta käännöksiä voidaan tuottaa entistä nopeammin, halvemmin ja tehokkaammin. Merkittävimpinä näistä teknologioista nousevat esille käännösmuistiohjelmat ja konekääntäminen, joiden käyttö on alalla jo osa arkipäivää (Bowker & Corpas Pastor, 2015). 

Käännösmuistiohjelmat olivat minulle täysin tuntemattomia ennen opintojeni aloittamista, ja aluksi suhtauduinkin niihin melko skeptisesti. Niiden käyttö tuntui työläältä ja turhalta, koska minun oli vaikea nähdä mitä hyötyä niiden käytöstä on. Opintojen myötä käännösmuistiohjelmien käyttö on kuitenkin tullut tutuksi, ja ne ovat osoittautuneet erittäin hyödyllisiksi työkaluiksi, ehkä jopa kaikkein tärkeimmiksi perinteisten sanakirjojen rinnalle. 

Monille voi siis herätä kysymys, miten käännösmuistiohjelmat toimivat? Yksinkertaisesti selitettynä ohjelma mahdollistaa aiemmin käännettyjen tekstien tallentamisen tietokantaan eli käännösmuistiin, jonka perusteella ohjelma osaa tehdä käännösehdotuksia, kun uusissa käännöksissä tulee vastaan samoja tai samankaltaisia lauseita. Kun käännösmuistiohjelman ottaa käyttöön ensimmäistä kertaa, sen käännösmuisti on tyhjä. Käännösmuistia voidaan kuitenkin täydentää tallentamalla aiemmin käännettyjä kohdetekstejä ja niitä vastaavia lähdetekstejä tai vain alkamalla kääntämään, sillä ohjelma tallentaa käännetyt lauseet käännösmuistiin. On kuitenkin olennaista tajuta, että käännösmuistin rakentaminen on melko hidasta ja kestää jonkin aikaa ennen kuin tyhjästä käännösmuistista tulee tarpeeksi suuri, jotta se pystyy tekemään hyödyllisiä käännösehdotuksia säännöllisesti (Bowker & Corpas Pastor, 2015). Tämä onkin päällimmäinen syy siihen, miksi käännösmuistiohjelmien käyttö aluksi turhautti, sillä hyödyt vaikuttivat vähäisiltä. Opintojen myötä käännösmuistia on kuitenkin kertynyt, mikä on nopeuttanut erityisesti toisteisten tekstien kääntämistä, sillä pyörää ei tarvitse keksiä uudelleen jokaisen uuden käännöstehtävän parissa. 

Jo alan kehityksen alkuaikoina, eli 1950-luvulla, konekääntämisen ennustettiin lopulta syrjäyttävän ihmiskääntäjät. Ennustukset eivät ole kuitenkaan tulleet vielä toteen, mutta ne vaikuttavat vuosi vuodelta yhä uskottavimmilta, sillä konekääntäminen on kehittynyt valtavasti viime vuosikymmenen aikana (Hutchins, 2007; Papula, 2017). Viimeisin edistysaskel alalla on ollut neuroverkkomallien kehittäminen, joita nykyaikaiset konekäännöspalvelut, kuten Google Translate, hyödyntävät. Vielä 10 vuotta sitten Google Translate tuotti suomeksi lähinnä huvittavia käännöksiä, mutta nykyään käännökset ovat joko pelottavan tai ilahduttavan hyviä, näkökulmasta riippuen. Neuroverkkokääntämien toiminnassa on keskeistä, että ne pystyvät tulkitsemaan tekstiä kokonaisuutena, eikä vain merkkijonoina. Ne siis pystyvät ottamaan huomioon tekstin kontekstin, mikä on merkittävä kehitys aikaisempiin tilastopohjaisiin konekääntimiin (Bowker & Ciro, 2019). 

Konekääntämisen kehityksen myötä konekäännösten jälkieditoinnista on tullut yleistyvä käytäntö käännösalalla (Lommel & DePalma, 2016). Jälkieditoinnissa siis ihmiskääntäjä käy konekäännöksen läpi ja korjaa sen virheet ja muokkaa esimerkiksi kankeita lauserakenteita. Tästä kehityssuunnasta kertoo esimerkiksi se, että Yle alkaa julkaista verkkouutisia ukrainaksi konekäännöspalvelujen avulla keskiviikkona 4. toukokuuta. Uutisia siis käännetään Ylen uutisista ukrainaksi konekäännöspalvelujen avulla, ja ukrainankielinen toimittaja tarkistaa nämä käännökset aina ennen niiden julkaisua. Yle News Labin demokratian ja digitalisaation päällikkö Aki Kekäläisen mukaan näemme tulevaisuudessa yhä enemmän ihmisen ja tekoälyjärjestelmien yhteistyötä (https://yle.fi/uutiset/3-12420138). 

Kääntäjän ei mielestäni kuitenkaan tarvitse huolehtia siitä, että teknologia ottaisi vallan ja korvaisi heidät kokonaan. Kääntäjiä tullaan tarvitsemaan vielä tulevaisuudessakin, ja nykyinen teknologia lähinnä vain tehostaa heidän työtään, sillä se ei kykene toimimaan autonomisesti. On siis tärkeää, että kääntäjä pysyy alan teknologian kehityksessä mukana. 

Lähteet: 

Bowker, L. & Ciro, J. B. (2019). Machine Translation and Global Research: Towards Improved Machine Translation Literacy in the Scholarly Community. Emerald Publishing Limited. 

Bowker, L. & Corpas Pastor, G. (2015). Translation Technology. In The Oxford Handbook of Computational Linguistics 2nd edition (1st ed.). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780199573691.013.007 

Hutchins, J. (2007). Machine translation: A concise history. Computer aided translation: Theory and practice, 13(29-70), 11. 

Lommel, A. R. & DePalma, D. (2016). Europe’s Leading Role in Machine Translation: How Europe Is Driving the Shift to MT. Technical report. Boston: Common Sense Advisory. 

Munday, J. (2016). Introducing translation studies: Theories and applications. https://doi.org/10.4324/9781315691862 

Papula, N. (2017). Konekäännös: Mitä sillä tehdään? Kieli, koulutus ja yhteiskunta, 8(6). Saatavilla: https://www.kieliverkosto.fi/fi/journals/kieli-koulutus-ja-yhteiskunta-joulukuu-2017/konekaannos-mita-silla-tehdaan [Viitattu 10.5.2022] 

Rinta-Tassi, M. (2022). ’Yle aloittaa ukrainankieliset uutiset – päätoimittaja Jouko Jokinen: "Haluamme tukea ukrainalaisten arkea"’, Yle, 2.5.2022, [Verkkouutinen] [Viitattu 10.5.2022], Saatavilla: https://yle.fi/uutiset/3-12420138

Kirjoittanut: Joona Lehikoinen