Orodij za delo z jezikom se kar tare, glavni pomislek pa ni več njihova kakovost, temveč varnost v najširšem pomenu besede. Potrebujemo suverena orodja, ki jih tuji komercialni ponudnik ne more samovoljno izklopiti, ki podatkov ne zbirajo in katerih izvor poznamo. Evropska komisija zaradi večjezičnosti Evrope že desetletja razvija računalniška jezikovna orodja, ki so zadnje desetletje brezplačno dostopna širokemu krogu evropskih uporabnikov.
Nekoč so strojni prevajalniki angleško besedo tender skoraj brez izjeme prevajali v razpis, party v stranko in action v tožbo. Razlog za nenavaden izbor je seveda korpus, iz katerega so se učili jezike. Evropsko unijo resda pogosto opisujemo kot največji birokratski aparat na svetu, ki producira gore besedil in jih za nameček še prevaja v vseh 24 uradnih jezikov, med katerimi je tudi slovenščina. A prav ta birokratski aparat je ustvaril nepregledno množico prevodov, ki predstavlja moderni kamen iz Rosette. Prvi statistični prevajalniki so se učili iz besedil Evropske komisije, ki so na spletu dostopna zastonj, med katerimi seveda prevladuje pravna terminologija, v kateri je razpisov in strank precej več kot nežnih zabav.
Danes moderni prevajalniki niso več le statistični, temveč nevronski in uporabljajo umetno inteligenco v obliki jezikovnih modelov. Prebrali so celoten internet in ustvarili ogromne jezikovne modele, ki govorijo vse jezike tega sveta. Seveda govorijo angleško precej bolje kot slovensko, ker so jih ustvarili v angleško govorečih ZDA in ker je v angleščini na voljo neprimerljivo več besedil kot v slovenščini. Če bomo želeli boljše modele za slovenski jezik, si jih bomo morali ustvariti sami, kar v okviru projekta PoVeJMo naši znanstveniki in inženirji že počno (Domača pamet, Monitor 11/24). Še vedno niso na cilju, zato zbiranje besedil še poteka.
Komercialni prevajalniki so pogosto brezplačni, a niso zastonj. Z besedili, ki jih vanje vnašamo, se učijo, s čimer se neprestano izboljšujejo. V vakuumu bi bilo to seveda zaželeno in dobrodošlo, a svet sestavljajo različni akterji in interesi, vsi podatki pa ne smejo biti javni. Karkoli vnesemo v komercialne prevajalnike, dobi v obdelavo njihov proizvajalec. Če gre za občutljive osebne podatke ali poslovne skrivnosti, si tega ne želimo ali pa niti legalno ne smemo. Proizvajalci sicer nudijo tudi pakete, v katerih obljubljajo, da s podatki ravnajo varno in da se nikamor ne shranjujejo. Četudi to drži, še vedno obstajajo zakonske omejitve, kateri podatki sploh lahko zapustijo EU ali pa celo zgolj organizacijo, v kateri so nastali.
Evropska unija se je z večjezičnostjo ukvarjala od samega nastanka, ko se sploh še ni imenovala tako. Že v 80. letih preteklega stoletja so začeli uvajati strojno učenje, ki se je počasi nadgrajevalo in levilo do današnjih sistemov. Leta 2013 je nastal sistem MT@EC (Machine Translation at European Commission), ki je sprva dovolj dobro prevajal le 10 parov jezikov (angleščina v bolgarščino, danščino, španščino, francoščino, italijanščino, nizozemščino, poljščino, portugalščino, romunščino in švedščino), že leto pozneje pa je dodal še sedem jezikov.
Sledila je iniciativa European Language Resource Coordination, ki je v letih 2015–2017 potekala v okviru programa CEF (Connecting Europe Facility). Z njo so vzpostavili stalni mehanizem, ki je zbral dvo- in enojezične korpuse ter terminologijo za vseh 24 jezikov. Novembra 2017 je Komisija v svoji palači uradno predstavila eTranslation kot prevajalski sistem, ki je sprva prevajal jezikovne kombinacije z angleščino, a že kmalu omogočil vse mogoče kombinacije. V letih 2017–2018 je zaživel v oblaku in začel uporabljati nevronsko prevajanje.
V naslednjih letih so eTranslation nadgrajevali in odpirali tudi drugim uporabnikom, čemur v evropski latovščini radi rečejo deležnikom. Poleg izboljšanih prevodov je Komisija pripravila še kopico spremljevalnih orodij, kot sta samodejno pisanje povzetkov, anonimizacija itd. Od leta 2021 sklop jezikovnih storitev (AI-based Multilingual Services) dobiva nova orodja.
Evropska jezikovna orodja najdemo na naslovu language-tools.ec.europa.eu, ki v nasprotju s pregovorno evropsko birokracijo niti ni pretirano zapleten. Tega pa ne bi mogli reči za prijavo, ki je vse prej kot uporabniku prijazna. Za uporabo orodij potrebujemo račun na evropskem portalu, ki ga sicer lahko ustvarimo z nekaj kliki, a nato zahteva dvofaktorsko avtentikacijo (2FA). Evropski portal za 2FA uporablja svojo aplikacijo (EU Login Mobile Application – European Union), podpira pa tudi nekatere druge načine prijave, denimo zaupanja vredno platformo (TPM), ključe (passkeys), eID itd.
Tudi ko ustvarimo svoj profil, ki je za evropske portale enoten, zato lahko z njim počnemo marsikaj, vse od oddaje projektnih prijav do prevajanja, še nimamo dostopa do jezikovnih orodij. Treba se je namreč dodatno registrirati, saj moramo potrditi upravičenost uporabe. Namenjena so namreč javnemu sektorju, nevladnim organizacijam, akademskim institucijam ter malim in srednje velikim podjetjem (SME), za kar pa ne potrebujemo nobenih posebnih dokazil, temveč zadostuje izjava ali pa ustrezna domena elektronskega naslova. Evropska komisija orodij ne skriva.
Ko se nam uspe registrirati na obeh stopnjah, bo nadaljnja uporaba preprosta. Na vstopni spletni strani vidimo vsa orodja: eTranslation, eReporting, eBriefing, eReply, eSummary, Anonymisation, WebText, Accessible Text, Multilingual Post in Speech-to-Text. Njihov namen je večinoma razviden iz imen. Za prevajanje se uporablja eTranslation, eReporting omogoča izdelavo poročil, eBriefing iz do deset dokumentov ustvari kratko poročilo, eReply je namenjen ustvarjanju uradnih odgovorov, eSummary ustvarja povzetke dokumentov, Anonymisation v dokumentih prekrije osebne podatke, WebText predrugači besedilo, da je primernejše za spletne bralnike, Accessible Text besedilo poenostavi (podpira le angleščino, nemščino in francoščino), Multilingual Post omogoča sočasen prevod kratkih odstavkov v več jezikov hkrati (za objavo na družbenih omrežjih), Speech-to-Text pa prepisuje govor iz avdio- ali videodatotek.
Najprej smo preizkusili orodje, po katerem bodo domači uporabniki najpogosteje posegli. To je prevajalnik, pri čemer smo si pomagali s tri leta starimi prevodi, da smo primerjali še napredek (Ko prevajalcev več ne bo, Monitor 03/23). Za prevod iz angleščine v slovenščino smo uporabili isti odstavek iz knjige Isaaca Asimova, za prevod v obratno smer pa odstavek, ki ga na internetu ni. Prevod dveh odstavkov je seveda premajhen vzorec za kakršnekoli resne sodbe, a prvi pogled kaže, da prevodi eTranslation niso slabi. Povsem subjektivno se zdi, da je ChatGPT Plus nekoliko boljši, zlasti z vidika naravnosti jezika, a za razumevanje povedanega oba zadostujeta. Google Translate in eTranslation dajeta podobne rezultate, v vseh primerih pa bi za komercialno rabo seveda potrebovali poklicnega prevajalca – ki pa ne bi začel z ničle, temveč bi si verjetno pomagal s katerim izmed prav teh orodij.
Vidimo, da ima eTranslation več modelov (EU Formal Language, General Text, Court of Justice Case Law, Finance, IP Case Law), ki jasno pričajo o njegovem izvoru. V praksi se izkaže, da pri prevajanju običajnih besedil razlike med modeli niso bistvene. Glavna prednost orodja je sposobnost prevajanja celih dokumentov, ki so lahko v široki paleti formatov (docx, txt, pdf, odf, rtf, html in številni drugi), rezultat pa bo prav tako v enakem formatu, če je to le mogoče. To ima več prednosti, kot jih prepoznamo na prvi pogled.
Realni primer je bil prevod razpisa kitajskega ministrstva za znanost in tehnologijo, ki je bil objavljen le kot PDF izključno v pismenkah. Prevod v angleščino in izpis v formatu docx je bil dovolj dober za osnovno informacijo, kaj je treba storiti.
Po drugi strani pa moramo upravičeno kritizirati počasnost modela, saj je za srednje dolg Wordov dokument z 20 stranmi, ki je zaradi slik meril 20 MB, porabil več kot 15 minut. Tudi pri prevajanju krajših dokumentov ali izvlečkov je počasen. Preizkusni odstavek je prevajal nekaj sekund, kar je povsem sprejemljivo, a ne moremo spregledati, da sta bila Google Translate in ChatGPT hipna.
Preizkusili smo še druga orodja, ki segajo od bolj do manj uporabnih, odvisno od potreb. V Anonymisation naložimo dokument in izberemo enega izmed dveh načinov anonimizacije: skrivanje (obfuscation), kjer se osebni podatki prekrijejo, ali zamenjava (replacement), kjer se osebni dokumenti zamenjajo z izmišljenimi. Test na 15 let starem javno objavljenem zapisniku senata mariborske univerze je uspel, v množici imen in drugih osebnih podatkov je orodje zgrešilo le eno ime.
Multilingual Post je brez težav prevedel kratko vest za objavo na družbenih omrežjih, ki ne sme presegati 200 znakov. Rezultati so omejeni na 280 znakov, a se na koncu prevodov pojavi še opozorilo, da gre za rezultat strojnega prevajalnika. To opozorilo v nekaterih primerih ni prevedeno, prav tako so nekateri prevodi daljši od 280 znakov, na kar orodje opozori. V praksi to ne predstavlja težav, ker bomo prevode prekopirali in ročno popravili.
Accessible Text, WebText in eSummary poglejmo skupaj, ker opravljajo podobne funkcije – krajšajo, povzemajo in poenostavljajo besedilo. Iz daljšega besedila, ki je lahko vse od dolgega poročila do znanstvenega članka, pripravijo nova besedila. Iz daljšega znanstvenega članka o katalizatorjih je eSummary ustvaril presenetljivo natančen in berljiv dve strani dolg povzetek, v katerem so bili čisto vsi pomembni podatki. WebText je besedilo še skrčil na tri odstavke, ki jih lahko objavimo na spletu, denimo v obliki novice, Accessible Text pa poenostavil še besedišče in dikcijo.
Zadnji žal ne podpira slovenščine, zato smo ga preizkusili v – nemščini. Naleteli smo na nekaj muhavosti, saj nekaterih dokumentov preprosto ni želel poenostaviti, ne da bi podal razlog. Podobne težave smo imeli tudi z orodji eBriefing in eReporting, ki sodita med bolj specializirana in ne delujeta na vsakem dokumentu. Podobno velja eReply, ki je močno prilagojen evropskim institucijam, saj moramo naložiti dokument z vprašanjem in nato še dokumente z relevantnimi podatki, na podlagi katerih pripravi odgovor. Povprečen uporabnik tega ne bo potreboval.
Na koncu smo se pozabavali še s prepoznavanjem govora v orodju Speech-to-Text. Naložimo lahko praktično kakršnokoli večpredstavnostno, torej avdio ali video datoteko, nato pa izberemo transkript. Ta je lahko v kateremkoli podprtem jeziku, ne nujno v jeziku posnetka. V praksi to pomeni, da se bosta izvedla oba koraka: prepis in prevod.
Preizkusili smo ga s posnetkom intervjuja z Michelom Adamičem na Valu 202, ki je bil objavljen aprila letos in je dostopen na Youtubu. Dobrih 25 minut dolg intervju se je prepisoval pet minut, medtem ko je prepis v prevodu trajal približno pol minute dlje.
Zanimivo je, da je prepis s prevodom v angleščino ali nemščino boljši od surovega prepisa v slovenščino. Slovenski prepis nima ustreznih velikih začetnic, tudi vejice in pike so posejane približno tako pravilno kot v osnovnošolskih spisih, najdemo tudi napačno zapisane besede (»drgače«, »ogroman«, »fulj«, »stelimo«). Teh ni toliko, da bi motile vsebino, a preveč, da bi bil prepis neposredno uporaben. Po drugi strani sta prevoda praktično brezhibna – to je pričakovani efekt prevajanja z jezikovnimi modeli, ki zatipke in nekonsistentnosti mimogrede popravijo.
Lahko bi bili kritični in preizkušena orodja grajali, da niso tako zmogljiva kot komercialni izdelki in da so počasnejša. Tudi kakšnega hrošča imajo. To drži – specializirani izdelki so, zlasti za velike jezike, boljši. A to niti ni namen projekta.
Evropska orodja so suverena, pod nadzorom (vsaj deklarativno) demokratične oblasti, naloženi podatki se ne hranijo in nikamor ne odtekajo, tudi med uporabo vse ostaja v EU. Obdelujejo se v varnem okolju in se najpozneje po 72 urah izbrišejo. Podpirajo vse uradne jezike EU in nekaj pomembnejših okoliških, prevajanje je mogoče tudi v več jezikov hkrati.
Še najbolj lahko EU zamerimo pregovorno birokratskost. Prijava v sistem je težja, kot bi lahko bila, posebej problematična pa je javna komunikacija. Za obstoj jezikovnih orodij Evropske komisije ve premalo ljudi. O njih je letos poročal radio Ars, ob tej priložnosti je slovensko predstavništvo Komisije na družbenih omrežjih delilo tudi nekaj objav, večje promocije pa v vseh teh letih ni bilo.
Večjezičnost v uradovanju Evropske unije je bila pogosto izpostavljena kot cokla v delovanju, potrata denarja in nepotrebno kompliciranje, a so k sreči prevladali argumenti o suverenosti držav in njihovih jezikov. Danes se imamo prav takemu ustroju zahvaliti, da je Evropska unija ustvarila največji večjezični korpus na svetu in razvila orodja, ki jih lahko uporabljamo tudi (skoraj) vsi njeni državljani. Četudi tega ne bodo več javno priznali, so se na teh korpusih učili tudi komercialni produkti. Čez sedem let vse prav pride.