Strojový překlad z angličtiny do češtiny

Eva Hajičová, Zdeněk Kirschner, Petr Sgall

[Rozhledy]

(pdf)

Машинный перевод с английского на чешский / La traduction automatique de l’anglais en tchèque

Strojový překlad prožil období upřílišněného optimismu i přehnané skepse[1] a vstupuje nyní do období, kdy se od omezených experimentů a nedokonalých komerčních systémů přechází k soustavnému praktickému uplatnění lingvisticky důkladně propracovaných soustav, které poskytují překlady uspokojivé kvality pro určitou odbornou oblast. V čele tohoto vývoje jsou výzkumné týmy ve francouzské oblasti Kanady a v Grenoblu, vysokou úroveň má výzkum strojového překladu také na pracovištích moskevských a leningradských.

V Kanadě se už od r. 1976 pravidelně denně automaticky překládají z angličtiny do francouzštiny meteorologické zprávy (rychlostí asi 1000 slov za minutu). Systém je založen na metodě, kterou vypracoval výzkumný tým montrealské univerzity. Automaticky se vyřadí asi 10—20 % vět, které by nemohly být spolehlivě přeloženy, a jejich zpracování se tedy ponechá člověku.

Uveďme pro ilustraci část textu automaticky přeloženého:

Vstupní anglický text:

Snow and blowing snow tonight becoming intermittent near dawn Friday. Cloudy with periods of light snow Friday. Strong gusty northeasterly winds tonight becoming northwesterly winds Friday afternoon.

Výsledný francouzský text:

Cette nuit neige et poudrerie devenant passagères vendredi à l’aube. Vendredi nuageux avec faibles chutes de neige passagères. Cette nuit vents forts du nord ouest soufflant en rafales devenant vents forts du nord ouest vendredi après midi.

Lingvisticky je velmi důkladně zpracován systém překladu z ruštiny do francouzštiny vypracovaný týmem vedeným B. Vauquoisem v Grenoblu.[2]

Grenobelská analýza ruštiny se ve své části syntaktické skládá ze sedmnácti bloků pravidel, ve kterých se postupně zpracovávají složené tvary stupňování přídavných jmen (boleje značitel’nyj, samyj značitel’nyj atd.), vztah mezi jednoduchým přívlastkem a jím rozvíjeným podstatným jménem, dále vztažné věty, souřadné skupiny podstatných jmen atd., až po pravidla ověřující, zda se k řídícímu slovesu věty už našly všechny typy doplnění, které je třeba u něho očekávat, ap. Uplatnění každého bloku pravidel končí rozhodnutím, který blok má být dále použit. Tímto způsobem je ruská věta převedena do podoby potřebné pro tzv. transfer, to je procedura převádějící zápisy vět do tvaru, který už je vhodný jako vstup pro syntézu odpovídající věty francouzské. Pro ilustraci uvedeme dvě věty z odborného textu přeloženého v roce 1978: 

 

[62]Ruský text:	Francouzský překlad:
Polučeny izodoznyje charakteristiki. Ustanovlena vozmožnosť analiza radiacionnoj obstanovki atomnoj elektrostancii.	On obtient les caractéristiques isodosiques. On établit la possibilité de l’analyse de la situation de radiation de la centrale électrique atomique.

 

Většina pracovišť sovětských se věnuje zpracování rozsáhlejších, po stránce mluvnické dobře fundovaných systémů majících promyšlenou základnu a spojených i se soustavným zpracováním slovních významů, kterým se zároveň s automatickou syntaktickou analýzou angličtiny zabývá Laboratoř strojového překladu při Moskevském státním pedagogickém institutu cizích jazyků, vedená V. Rozencvejgem, i několik dalších výzkumných týmů složených z lingvistů i matematiků. Soustavným rozborem problematiky překladu z francouzštiny do ruštiny se zabývá především O. S. Kulaginová.[3] Podrobný systém gramatické analýzy ruštiny byl vypracován pod vedením J. D. Apresjana v moskevském výzkumném ústavu Informelektro. Velmi dobrou úroveň má výzkumná činnost skupiny G. S. Cejtina a S. J. Fitialova na Leningradské státní univerzitě. Také zkušenost prvních čtyř let existence velkoryse založeného Všesvazového střediska překladů ukazuje, že poptávku po odborných překladech dnes nelze pokrýt lidskými silami a že praktické uplatnění systémů strojového překladu je nejen nanejvýš potřebné, ale také už v nejbližších letech reálné. V rámci střediska existují výzkumné skupiny strojového překladu z angličtiny, francouzštiny i němčiny do ruštiny, jejichž úkolem je v co nejkratších lhůtách sestrojit fungující systémy, které by pomohly potřebu překladů uspokojit.

Vedle lingvisticky soustavně zpracovaných systémů přežívají ovšem dosud i poměrně jednoduché programy bez hlubší gramatické analýzy, ale s rozsáhlým slovníkem, které mohou být z komerčních důvodů předváděny v USA i v západní Evropě na různých výstavách a při jiných akcích propagačního rázu, ačkoli vedou jen k překladům značně komoleným a těžko srozumitelným. Dosud se tyto tendence uplatňují jako brzdící faktor vůči serióznějším výzkumům. K nejrozšířenějším systémům tohoto druhu patří dnes americká soustava SYSTRAN, jejíž programy obstarávají překlady z ruštiny do angličtiny, němčiny, francouzštiny i mezi jinými jazyky. V překladech pořízených na základě programů SYSTRAN jsou ovšem četné chyby, způsobené zejména nedokonalostí automatické gramatické analýzy jazyka, ze kterého se překládá. Setkáme se tu nejen s nesprávným slovosledem nebo s nevhodnými lexikálními ekvivalenty, ale také se zkomolením předložkových pádů a jiných skladebních prostředků, které velkou část vět takto přeložených činí nesrozumitelnou.[4]

V Praze byla práce na experimentech se strojovým překladem z angličtiny do češtiny obnovena skupinou algebraické lingvistiky MFF KU v r. 1976 po dokončení velké soustavy algoritmů pro náhodné generování českých vět.[5] Tato soustava může totiž dobře sloužit jako podklad pro algoritmy syntézy přeloženého českého textu. Algoritmy syntézy byly doplněny J. Panevovou a dalšími o zpracování některých gramatických jevů do dřívější podoby nezahrnutých (koordinace, apozice aj.) a také slovník byl rozšířen. Ve spolupráci s kanadskými lingvisty (R. Kittredge, B. Thouin) byly získány podklady pro nově pojatou syntaktickou analýzu angličtiny, jejíž formulaci dokončil Z. Kirschner. První verzi transferu zpracovala S. Machová v l. 1976—1977, ještě jako členka lingvistické skupiny.

[63]Strojový překlad je ovšem úkolem zaměřeným prakticky. Přináší cenné podněty pro lingvistickou teorii, ale to neznamená, že by algoritmy pro analýzu, transfer a syntézu svou strukturou odpovídaly teoretickému popisu stavby daných jazyků. Je třeba pamatovat tu na nutnou co největší úspornost algoritmů. V těch složkách, kde jsou si zpracovávané jazyky velmi blízké, bývá výhodné (jak o tom píše např. B. Vauquois ve své knize, 1975) odhlédnout od rozdílů, jsou-li jen okrajové a pro překlad technických ap. textů nepodstatné (tzn. nezhorší-li se tím výrazně kvalita překladu). Tak např. angličtina a čeština z tohoto hlediska jeví přes známou typologickou různost tolik shod např. v otázkách nominalizace (depredikace) apod., že by bylo nevýhodné dovádět překladové algoritmy až na rovinu významové stavby věty; pro většinu jevů je tedy analýza angličtiny dovedena jen k povrchové syntaxi, která je ve funkčním generativním popisu pojata jako závislostní struktura s jemným členěním desítek typů závislosti.[6] Z této roviny převádějí pak algoritmy syntézy přeloženou strukturu do vnější podoby české (psané) věty.

Je známo, že úplná procedura strojového překladu nemůže zůstat omezena jen na jazykový systém, neboť v některých případech je třeba při překladu rozhodovat o výběru lexikálních nebo gramatických prostředků nejen na základě jazykových jednotek a vztahů obsažených ve vstupním překládaném textu, ale také na základě souvislostí obsahových, v zásadě mimojazykových. Existují i případy, ve kterých jsou pro překlad rozhodující obsahové souvislosti, o nichž se z překládaného textu nic nedovíme, nebo získáme jen informace nepostačující. Je tedy nutné zahrnout do úplného systému strojového překladu také soustavné informace o daném úseku mimojazykové skutečnosti z jiných zdrojů, než je překládaný text. To doložili nejlépe sovětští lingvisté I. I. Revzin a V. J. Rozencvejg,[7] kteří upozornili na příklad ruské věty zmiňující se o synovi cara Fedora; pro překlad takové věty do jazyka rozlišujícího určitý a neurčitý člen (angličtina, francouzština, němčina aj.) je nutné vědět, zda car Fedor měl jediného syna, nebo zda jich měl víc. Informace o tom, zda Fedorův syn měl bratra, nemusí ovšem být v daném textu obsažena, ba nemusí být obsažena ani v archívech. V analogických situacích se může stát, že i překladatel a tím spíše počítač nebude umět potřebnou informaci vůbec najít, i když projde naučné slovníky a odborné publikace. Nelze tedy požadovat dokonalý, neomezený a plně automatizovaný překladový systém. Je třeba počítat s tím, že systém se bude muset orientovat na texty určitého oboru, aby bylo možné spojit ho s datovou základnou nebo s jiným zdrojem informací o obsahových souvislostech mezi pojmy tohoto oboru.

Experimenty pražské skupiny mají ovšem zatím měřítko skromnější. Varianta algoritmického systému vypracovaná v l. 1976—1978 pracuje s několika desítkami anglických slov a s pravidly zachycujícími desítky gramatických jevů. Poměrně podrobně je zpracována procedura syntézy češtiny, která zachycuje gramatickou stavbu v rozsahu daleko širším.[8] Syntéza totiž těsněji souvisí s teoretickým přístupem k popisu jazyka, pokud je chápán jako vymezení množiny vět daného jazyka a přiřazení strukturního popisu (na všech rovinách) každé větě. V tomto smyslu lze říci, že zpracování jazykového systému (kompetence) lze přímo využít i pro syntézu vět, i když při syntéze zaměřené na praktické aplikace je ovšem možná řada zjednodušení. Naproti tomu analýza, zejména analýza syntaktická musí řešit nej[64]různější případy víceznačnosti a z náhodné povahy mnohých víceznačností pak vyplývá, že je třeba v proceduře analýzy užívat četná kontextová kritéria, která nemají vždy plně systémovou povahu. Jsou tu tedy zahrnuty i některé body, které do popisu jazykového systému zahrnovat nelze (jiná je otázka jejich vztahu k modelu fungování jazyka). Jsme ovšem přesvědčeni, že je výhodné mít i pro analýzu předem k dispozici určitou koncepci popisu systému, a proto jsme nejdříve věnovali pozornost otázkám teoretického popisu jazyka a proceduře syntézy, teprve potom jsme přistoupili ke zpracování analýzy.

Analýza angličtiny je založena, podobně jako popis jazykového systému, na závislostní gramatice; s výjimkou řídícího slova věty je tedy u každého slovního tvaru ve výstupu z analýzy označen typ závislosti. Pravidla analýzy postupují od jevů nejjednodušších (např. připojení koncovky -s ke kmenu nalezenému ve slovníku, totiž v jeho části pro ohebná slova, s tím, že výsledný údaj zahrne zjištění, že jde např. o množné číslo u podstatného jména, popř. o 3. os. sing. u slovesa) až k zachycení celé větné konstrukce. Po průchodu analýzou jsou jednotlivé složky věty označeny podle své platnosti a vzájemných vztahů; předložky, členy a přívlastky jsou spojeny s odpovídajícími podstatnými jmény a u nich je označován druh jejich závislosti na slovesu nebo na jiném řídícím slovu. Při zjišťování druhu závislosti na slovesu se postupuje tak, že se hledá vhodné obsazení jednotlivých položek rekce slovesa (v širším slova smyslu, tedy včetně často se vyskytujících druhů volných doplnění). Pravidla syntaktické analýzy jsou spojena s různými podmínkami uplatnění (nutnost předmětu životného nebo neživotného, možnost jednotlivých substantiv fungovat jako příslovečné určení místa, času atd.). Také uspořádání jednotlivých pravidel a jejich rozdělení do podsystémů je záležitostí značně složitou.

Uveďme příklady některých vět, které systém zaprogramovaný pro počítač typu EC 1040 překládá (jedna z procedur syntézy není v současné době ještě plně doladěna, je to však jen záležitost programátorská).

  

Anglické věty	Český překlad
The expansion of governement activities in Canada as in other Western countries is not something new.	Rozšiřování aktivity vlády v Kanadě jako v jiných západních zemích není něco nového.
It has been going on for decades, though not always at the same pace.	Pokračuje to po desetiletí, ačkoliv to nepokračuje vždy stejným tempem.
To keep track of it is not easy. The change cannot be monitored by means of a single or simple measure of the importance of government.	Sledovat to není snadné. Změna nemůže být zaznamenána pomocí jednoho nebo jednoduchého měřítka důležitosti vlády.
The new decade goes on. Canada did not keep track of the changes in the country.	Nové desetiletí pokračuje. Kanada nesledovala změny v zemi.

 

Systém byl s potřebnými úpravami experimentálně uplatněn také na překlad z němčiny do češtiny (v diplomové práci I. Preissové na fil. fak. KU).

V současné době je anglicko-český překladový systém rozšiřován tak, aby vyhovoval požadavkům praktického uplatnění, zatím ovšem jen pro omezené typy textů. Jednou z prvních možností takového využití může být strojový překlad anglických anotací či abstraktů odborných statí a monografií, které k nám docházejí ve formě záznamů na počítačových magnetických páskách, takže mohou být bez dalších ručních úprav (děrování ap.) přímo vkládány do stroje. Jde o texty odborné, utříděné podle jednotlivých specializací (např. mezinárodní služba INSPEC poskytuje pražskému Ústředí vědeckotechnických a ekonomických informací anotace z elektroniky, počítačové techniky a dalších oborů).

[65]Syntéza češtiny byla, jak jsme se o tom zmínili, už dříve zpracována ve značné šíři, takže nutnost doplnit ji se týká spíše jen jednotlivostí. Analýzu angličtiny bylo třeba rozšířit především se zřetelem na strukturu složitých substantivních frází; aby mohly být řešeny otázky konverze, tak typické pro anglické přívlastky, bylo nutno vytvořit soubor sémantických rysů charakterizujících jednotlivá slova dost jemně i z hlediska obsahového (lze tu už mluvit o první, zatím jen schematické verzi modelů věcných souvislostí v rámci daného úseku světa). Také analýza koordinačních spojení musela být zpracována ve větší šíři než dříve. Závažnou se nyní stává i otázka víceznačnosti anglických syntaktických konstrukcí a vágnosti reference zájmen, souvisící s omezeným rozsahem gramatické shody v angličtině. Práce na nové variantě analýzy jsou proto vedeny snahou najít vždy co nejobecnější český ekvivalent anglické konstrukce, který sdílí její víceznačnost. Tato otázka je zvlášť ožehavá např. u anglických konstrukcí s tvary na -ing, srov. např. větu These methods employ a Monte Carlo analysis in the parameter space using a simplicial approximation to the region of acceptability …; konatelem závislým na slovním tvaru using tu nebude sloveso space — to lze vyloučit s tím, že sémantické rysy slova space zachycují skutečnost, že prostor nebývá konatelem užívání; má-li však být jako konatel chápáno slovo methods nebo slovo analysis, o tom nelze rozhodnout bez odborných znalostí, které zatím v potřebném rozsahu nemohou být v rámci automatického systému modelovány. Vhodným řešením je tu užití české vazby s použitím, která uvedenou odkazovací vágnost anglické věty celkem věrně zachovává. Čtenář odborník si poradí s českou větou stejně jako čtenář textu anglického.

Nová varianta překladového systému vyžaduje ovšem značné rozšíření slovníku, tzn. i opatřování dalších slov indexy charakterizujícími jejich gramatické a sémantické vlastnosti, a také vyhledávání dalších kontextových kritérií rozhodujících o tom, kterým ekvivalentem má být anglické slovo přeloženo. (To se týká plnovýznamových slov, nikoli předložek a spojek, jejichž víceznačnost je řešena v rámci popisu gramatiky.)

Při rozšiřování analýzy angličtiny se zde nově řeší i další otázky, mj. související s tím, že v překládaných textech se najdou i slova, která nebyla předem do slovníku zařazena, především proto, že jsou to slova nedávno utvořená nebo užívaná v novém terminologizovaném významu. S tímto problémem se ovšem setkává každý překladatel; často v takovém případě sáhne (třeba po poradě s odborníky) k vytvoření nového českého termínu. Někdy je to záležitost obtížná, vyžadující kvalifikovaný výběr z různých možností. Z vlastní překladatelské praxe v oboru lingvistiky tyto problémy dobře známe. Objeví-li se např. v transformační gramatice anglické termíny jako sluicing rule, scrambling rule, chopping operation, není v češtině dost dobře možné zavádět užívání obdobných víceméně hantýrkových výrazů a mluvit o pravidlech „šplouchacích, strkacích“ nebo „štípacích“; bylo tedy třeba jít dost daleko, než se podařilo najít výrazy jako pravidlo odplavovací, přeskupovací, odkrajovací, která jsou dost neutrální pro české odborné vyjadřování. Od automatického systému ovšem nemůžeme žádat, aby kvalifikovaně vybíral možné české ekvivalenty pro nové anglické termíny. Situace je často jednodušší, zejména tehdy, když jde o termín vytvořený z mezinárodních slovních základů a přípon nebo předpon řeckého nebo latinského původu. V takových případech pak může být odpovídající termín český vytvořen obdobně; musí mít ovšem takové vlastnosti, aby se hodil do tvaroslovné soustavy češtiny: např. místo mezinárodních přípon -ation, -ition, -ic budou v češtině přípony -ace, -ice, -ický ap. Translační slovník řeší automaticky co největší počet takových úprav, a to pro termíny nově utvořené, ale i pro slova již existující. Uplatnění takové automatické procedury znamená možnost značně snížit rozsah strojového slovníku, a tedy i zrychlit automatickou identifikaci lexikálních jednotek z textu (hledání ve slovníku).

[66]Jistě lze pomýšlet i na rozšíření překladového systému tak, aby se postupně stal použitelným i pro texty z jiných oborů. Bude to překlad stále ještě nedokonalý, spojený s určitým procentem chyb, ale bude již moci prakticky sloužit; důležité ovšem je, aby chyby svým počtem ani svou kvalitou příliš neztěžovaly redigování přeloženého textu (to je samo o sobě i při intelektuálních překladech nutné). Ani rychlost strojového překladu nedává důvody k pesimismu; dnešní systém s rozšířeným slovníkem je snad příliš pomalý (překládá asi 40 slov za minutu), ale počítačová technika se rychle rozvíjí a s novou generací počítačů se tedy za několik let stane jistě běžnou i mnohonásobně větší rychlost složitých operací.

Jazykový systém v celé jeho rozmanitosti a otevřenosti ovšem nelze beze zbytku vtěsnat do omezeného souboru obecných pravidel, a nelze tedy vytvořit úplný a dokonalý systém strojového překladu. Možnostem explicitního popisu, opírajícího se o obecná pravidla, se nejvíce vymykají právě ty oblasti stavby přirozeného jazyka, ve kterých nejvíc vystupuje do popředí jeho otevřený a proměnlivý charakter. To se týká především oblasti stylové různosti a otevřených možností obohacování slovní zásoby jazyka. Je tedy nasnadě, že pro strojový překlad budou nejobtížnější jednak texty diferencované vzhledem k funkčnímu stylu a jednak texty, ve kterých je třeba počítat s častým užitím nových slov (převzatých z jiného jazyka nebo nově utvořených) bez explicitního vymezení jejich významu. Taková situace je typická zejména pro texty umělecké, ale existuje také v publicistice, stejně jako v běžném hovorovém jazyce.

Pokud jde o texty z oboru techniky a přírodních věd, lze zcela reálně počítat nejen s pomocným nebo dílčím uplatněním automatizace (např. v podobě dvojjazyčného strojového „slovníku“, který může být překladateli k dispozici a značně zkracuje čas potřebný pro vyhledání jednotlivých slov), ale i s plně automatizovaným překladem. Jde přitom o obory, ve kterých se poptávka po překladech nesnižuje.

Dosud vypracované systémy strojového překladu jsou však tak či onak omezené (buď nemají dost systematický lingvistický podklad, nebo byly prakticky vyzkoušeny jen s omezeným slovníkem). Souvisí to ovšem s tím, že dosavadní podmínky pro vytváření těchto systémů jsou podmínkami laboratorními. Praktické uplatnění lingvisticky adekvátního strojového překladu je dnes v počátcích, teprve se začíná rozvíjet. Jeho další rozvoj však může vést k tomu, že budou vznikat nové velké kolektivy, které budou (s využitím počítačů pro vlastní výzkum) doplňovat dosavadní gramaticky dobře propracované systémy o charakteristiky tisíců slov z jednotlivých jazyků, včetně termínů z různých oborů. Pak bude možné také bezprostředně přikročit ke spojování systémů automatických překladů s automatizovanými encyklopedickými informačními systémy z různých oborů. Bude možné pomýšlet i na budování mnohojazyčných systémů, které by zajišťovaly automatický překlad nejen pro dvojici jazyků, nýbrž pro kterékoli dva zpracované jazyky. Takové systémy se budou moci opřít i o tzv. převodní jazyk, který by sloužil jako prostředník pro všechny jazyky do soustavy zahrnuté; vytvoření převodního jazyka může vycházet z poznatků, které už byly získány a ověřeny.[9] Uplatnění strojového překladu v širokém měřítku bude zpočátku spojeno s nutností odstraňovat chyby redakcí přeloženého textu, ale tím právě se vytvoří nové podmínky i pro další zkvalitnění systémů automatických překladů; vždyť pořizování velkého množství překladů na počítačích poskytne dost materiálu k soustavnému prozkoumání těch oblastí stavby přirozeného jazyka, ke kterým dnes jen velmi pracně pronikáme jednotlivými sondami. Za takové nové situace bude v zásadě možné uplatnění kva[67]litního strojového překladu postupně rozšířit z textů technických a přírodovědných i na některé obory humanitní a na určité žánry publicistiky.

 

LITERATURA

 

BRUDERER, H. E.: Automatische Übersetzung. Bern 1977.

Eksplicitnoje opisanije jazyka III, Praha 1977. IV a V, 1979.

HAJIČOVÁ, E. - PIŤHA, P. - SGALL, P.: Úloha a postavení algebraické lingvistiky. ČMF, 51, 1969, s. 23—34.

KONEČNÁ, D. - NOVÁK, P. - SGALL, P.: Machine translation in Prague. In: PSML, 1, 1966, s. 185—194.

KULAGINA, O. S.: Issledovanija po mašinnomu perevodu. Moskva 1979.

PANEVOVÁ, J.: Formy a funkce ve stavbě české věty. Praha 1980.

REVZIN. I. I. - ROZENCVEJG, V. J.: Osnovy obščego i mašinnogo perevoda. Moskva 1964.

SGALL, P.: Převodní jazyk a teorie gramatiky. SaS, 24, 1963, s. 114—128.

SGALL, P.: Nová podoba významové báze popisu jazyka. SaS, 39, 1978, s. 281—284.

SGALL, P. - HAJIČOVÁ, E. - PROCHÁZKA, O.: Linguistic semantics and intensional structure. PhilolPrag, 59, 1977, s. 179—194.

VAUQUOIS, B.: La traduction automatique à Grenoble. Paříž 1975.

Slovo a slovesnost, ročník 42 (1981), číslo 1, s. 61-67

Předchozí Jana Hoffmannová: Přehled vývoje lingvistiky textu ve dvou sbornících

Následující Jan Petr: K životnímu jubileu Marie Těšitelové