Hur bra är Google translate för kasus-språk?

Vi har ju ett förbud mot att föreslå översättningar från Google Translate i forumet. Däremot finns det ett legitimt behov av att diskutera kvaliteten på Google Translates översättningar. En sådan diskussion inleddes, vad gäller kvaliteten på GT för språk med många böjningsformer, i en tråd om översättning från ungerska, som jag har brutit ut till en egen tråd här. För att en sån här tråd ska bli högkvalitativ, är det nog bra om vi inte bara tycker, utan också exemplifierar i den.

/Mod.

Knappast. Google klarar inte ens av att böja de ungerska verben. Kasusen fungerar heller inget vidare.

Nej men från ett kasus-språk till ett utan brukar det fungera utmärkt, tvärtom däremot är en annan femma.

Edit: Jag har använt translate så mycket så är väl kanske skadad och förstår bättre än en nybörjare. Klart det blir fel när det ska översättas genom 2 språk hela tiden men innebörden går fram om man kan tänka lite utanför boxen.

Du kan översätta till hjälplig förståelse, men du kan oftast inte översätta till längre kommunikation.

Jag har haft anledning att använda Google Translate som råmaterial vid översättning från det synnerligen flekterande språket litauiska i tråden om mordet på Lisa Holm några gånger på senaste tiden. Det är ett råmaterial som ibland är synnerligen missvisande, och kräver åtskilligt glötande i en litauisk grammatik. Vad jag förstår är det fortfarande så att Google Translate obligatoriskt översätter via engelska, och att man alltså introducerar kedjeöversättningsartefakter så fort man översätter mellan två språk varav inget är engelska. Det är olyckligt dels för att engelskan i princip saknar böjningsformer för substantiv, men dels för att engelskan har en annan olämplighet som nästan är värre. Ett engelskt verb kan se ut precis som ett substantiv, vilket gör att många ord kan fungera både som substantiv och som verb med identiskt utseende, och GT alltså riskerar att missuppfatta vilken ordklass som har avsetts.

Man översätter via engelska vilket ofta blir totalt fel med böjningsrika språk. Det verkar dock som att vissa klassiska texter på latin finns färdigöversatta och inprogrammerade i Google Translate. Slang klarar programmet inte alls av.

Min smått cyniska signatur, ur en tysk galghumoristisk sång, blir så här översatt till svenska via engelskan:

"Vänta, vänta bara en liten stund. Snart svart man kommer till dig.
Med den lilla Hackebeilchen han gör nötkött patty ur dig.

Haarmann älskade ungdomar; vacker pojke varna sin flock.
Om han Hatt gjorde också kalla ", Haarmann själv var varm!"

Här är det mesta rätt men ändå är det fyra fel, ett per mening, inte minst att man stoppar in ett helengelskt ord i den svenska översättningen.

Så tar vi ett svårare språk. Här är en mening på tre ord för mycket för programmet:

"Multos servos habet" - "Många slavar" Att det är en person som har många slavar tappas bort helt, trots verbet i tredje person och trots ackusativen i objektet. Anglice lingua facile sed pauper est (vilket för övrigt också översätts fel).

För att datorprogram så är det ju rimligtvis fulltsändigt likgiltigt hur ett ords funktion i satsen markeras så länge det markeras på ett sätt som inte kräver förståelse av kontext eller kunskap om världen.

Inte heller våldsam oregelbundenhet borde ju spela någon större roll då det bara innebär enkla tabelluppslagningar och blygsamt med lagringsutrymme.

Pojke-den sitta-nu hus-i. // Lättparsad böjningsrik sats.
Den pojke nu sitta i hus. // Precis lika lättparsad böjningsfattig sats.

Vem dödade Olof Palme? // Omöjlig att parsa (annat än med gissning) utan kunskap i nutidshistoria.


Att sakna tydliga markörer för ordklasser (som t.ex. engelska eller mandarin) borde spela roll fast det är ju å andra sidan också en komplikation för människor. Om man utan kontext ser en engelsk sats som Hurt people hurt people så tar det ju några sekunder innan poletten trillar ner.

Om vi sedan talar specifikt om google translate så verkar den bissart nog ha störst problem med småsaker som versaler och skiljetecken och man kan få våldsamma (och helt oförutsägbara) variationer med mikroskopiska variationer:


Hurt people hurt people. -> Skada människor skada människor. // Va?
Hurt people hurt people -> Skada människor skadar människor // Va?
hurt people hurt people. -> sårade människor skadar människor // Hyfsat OK.
hurt people hurt people -> sårade människor skadar människor // Hyfsat OK.

Din andra punkt kan jag, som sagt, köpa. Den första förstår jag dock inte alls. Hade engelska blivit ett lämpligare mellanspråk om to John hetat John-to? Jag kan själv inte på rak arm komma på några bra exempel där de engelska substantivens formfattigdom skulle orsaka någon informationsförlust.

Edit: Ett plus hos engelskan är ju att det har väldigt många "tempus" om man räknar in progressiv form vilket gör att det kan funka någorlunda som mellanspråk i många situationer där exempelvis svenska eller ryska skulle funka sämre.

Är det verkligen möjligt att kategorisera ord och ge dem en klar betydelse utan att ”gå utanför” det språkliga systemet, det vill säga utan att knyta dem till kunskap om världen? Går inte det, om det alltid krävs ett fågelperspektiv för förståelsen, är ju datoriserad översättning i princip omöjligt.

Något som diskuterades i Frankrike förra året var Googles långa omväg över engelskan, även vid översättning mellan näraliggande språk som franska och italienska. En banal till synes självklar fras som ”La fille est jolie” blev på italienska ”La ragazza è abbastanza”, dvs flickan är inte längre söt utan ”ganska”. Man förstår då att det engelska ordet pretty genom sin mångtydighet spelat den stackars goggleöversättaren ett spratt.

Ja, bra datoröversättning kräver väl i princip mänsklig intelligens. Till viss del kan man väl kompensera med att lagra samtliga idiomatiska uttryck i en databas men inte ens det räcker för att klara av de mest triviala saker.


Pelle köpte en present till Kalle. Han gillade den dock inte.

Här förstår ju en mänsklig treåring att "Han" rimligtvis syftar på Kalle. Ett datorprogram är däremot helt chanslöst och har inte mer än 50 % chans att komma till samma slutsats.
Visst. Fast här är det väl mer gt:s allmänna taskighet som ställer till det. "Pretty" kan ju enbart betyda "ganska" då det modifierar ett adjektiv (eller adverb) vilket inte är fallet här. Den typen av kunskap är ju lätt att koda in. "Pretty" är ju aldrig(?) mångtydigt annat än isolerat.

Nu är du OT. Tråden handlar om Google Translate, inte om något idealt översättningsprogram. Du får gärna starta en mer teoretisk tråd om hur ideala översättningsprogram bör fungera. Google Translate tappar de facto kasusmarkörer när det översätter från litauiska till engelska, och sedan är det kört att få något vettigt ut av den texten utan att gå tillbaka och kolla kasusändelserna i den litauiska texten. Spelar ingen roll att det inte skulle behöva göra det, det gör det. Och det gäller inte bara konstiga kasus - ibland fick GT det till att den svenska flickan skulle ha dödat två litauiska bröder, när jag översatte litauisk tidningstext om mordet på Lisa Holm. Och i och med att gänget bakom GT tänker så modersmålsbundet och ordcentrerat som de uppenbarligen gör när de designar sina översättningsalgoritmer, så är det till betydande skada för produktkvalitén att de har ett så extremt analytiskt modersmål.

(Min fetning.)

Skillnaden ligger i formelementens rörlighet. I ett kasusspråk är kasusändelsen fast knuten till huvudordet.
I ett analytiskt språk är det annorlunda. Huvudordet kan, som denna sats visar, prepositionen i vissa fall hamna en avsevärd bit ifrån.