Перевод деловых документов

Ложные друзья переводчика в английском языке Next Level

Каждый человек, который изучает английский язык хорошо знает, что в нем есть слова, помогающие понять смысл даже самого сложного текста. Однако стоит и помнить о тех фразах, которые могут иметь разное значение, хотя будут писаться и звучать практически идентично. Поэтому используя переводчик английского языка часто можно встретить слова-ложные друзья. Постараемся разобраться в самых часто встречающихся случаях.

Почему встречаются слова-ложные друзья переводчика?

Время не стоит на месте, а все вокруг развивается и совершенствуется. То же касается и английского языка. Под влиянием соседних стран, речь переплетается, возникают диалекты. Они непосредственно влияют на значение многих слов, что при переводе по словарям выдает ошибки. Некоторые слова на родном языке очень похожи по своему произношению, однако обозначают разные вещи. Случаются и неумышленные созвучия в разных языках, которые словарь может распознавать неверно, ведь он не связывает слова по смыслу.

Примеры ложных слов

Всего есть несколько видов ложных друзей переводчика английского в зависимости от близости значений и созвучности, наведем их примеры:

1. 100% недруги. Это слова, которые имеют кардинально разное значение. Еще со школы дети стараются усвоить, что слово magazine не имеет ничего общего с понятием магазин, а слово family с фамилией. Таких слов существует немало, чаще всего неправильный перевод встречается в balloon – воздушный шар, а не баллон, clay – глина, а не клей, fabric – ткань, а не фабрика.
2. Достаточно похожие. Сюда относятся слова, отличающиеся одной или несколькими буквами. Например: data – это совсем не дата, а данные; doze – обозначает дремоту, но никак не дозу; pasta – это изделия из макарон, а часто это слово принимают за пасту.
3. Слова, совпадающие по одному из значений. К таким относятся: accent – акцент, имеет дополнительно значение – ударение; bass – бас, дополнительное значение – окунь; patient –пациент, и еще обозначает терпеливого.
4. Слова, имеющие несколько значений. Такие относятся к одной теме, поэтому их несоответствие в предложении определить довольно сложно. Чаще всего именно в предложениях с этими словами возникает больше всего ошибок, поэтому их стоит выучить. В перечень входят: academic – учитель, а academician – академик; ammonia –аммиак, а ammonium – аммоний; biscuit –сухое печенье, а sponge cake – бисквит; stool –табуретка, а chair – стул и другие.

Что делать, чтобы не попасть на ложных друзей переводчика?

Проще понять будет на примере предложения: “Tom became an object of ridicule”. При дословном переводе окажется, что – “Том трансформировался в сумку”. А такого не может быть. Поэтому стоит поинтересоваться в словаре о значении слова ridicule. Как оказывается, оно означает насмешку. Иногда какое-то слово может не соответствовать теме о которой рассказывается в предложении.

Чтобы правильно перевести смысл, необходимо сопоставлять контекст и смотреть значение сомнительных слов в словаре. Иначе перевод иностранных текстов окажется неприятным заданием с запутанным содержанием полным неясностей. Важно понимать, что часто изначальное значение слов может оказаться ложным, ведь вариантов перевода может быть несколько.

Обойти подводные камни ложных друзей переводчика помогут педагоги школы Next Level. Высокий уровень знаний – не мечта, а реальность, если рядом опытные профессионалы!

Читайте также: Фразы, которые помогут пройти собеседование на английском

What’s Next — перевод — MuzOko

Трек “What’s Next” вышел 5 марта 2021 года, хотя в сети появился, как водится, за пару дней до официального релиза (27 февраля). Drake рассказывает о своём успехе, о своих способностях выпускать мировые хиты и своем богатстве. Этим треком музыкант дает ответ всем фанатам, желающим знать всё о его жизни.

Любопытно, что 19 декабря 2020 года (почти за 3 месяца до выхода данного трека) в сеть был слит неизданный раннее трек Дрейка и Янг Тага “What A Time To Be A Slime”. Так вот, в конце своего куплета Drake зачитывает точно такие же строчки, как и в припеве этой композиции.

Трек “What’s Next” дебютировал на первом месте в чарте Billboard Hot 100 20 марта 2021 года. Это восьмая композиция канадского рэпера, занявшая высшее место в топе.

Остальные треки мини-альбома Scary Hours 2 (“Wants and Needs” и “Lemon Pepper Freestyle”) заняли второе и третье места соответственно. Дрейк стал первым исполнителем в истории за 60 лет существования чарта, чьи треки одновременно заняли первые три места.

В общем, Дриззи в очередной раз говорит, что быть известной личностью с большим количеством поклонников, не так уж просто. Музыкант отдаёт своим фанатам всего себя, выкладываясь на полную, но стоит ему один раз оступиться (или высказаться о чём-то в негативном свете) и люди сразу начнут его критиковать и втаптывать в грязь.

следующий будет — английский перевод – Linguee

Многоязычный перевод в масштабе: 10 000 языковых пар и более

Корпорация Майкрософт находится в поиске ИИ в масштабе с большими амбициями, чтобы обеспечить возможности ИИ следующего поколения. Команда Microsoft Translator ZCode работает вместе с Microsoft Project Turing и Microsoft Research Asia над улучшением языковой и многоязычной поддержки в основе этой инициативы. Мы продолжаем расширять границы с многоязычными моделями для поддержки различных языковых сценариев в Microsoft. Прошлым летом мы анонсировали нашу крупномасштабную модель Multi-Lingual Mixture of Expert с DeepSpeed, которая может превзойти отдельные крупномасштабные двуязычные модели. Недавно последняя модель универсального языкового представления Тьюринга (T-ULRv5), созданная Microsoft, снова стала передовой и в то время возглавляла общедоступную таблицу лидеров Google XTREME. Совсем недавно Microsoft анонсировала самую большую по параметрам модель Megatron-Turing NLG 530B.

Ежегодная конференция по машинному переводу (также известная как WMT 2021) завершилась на прошлой неделе в прекрасной Пунта-Кане, Доминиканская Республика. WMT объединяет исследователей со всей области машинного перевода, как отраслевых, так и академических, для участия в серии общих задач, каждая из которых определяет эталон в важной области машинного перевода, чтобы вывести эту область на новые рубежи.

Команда Microsoft Translator ZCode, работающая вместе с командой Тьюринга и Microsoft Research Asia, соревновалась в треке «Крупномасштабный многоязычный перевод», который состоял из полного задания по переводу между всеми 10 000 направлений на 101 языке и двух небольших заданий. : Один был посвящен 5 языкам Центральной и Южной Европы, а другой – 5 языкам Юго-Восточной Азии. Модель Microsoft ZCode-DeltaLM выиграла все три задачи с огромным отрывом, включая невероятный прирост на 10+ баллов по сравнению с моделью M2M100 в большой задаче, оцениваемой на 10 000 языковых пар. (Результаты совместной задачи WMT 2021 по крупномасштабному многоязычному машинному переводу, Wenzek et al, WMT 2021).

Рис. 1. Официальные результаты (баллы BLEU) по полной задаче и небольшой задаче1 на WMT 2021. Общая задача крупномасштабного многоязычного перевода

Подход ZCode-DeltaLM

загляните под капот победившей модели Microsoft ZCode-DeltaLM. Нашей отправной точкой был DeltaLM (DeltaLM: Pre-training Encoder-Decoder Pre-training for Language Generation and Translation by Augmenting Pretrained Multilingual Encoders), последний из все более мощной серии многоязычных предварительно обученных языковых моделей от Microsoft.

DeltaLM — это модель кодер-декодер, но вместо обучения с нуля она инициализируется из предварительно обученной современной модели только для кодировщика, в частности (TULRv3). В то время как инициализация кодировщика проста, декодер менее прост, поскольку он добавляет перекрестное внимание к самому вниманию кодировщика. DeltaLM решает эту проблему с помощью новой чередующейся архитектуры, в которой само-внимание и перекрестное внимание чередуются между уровнями, при этом само-внимание используется в нечетных слоях, а перекрестное внимание — в четных. При таком чередовании структура декодера соответствует кодировщику, поэтому его также можно инициализировать таким же образом из TULRv3.

DeltaLM дополнен мощным многозадачным обучением ZCode: многозадачное обучение для многоязычного нейронного машинного перевода. Наши модели показывают, что сочетание многозадачности и многоязычного обучения может значительно улучшить обучение крупномасштабным предварительно обученным языковым моделям. Такая парадигма многозадачного многоязычного обучения использует индуктивную предвзятость и регуляризацию нескольких задач и языков одновременно, чтобы лучше выполнять различные последующие задачи. Мы используем задачу перевода, задачу автоматического шумоподавления и задачу повреждения диапазона трансляции, как показано на рисунке ниже.

Победа в массовом многоязычном переводе

Чтобы создать нашу выигрышную многоязычную систему перевода (многоязычные системы машинного перевода от Microsoft для общей задачи WMT21), мы начали с zCode-DeltaLM и добавили несколько приемов.

Мы применяем прогрессивное обучение, сначала обучая модель с 24 слоями кодировщика и 12 слоями декодера, затем продолжаем обучение с 12 добавленными слоями кодировщика, в результате чего получается глубокий 36-слойный кодировщик. Чтобы охватить все языковые пары, мы генерируем двойные псевдопараллельные данные, где обе стороны параллельных данных являются синтетическими, переведенными моделью с английского языка. Мы также применяем итеративный обратный перевод для создания синтетических данных. Мы применяем обучение по учебной программе, начиная со всех зашумленных данных обучения, а затем уменьшая их до чистого подмножества. Мы повторно взвешиваем цель перевода, чтобы предпочесть параллельные данные обратному переводу и двойным псевдопараллельным данным. Мы применяем температурную выборку, чтобы сбалансировать языковые пары. Для каждой языковой пары мы выбираем, основываясь на наборе разработчиков, предпочесть ли прямой перевод или сводной перевод через английский язык.

Собрав все вместе, мы знали, что у нас потрясающая многоязычная система, но официальные результаты слепого теста превзошли наши ожидания. Мы набрали от 2,5 до 9 баллов BLEU, опередив следующего конкурента, и от 10 до 21 балла BLEU, опередив базовую модель M2M-175. В тесте разработки мы сравнили его с более крупной моделью M2M-615, которую мы также опередили на 10–18 баллов.

Beyond Translation: Universal Language Generation

Хотя мы очень рады большой победе на WMT 2021, еще более захватывающим является то, что, в отличие от других конкурентов, наша модель ZCode-DeltaLM — это не просто модель перевода, а скорее общая предварительно обученная языковая модель кодер-декодер, пригодная для всех видов задач генерации, помимо перевода. Это действительно позволяет нашим моделям достаточно хорошо выполнять различные задачи генерации многоязычного естественного языка.

Мы достигли нового SOTA во многих популярных задачах генерации от GEM Benchmark, включая Wikilingua (обобщение), упрощение текста (WikiAuto) и преобразование структуры в текст (WebNLG). Модель DeltaLM-ZCode значительно превосходит гораздо более крупные модели, такие как mT5 XL (3,7B), которая также обучается на гораздо больших данных. Это продемонстрировало эффективность и универсальность моделей, что привело к высокой производительности во многих задачах.

Рисунок 2. Производительность (баллы RL) ZCode-DeltaLM в задачах суммирования и упрощения текста в тесте GEM

Глядя в будущее

Многоязычный машинный перевод достиг точки, когда он работает очень хорошо, превосходя двуязычные системы, как на языках с низким, так и на высоких ресурсах. Было показано, что смешанные модели экспертов (MoE) очень хорошо подходят для масштабирования таких моделей, как это было показано в GShard.