Denne artikel er bragt med tilladelse af Kommagasinet.

Bruger du gratis maskinoversættelse?

Brugerstatistikkerne taler deres klare sprog: Vi gør brug af onlineoversættelsestjenester som Google Translate, Translate.com, Microsoft Bing og DeepL som aldrig før. Som privatpersoner gør vi brug af dem, når vi vil forstå indholdet på udenlandske hjemmesider, og når vi på ferien fører samtaler med de lokale. Nogle gange bruger vi dem uden selv at have bedt om det, for eksempel bliver udenlandske Facebookvenners opslag og anmeldelserne på Tripadvisor automatisk oversat. Mange virksomheder og offentlige institutioner anvender også onlineoversættelsestjenester. Selvom det kan lyde som en drøm bare at kunne trykke på en knap og få gratis oversættelser mellem næsten alle sprog, er det dog ikke altid en optimal løsning. Du har måske hørt om Amazons uheldige maskinoversættelse af deres hjemmeside, da de gik ind på det svenske marked? For blot at nævne et enkelt eksempel blev et badeforhæng med et billede af en rapsmark oversat til "voldtægtsblomst".

Hvad er neural maskinoversættelse?

De nuværende gratissystemer anvender såkaldte neurale netværk, som efterligner den menneskelige hjerne. Man kalder det for kunstig intelligens og tilskriver dermed systemerne menneskelige egenskaber. Men grundlæggende er der alene tale om systemer, der trænes med onlinedata og ved hjælp af algoritmer regner sig frem til, hvordan ord i en sætning kan oversættes ved at inddrage de ord, der går forud og følger efter. Den algoritmebaserede tilgang har betydet, at de maskinoversatte måltekster i mindre grad end tidligere er præget af forkert ordstilling, grammatiske fejl og lignende. Den har altså gjort teksterne mere læsbare.

Da en række forskere fra Microsoft i 2018 påstod, at deres system kunne oversætte lige så godt som mennesker, fik det dog oversættelsesforskere op af stolen. Nogle gange udelader systemerne nemlig noget, eller de indsætter noget, som slet ikke står i udgangsteksten. Andre gange oversætter de ord forkert og kan endda finde på at opfinde ord, der ikke findes på målsproget. Det så vi i eksemplet med Amazon. Det er især tilfældet ved low ressource-sprog, hvor der findes begrænsede onlinedata. Derfor fungerer systemerne for eksempel bedre fra dansk til engelsk end omvendt. Når der er tale om små sprog, vil oversættelsen ofte ske via engelsk som relæsprog. Derfor kan man også opleve, at der bruges engelske ord i en dansk måltekst.

Bør vi bruge gratis oversættelsessystemer?

Ny international forskning dokumenterer, at maskinoversættelse bruges både i sundhedsvæsenet og i retssystemet. Inden for de senere år er det kommet frem, at domstole, politi, jobcentre og sygehuse også herhjemme af og til bruger gratis oversættelsestjenester, for eksempel i læge-patientkommunikation eller til politiafhøringer. I 2012 erkendte Københavns Politi, at de havde brugt en fejlbehæftet Google Translate-oversættelse i afhøringen af en terrorsigtet i den såkaldte PKK-sag. I en rapport udgivet af Kommunernes Landsforening i 2020 svarede 29 % af de adspurgte jobcentre, at de anvender "teknologier til tolkning og oversættelse, for eksempel Google Translate og andre apps". Det er på mange måder forståeligt, at folk bruger sådanne værktøjer. For ud over at være nemt tilgængelige og gratis er de ofte den eneste løsning for medarbejdere, der varetager jobfunktioner, hvor de er i dialog med mennesker, der taler eller skriver et sprog, de ikke selv mestrer. Spørgsmålet er dog, om virksomhederne og offentlige institutioner er opmærksomme på de dermed forbundne risici.

Tør vi betro dem vores hemmeligheder?

Måske har du lige modtaget et udkast til en kontrakt på engelsk i din indbakke, men er ikke nogen ørn til juridisk fagterminologi. Eller du har brug for at forstå indholdet af en forhandleraftale på kinesisk. Eller du er ansat på jobcenteret eller på sygehuset, hvor du pludselig sidder over for en fremmedsproget person uden at have adgang til en tolk. I sådanne situationer er der sikkert mange, der tyer til onlineoversættelsestjenester.

Når man anvender gratis oversættelsestjenester som Google Translate og Translate.com, giver man automatisk tilladelse til, at dataene må gemmes. Der er derfor risiko for, at fortrolige oplysninger bliver tilgængelige for andre, for eksempel via en Google-søgning eller lækage. Statoil i Norge har oplevet, at fortrolige informationer kunne fremsøges på nettet, efter at virksomheden havde brugt Translate.com. I Danmark har Ingeniørens IT-nyhedsmedie Version2 blandt andet fundet medarbejdermails, advokatbreve, CPR-numre, pasnumre og kodeord i oversættelsestjenesters arkiver. Virksomheder og offentlige institutioner bør derfor overveje alternative løsninger. En løsning kunne være at anvende Europa-Kommissionens maskinoversættelsessystem, eTranslation. Oversættelsessystemet, der omfatter de 24 officielle EU-medlemssprog, kan benyttes gratis af små og mellemstore virksomheder samt offentlige institutioner, uden at brugernes data gøres tilgængelige for andre.

Virksomheder og offentlige institutioner bør også være opmærksomme på, at brugen af onlinemaskinoversættelsessystemer kan have andre uheldige konsekvenser. Når medarbejderen på jobcenteret eller sygeplejersken ikke ser andre muligheder end at ty til gratis onlineløsninger, er der en risiko for, at de tager maskinoversættelsen for gode varer, selvom det er en dårlig eller direkte forkert gengivelse af udgangsteksten. Fordi de ikke behersker fremmedsproget, har de nemlig ikke en kinamands chance for at vurdere oversættelsen. De arbejder i en slags sproglig blinde, hvilket kan påvirke medarbejderens oplevelse af faglig integritet og i sidste ende have alvorlige konsekvenser for såvel medarbejderen som organisationen og andre.

Vil I være det bekendt?

Som sprogforskere, der undersøger, hvordan oversættelsesteknologi bruges, er noget af det, der undrer os ikke mindst, at kun få virksomheder synes at overveje, at dårlige oversættelser også kan få negative konsekvenser for virksomhedens image. For selvom oversættelsessystemernes ubearbejdede råtekster ofte kan forstås og anvendes til interne formål, bør de sjældent publiceres eksternt. Det kunne være en marketingtekst, der skal overbevise kunder om fordelene ved et produkt. Maskinoversættelsessystemerne oversætter nemlig stort set 1:1 og kan ikke foretage de ændringer, der ofte er nødvendige, hvis teksten skal fungere optimalt på målsproget. Den form for oversættelse støder man af og til på, når man surfer rundt eller shopper på nettet. Lader virksomheder deres hjemmesidetekster oversætte automatisk, bør de derfor være opmærksomme på den potentielt negative signalværdi. Omvendt ved vi, at læsere af maskinoversatte tekster ofte hellere vil have en maskinoversat version end ingen oversættelse. Virksomheden kunne derfor med fordel overveje, om de ikke som minimum skulle oplyse brugerne om, at der er tale om en maskinoversættelse.

Maskinoversættelse er kommet for at blive – så fat det dog!

Oversættelse nævnes ofte som et af de fagområder, der i høj grad påvirkes af automatiseringen af vidensarbejde. I forskningen har vi gennem en årrække set, hvordan teknologi spiller en stadig større rolle i sprogindustrien. Vi har primært undersøgt, hvordan professionelle oversættere bruger oversættelseshukommelser og maskinoversættelse. Særligt maskinoversættelse har gjort sit indtog i oversættelsesbranchen og ændret den måde, som oversættere arbejder på. Men maskinoversættelse påvirker hele samfundet, da stadig flere platforme integrerer teknologien. Og vi må konstatere, at de fleste borgere, virksomheder og offentlige institutioner anvender maskinoversættelsessystemer i større eller mindre omfang. Maskinoversættelse er ganske enkelt blevet en teknologi, som man kunne kalde for "everyware".

Som samfund(sborgere) bør vi derfor tilegne os viden om muligheder og begrænsninger ved denne form for digital teknologi, som rigtig mange anvender, men meget få forstår. Dette bakkes op af EU-Kommissionen, der blandt andet har lanceret den såkaldte Digital Education Action Plan (2021-2027). Den har til formål at forbedre borgernes digitale færdigheder og højne deres viden om dataintensive teknologier som for eksempel oversættelsesteknologi. Digital dannelse med fokus på automatisk tekstgenerering bør helt klart sættes på skoleskemaet, for eksempel på ungdomsuddannelserne og de videregående uddannelser. Den bør dog også tænkes ind i efteruddannelsestiltag, så virksomheder og offentlige institutioner sættes i stand til at få det bedste ud af systemerne uden at sætte sikkerheden over styr eller virksomhedens gode rygte på spil. I oversættelsesforskningen har man døbt denne form for viden "machine translation literacy".

Hvad kan virksomheder og offentlige institutioner selv gøre?

Det er en selvfølge, at virksomheder og offentlige institutioner bør navigere digitalt forsvarligt, men det lader til, at brugen af onlineoversættelsestjenester er gået under radaren hos mange. En undtagelse er blandt andet Norske Børs, der har lagt en spærring på medarbejdernes computere, så onlineoversættelsestjenester ikke kan anvendes. Man kan også forsyne computerne med en funktion, som advarer brugerne mod at anvende tjenesterne til fortrolige tekster. Grundlæggende bør man tage stilling til, hvor ens data flyder hen, og udarbejde retningslinjer for, om og i hvilke tilfælde medarbejderne må anvende onlineoversættelsestjenester og i givet fald hvilke.

Virksomheder og offentlige institutioner kan også overveje, om der er behov for at investere i virksomhedsinterne maskinoversættelsessystemer. Og ikke mindst hvornår en råoversættelse ikke er tilstrækkelig. Skal oversættelsen anvendes eksternt, vil der i de fleste tilfælde være behov for, at teksten efterredigeres af en sprogekspert.

På Aarhus Universitet har ledelsen givet alle medarbejdere adgang til at anvende AU Translate (dansk til engelsk), der fungerer som andre onlinetjenester, men er en sikker løsning baseret på AU’s egne termbaser og oversættelseshukommelser. På medarbejderportalen hedder det, at tjenesten kan anvendes til kortere tekster, som gerne må indeholde følsomme og fortrolige oplysninger, da teksterne bliver håndteret i et lukket system via krypteret overførsel. Samtidig informeres brugerne om, at målteksterne bør betragtes som "råtekst", der skal efterredigeres inden brug. Derudover opfordres brugeren til altid at tjekke korrektheden af stillings- og enhedsbetegnelser i universitetets egen ordbog, AU Dictionary.

Hvilke retningslinjer har I på din arbejdsplads?

En undersøgelse fra 2016 blandt 15 danske kommuner viste, at der i kommunalt regi ikke arbejdes med en systematisk tilgang til oversættelse. Vi formoder, at noget tilsvarende er tilfældet i mange virksomheder og offentlige institutioner. Der er derfor brug for medarbejdere, der er eksperter i sprog og kommunikation og kan gå i dialog med ledelserne om at udarbejde en code of conduct på området og sidenhen være med til at implementere velegnede teknologier og oversættelsesprocedurer. Det kan kun gå for langsomt. For du bliver sikkert ved med at bruge Google Translate, gør du ikke?

Hvis du er nysgerrig, kan du læse mere her:

• Christensen, Tina Paulsen, Kristine Bundgaard, Anne Schjoldager & Helle Dam Jensen (2021): What motor vehicles and translation machines have in common – a first step towards a translation automation taxonomy. Perspectives: Studies in Translation Theory and Practice.
• Dansk Erhverv: Pas på med at give fortrolige oplysninger til Google Translate: 
• eTranslation
• EU’s Digital Education Action Plan (2021-2027)
• Hassan, Hany et al. (2018): Achieving human parity on automatic Chinese to English news translation. 
• KL: Kommunernes brug af teknologi til tolkning og oversættelse
• O’Brien, Sharon & Maureen Ehrensberger-Dow (2020): MT Literacy—A cognitive view. Translation, Cognition & Behavior.
• Version2: Fortrolige firma-oplysninger lækkes gennem gratis oversættelsestjenester. 
• Vieira, Lucas Nunes, Minako O’Hagan & Carol O’Sullivan (2020): Understanding the societal impacts of machine translation: a critical review of the literature on medical and legal use cases. Information, Communication & Society.