क्या वह अनुवाद वास्तव में सही है?

आपको एक विदेशी ग्राहक से अंग्रेजी में एक लंबा ईमेल मिलता है। आपके पास जवाब लिखने का समय नहीं है। फिलहाल, आप इसे DeepL या, हाल ही में, ChatGPT में डालकर जापानी में बदलवाते हैं और अपनी स्क्रीन पर पढ़ते हैं। आप सामग्री समझ जाते हैं। आप कोई निर्णय ले सकते हैं। या कम से कम, आपको ऐसा लगता है कि आप समझ गए हैं।

उल्टा भी सच है। आपको आंतरिक रूप से एक अंग्रेजी घोषणा भेजनी होती है, तो आप जापानी में लिखे एक ड्राफ्ट को मशीनी अनुवाद से गुजारते हैं, परिणामी अंग्रेजी को स्कैन करते हैं, सोचते हैं "यह ठीक लग रहा है," और भेज देते हैं। दूसरे पक्ष से जवाब भी खासा अजीब नहीं लगता। तो आप सोचते हैं, "इस बार भी ठीक रहा होगा।"

समस्या यह है कि इस तरफ किसी ने यह सत्यापित नहीं किया कि क्या वाकई ठीक रहा। स्रोत और लक्ष्य पाठ को एक साथ रखकर "यह हिस्सा ठीक है," "यह हिस्सा जोखिम भरा है," या "यह हिस्सा घातक है" का निर्णय करने की प्रक्रिया आधुनिक अनुवाद पाइपलाइनों से गायब है।

यह केवल व्यक्तिगत ईमेल तक सीमित नहीं है। मार्केटिंग कॉपी, आंतरिक सूचनाएं, ड्राफ्ट अनुबंध, निवेशक संबंध सामग्री, सहायता FAQ—पिछले कुछ वर्षों में सभी प्रकार के दस्तावेज़ मशीनी अनुवाद पर डाल दिए गए हैं। मात्रा विस्फोटक रूप से बढ़ गई है। फिर भी, गुणवत्ता जांचने की परत लगभग नहीं बढ़ी है। कुछ लोग सोचते हैं कि वे जाँच कर रहे हैं। वे "इसे पढ़कर कोई असुविधा महसूस न होना" जाँच कहते हैं। यह जाँच नहीं है। यह एक इच्छाधारी सोच है।

और यहाँ कई लोग जो अनदेखा करते हैं, वह यह है कि यह सिर्फ मशीनी अनुवाद के बारे में नहीं है। पेशेवर अनुवादकों से ऑर्डर किए गए अनुवादों के लिए भी, वर्तमान में ग्राहक के लिए स्वतंत्र रूप से यह सत्यापित करने का लगभग कोई तरीका नहीं है कि अनुवाद पूरे टुकड़े में उनके इरादे के अनुरूप है या नहीं। वे डिलीवरी पढ़ते हैं, सोचते हैं "यह जापानी जैसा लगता है" या "यह अंग्रेजी में ठीक है," और बस। लागत के मुद्दों के कारण, कोई भी यह सत्यापित करने का कार्य नहीं कर रहा है, आइटम दर आइटम, कि क्या काम पूरी पांडुलिपि के लिए ब्रीफ के अनुसार किया गया था। यह कहना अधिक सटीक होगा कि ऐसा करने का कोई तरीका ही नहीं है।

अनुवाद मूल्यांकन के क्षेत्र ने इस समस्या को हल करने का काम अपने हाथ में लिया है। हालांकि, यह क्षेत्र उतना अच्छा प्रदर्शन नहीं कर रहा है जितना उद्योग के बाहर के लोग सोच सकते हैं।

मशीनी अनुवाद उतना सही नहीं है जितना सब सोचते हैं

पहले, एक मिथक को दूर करना होगा।

2026 में मशीनी अनुवाद और LLM का आउटपुट निश्चित रूप से कुछ साल पहले की तुलना में एक अलग स्तर पर है। यह एक तथ्य है। दैनिक उपयोग के 80% मामलों के लिए, मनुष्यों को अब काम को दोहराने की आवश्यकता नहीं है।

हालांकि, जो बाद में होता है उसे गलत समझा जाता है। शेष 20% में—विशेष रूप से उन स्थितियों में जहां अनुवाद का एक विशिष्ट "उद्देश्य" होता है—वर्तमान सिस्टम अभी भी लगातार काम नहीं करते हैं। विशेष रूप से, दो चीजें होती हैं।

एक है अनुवाद के इरादे का उतार-चढ़ाव। भले ही आप एक ही स्रोत पाठ को एक ही मॉडल में दो बार डालें और दोनों बार इसे "भाषण के रूप में अनुवाद करें" निर्देश दें, दोनों परिणामी अनुवादों का स्वर एक जैसा नहीं होगा। एक भड़काऊ हो सकता है जबकि दूसरा कुछ हद तक संयत हो सकता है। उद्देश्य के सापेक्ष लैंडिंग पॉइंट केवल संभाव्य रूप से निर्धारित होता है।

दूसरा है लंबे पाठों में संगति। एक दस्तावेज़ पहले भाग में "contract" का अनुवाद "keiyaku" कर सकता है, लेकिन दूसरे भाग में यह "keiyakusho" में बदल जाता है। एक स्वर जो पहले भाग में औपचारिक था, दूसरे भाग में सूक्ष्म रूप से अनौपचारिक में बदल सकता है। उचित संज्ञाएं तीन अलग-अलग संकेतनों में दिखाई दे सकती हैं। व्यक्तिगत रूप से, ये घातक नहीं हैं। लेकिन समग्र रूप से दस्तावेज़ के लिए, ये बॉडी ब्लो की तरह गुणवत्ता को कम करते हैं।

इसके अलावा, ये समस्याएं केवल आउटपुट पढ़ने से ध्यान देने योग्य नहीं होती हैं। यदि आप प्रत्येक वाक्य को देखें, तो वे सभी "उचित वाक्य" हैं। असुविधा का स्रोत वाक्य स्तर पर नहीं, बल्कि दस्तावेज़ स्तर पर होता है। जो पाठक असुविधा महसूस नहीं करते, वे सेंड बटन दबाने में सुरक्षित महसूस करते हैं। कि यह एक ऐसी स्थिति है जिसमें उन्हें सुरक्षित महसूस करना चाहिए, यह दूसरी बात है।

मानव अनुवादकों के साथ भी यही संरचनात्मक समस्याएं होती हैं। लंबे दस्तावेज़ के दौरान थकान या निर्णय में उतार-चढ़ाव आ जाता है। शैली या रजिस्टर के विवरण पहले और आखिरी पन्नों के बीच पूरी तरह से मेल नहीं खा सकते हैं। अनुभवी लोग इससे अवगत हैं, यही कारण है कि वे आत्म-समीक्षा पर समय बिताते हैं। हालांकि, बाहर से यह सत्यापित करने का भी कोई तरीका नहीं है कि वह आत्म-समीक्षा पूर्ण है या नहीं।

संक्षेप में, चाहे वह मशीन हो या इंसान, उद्योग में समग्र रूप से एक ऐसे तंत्र का अभाव है जो स्वतंत्र रूप से सत्यापित कर सके कि अनुवाद की गुणवत्ता "उद्देश्य के सापेक्ष" और "पूरे टुकड़े में" सुसंगत है या नहीं। यह वर्तमान स्थिति है।

हमारे पास जो मीट्रिक हैं, वे वह नहीं मापते जिसकी हमें परवाह है

ऐसा नहीं है कि सत्यापन तंत्र मौजूद नहीं हैं। वे हैं। समस्या यह है कि वे क्या माप रहे हैं।

मशीनी अनुवाद अनुसंधान में दो मुख्य स्वचालित मूल्यांकन मीट्रिक हैं BLEU और COMET। BLEU आउटपुट की तुलना एक संदर्भ अनुवाद से करता है और ओवरलैपिंग वर्ड सीक्वेंस गिनता है। COMET एक पूर्व-प्रशिक्षित मॉडल का उपयोग करके अर्थगत समानता को स्कोर करता है। दोनों अपने इच्छित उद्देश्यों के लिए उपयोगी हैं। और दोनों एक ही धारणा साझा करते हैं जिससे इंजीनियरिंग बच नहीं सकती: वह धारणा कि एक "सही उत्तर" मौजूद है, और वह सही उत्तर परीक्षण सेट में रखा गया संदर्भ अनुवाद है।

एक गतिविधि के रूप में अनुवाद उस तरह काम नहीं करता है।

आइए जापानी बाल साहित्य से एक वाक्य उधार लें: "Ano otokonoko wa marude Momotaro mitai da।" जापान में पले-बढ़े किसी व्यक्ति के लिए, Momotaro लोककथाओं का एक नायक है जो एक कुत्ते, एक बंदर और एक तीतर के साथ राक्षसों को हराता है। एक बच्चे को "Momotaro जैसा" कहने का अर्थ है कि वह अपनी उम्र के हिसाब से बहादुर है, उसमें हिम्मत है, और भले ही वह छोटा हो, उसे कम आंकना नहीं चाहिए।

यदि आप इसका अनुवाद एक ऐसे अंग्रेजी पाठक के लिए करते हैं जिसने कभी Momotaro के बारे में नहीं सुना है, तो कई विकल्प हैं।

आप इसे शाब्दिक रूप में लिख सकते हैं: "That boy is just like Momotaro।" मूल की सतह पूरी तरह से संरक्षित है। यदि संदर्भ अनुवाद भी वही होता है, तो BLEU प्रसन्न होगा। लेकिन अंग्रेजी पाठक को लगभग कुछ भी संप्रेषित नहीं होगा। वाक्य का अर्थ पूरी तरह से एक ऐसे नाम में बंद है जिसे वे नहीं जानते।

आप यह भी लिख सकते हैं: "That boy is so brave for his age।" आप सांस्कृतिक विशिष्टता को त्याग देते हैं, लेकिन अर्थ तुरंत समझ में आ जाता है।

या आप एक साहसिक कदम उठा सकते हैं: "That boy's another little Hulk।" यह एक साहसिक विकल्प है। यह एक सांस्कृतिक रूप से समझ से बाहर संदर्भ को दूसरे सांस्कृतिक रूप से समझने योग्य संदर्भ से बदल देता है। यह एक अनुकूलन है जो संदर्भ की "सामग्री" के बजाय उसके "कार्य" को प्रत्यारोपित करता है। ब्रीफ (ऑर्डर विवरण) के आधार पर, यह सबसे अच्छा कदम या एक अनुपयुक्त कदम हो सकता है।

कौन सा सही उत्तर है? यह शर्तों पर निर्भर करता है। यह पाठक, माध्यम, विवेक की अनुमत सीमा, आसपास के पाठ के रजिस्टर और लगभग बारह अन्य कारकों पर निर्भर करता है। और ये सभी कारक वाक्य स्तर से ऊपर मौजूद हैं, उन मीट्रिक के लिए अदृश्य जो केवल वाक्यों को देखते हैं।

BLEU उन विकल्पों की प्रशंसा करता है जो संयोग से संदर्भ अनुवाद से मेल खाते हैं और बाकी सब कुछ दंडित करता है, भले ही वह श्रेष्ठ क्यों न हो। COMET अर्थगत दूरी के आधार पर रैंक करता है और इस पूरे प्रश्न को छोड़ देता है कि अनुवाद का पाठक पर क्या प्रभाव होना चाहिए। कोई भी आपको यह नहीं बताता कि "कौन सा विकल्प इस काम में फिट बैठता है।" पहली बात, Hulk के साथ बदलने का विचार एक ऐसी छलांग है जो एक मानव अनुवादक लगा सकता है, लेकिन एक संदर्भ अनुवाद की निकटता पर प्रशिक्षित एक मीट्रिक इसे कभी पुरस्कृत नहीं करेगा।

मुझे अनुवाद के बारे में एक महत्वपूर्ण बात कहने दें। कोई एक सही उत्तर नहीं है। प्रत्येक पंक्ति के लिए, मान्य विकल्प पंखे की तरह खुलते हैं। कौन सा लेना है, यह अनुवादक का निर्णय है। "Momotaro जैसा," "अपनी उम्र के हिसाब से बहादुर," "एक छोटा Hulk"—ये सभी बचाव योग्य विकल्प हैं। मूल्यांकन का काम एकमात्र सही अनुवाद का अनुमान लगाना नहीं है। यह अनुवादक द्वारा किए गए निर्णय को देखना और स्पष्ट रूप से बताना है कि क्या यह इस काम के लिए कार्य करता है।

जब आप सीधे LLM से पूछते हैं तो क्या होता है

यदि आप इसे आधुनिक तरीके से करना चाहते हैं, तो आप मीट्रिक को छोड़ सकते हैं और सीधे LLM से पूछ सकते हैं। "यह रहा स्रोत, यह रहा अनुवाद—यह कैसा है?"

यह आपकी सोच से बेहतर काम करता है, और आपकी उम्मीद से भी बदतर।

यह आपकी सोच से बेहतर काम करता है क्योंकि LLM, सिद्धांत रूप में, रजिस्टर, दर्शक, सांस्कृतिक संदर्भ और अलंकारिक प्रभावों जैसी चीजों के बारे में तर्क कर सकते हैं—ऐसी चीजें जिन तक BLEU और COMET नहीं पहुंच सकते। यह नोटिस कर सकता है जब एक वाक्य ने अपनी लय खो दी है। यह इंगित कर सकता है कि Momotaro अनुवाद अस्पष्ट है।

इसके बदतर काम करने के कारण दो हैं, और व्यवहार में, उनका एक द्वंद्वात्मक प्रभाव होता है।

पहला, मूल्यांकन की धुरियां बदल जाती हैं। यदि आप एक ही मॉडल से एक ही प्रश्न दो बार पूछते हैं, तो यह अलग-अलग आयामी विन्यास वाले उत्तर लौटाएगा। पहली बार प्रवाह पर ध्यान केंद्रित हो सकता है, दूसरी बार सटीकता पर, और तीसरी बार बीच में एक नई श्रेणी का आविष्कार कर सकता है। आप कई दस्तावेज़ों में मूल्यांकन की तुलना नहीं कर सकते क्योंकि जो मापा जा रहा है वह शुरू से ही सुसंगत नहीं है। जब आप माप रहे हैं, तो उपकरण स्वयं चल रहा है।

दूसरा है चापलूसी (syсophancy)। LLM को अपने वार्ताकार को खुश करने के लिए काफी मजबूती से प्रशिक्षित किया जाता है। यदि आप एक अनुवाद सौंपते हैं और पूछते हैं "क्या यह अच्छा है?", तो इसकी उच्च संभावना है कि वह कहेगा "यह अच्छा है।" यदि आप पलटवार करते हैं, तो वह आपके पलटवार से सहमत होगा। मॉडल "सुनने और उपयोगकर्ता का सम्मान करने का दिखावा करने" के लिए अनुकूलन कर रहा है, न कि "एक शांत मूल्यांकक होने" के लिए। कम जोखिम वाले उपयोगों के लिए, यह ठीक है। लेकिन किसी ऐसे व्यक्ति के लिए जो अनुवाद को एक उत्पाद के रूप में भेज रहा है, अनुवाद को ग्रेड कर रहा है, या असली पैसे से अनुवाद खरीद रहा है, यह विशेषता आवश्यकता के ठीक विपरीत है।

परिणामस्वरूप, एक अजीब स्थिति बनी हुई है। जो चीज हम चाहते थे—गैर-विशेषज्ञों के लिए वास्तव में अनुवाद सत्यापित करने का एक साधन—ठीक से मौजूद नहीं था। यदि आप अनुवाद आउटसोर्स करते थे, तो आपको विक्रेता पर भरोसा करना पड़ता था। यदि आप मशीनी अनुवाद का उपयोग करते थे, तो आपको बस उंगलियां क्रॉस करके प्रार्थना करनी पड़ती थी। केवल वे लोग जो विश्वसनीय रूप से अनुवाद की जांच कर सकते थे, वे वरिष्ठ समीक्षक थे जिन्होंने पहले से ही दोनों भाषाओं में उस स्तर तक महारत हासिल कर ली थी कि उन्हें अनुवाद की आवश्यकता ही नहीं थी।

CATER क्या करने की कोशिश कर रहा है

CATER नाम का एक उपकरण है। मैं इसके विकास पक्ष पर हूं। मेरा मानना है कि इस समस्या के समाधान का यह पहला गंभीर प्रयास है, तो मुझे समझाने दें कि यह क्या करता है।

CATER छह स्पष्ट धुरियों पर अनुवाद का मूल्यांकन करता है: व्याकरणिक सटीकता (GP), अर्थगत अखंडता (SI), तथ्यात्मक स्थिरता (FC), शब्दावली स्थिरता (TC), प्रवचन सुसंगति (DC), और संप्रेषणीय एवं शैलीगत उपयुक्तता (CSA)। धुरियां रन-टू-रन नहीं बदलती हैं। वे हर बार समान होती हैं। यदि आप मूल्यांकन A और मूल्यांकन B की तुलना करते हैं, तो उस तुलना का अर्थ है।

स्कोरिंग स्वयं LLM पर नहीं छोड़ी गई है। मॉडल त्रुटियों की पहचान और विशेषता बताने के लिए जिम्मेदार है, और एक नियतात्मक पाइपलाइन गंभीरता, अनिवार्य शक्ति और अक्ष संवेदनशीलता के आधार पर संख्यात्मक मानों की गणना करती है। यदि आप एक ही इनपुट दो बार चलाते हैं, तो आपको समान संख्याएं मिलती हैं। यह एक मामूली कार्यान्वयन विवरण की तरह लग सकता है। ऐसा नहीं है। यह वह रेखा है जो एक "उपकरण" को "माहौल" से अलग करती है।

और मैं जिसके बारे में थोड़ा समय बिताना चाहता हूं, वह है अनुवाद संक्षिप्त (Translation Brief)।

ब्रीफ CATER को बताता है कि अनुवाद किस लिए है। पाठक कौन है, माध्यम क्या है, क्या प्रभाव उत्पन्न होना चाहिए, क्या त्यागा जा सकता है, और किसे पूरी तरह से संरक्षित किया जाना चाहिए? ब्रीफ के साथ, मूल्यांकन अब "यह किसी अमूर्त सही उत्तर के कितना करीब है?" का प्रश्न नहीं रह जाता है। यह प्रश्न बन जाता है: "क्या यह अनुवाद वह काम कर रहा है जिसके लिए इसे काम पर रखा गया था?" जहां तक मुझे पता है, यह एकमात्र प्रश्न है जो वास्तव में मायने रखता है।

जब आप एक ब्रीफ प्रदान करते हैं, तो Momotaro उदाहरण हल हो जाता है। यदि ब्रीफ है "अमेरिकी बच्चों के लिए बच्चों की किताब, पठनीयता सर्वोच्च प्राथमिकता है," तो "That boy is just like Momotaro" को CSA अक्ष पर फ्लैग किया जाएगा क्योंकि संदर्भ समझ में नहीं आता। "That boy's another little Hulk" को उच्च स्कोर मिल सकता है। यदि ब्रीफ है "एक अकादमिक संकलन के लिए साहित्यिक अनुवाद, सांस्कृतिक विशिष्टता संरक्षित करें," तो निर्णय उलट जाता है। Momotaro पंक्ति को मूल रूप में रखना सही है, और इसे Hulk से बदलना अत्यधिक घरेलूकरण है। एक ही स्रोत, एक ही विकल्प, अलग ब्रीफ, अलग सही उत्तर। मूल्यांकक यह देख सकता है क्योंकि ब्रीफ एक प्रथम श्रेणी का इनपुट है।

यदि आप ब्रीफ प्रदान नहीं करते हैं, तो CATER इसे अनुमान के साथ पूरक करता है। वास्तविक व्यवहार में, लिखित ब्रीफ वाले अनुवाद अल्पमत में हैं। लेकिन हमेशा एक अंतर्निहित ब्रीफ होता है। शैली, रजिस्टर और लक्षित दर्शक एक "अच्छे अनुवाद" की सीमाओं को बाधित करते हैं। एक कुशल समीक्षक अपने दिमाग में ब्रीफ को स्वचालित रूप से पुनर्निर्मित करते हुए पढ़ता है। CATER भी यही काम स्पष्ट रूप से करता है और अनुमानित ब्रीफ को स्क्रीन पर प्रदर्शित करता है। यदि यह गलत है, तो एक मानव इसे ठीक कर सकता है।

नोबेल पुरस्कार स्तर के अनुवाद पर CATER लागू करना

मुझे एक ठोस उदाहरण दें। यह मशीनी अनुवाद आउटपुट नहीं है। मैं बातचीत को मशीनी अनुवाद के प्रकट होने से बहुत पहले के मानव साहित्यिक अनुवाद की ओर मोड़ूंगा।

यासुनारी कावाबाता का "स्नो कंट्री," एडवर्ड सीडेनस्टिकर द्वारा अनुवादित। पहली बार 1956 में अनुवादित और बाद में संशोधित, यह सीडेनस्टिकर अनुवाद वह था जिसे चयन समिति ने संदर्भित किया था जब कावाबाता ने 1968 में साहित्य में नोबेल पुरस्कार जीता था। इसे 20वीं सदी में जापानी साहित्य के अंग्रेजी अनुवाद का शिखर कहा जा सकता है। इससे बेहतर मानव अनुवाद खोजना काफी मुश्किल है।

मैंने इसके उद्घाटन पैराग्राफ को CATER के माध्यम से चलाया। कोई स्पष्ट ब्रीफ प्रदान नहीं किया गया था; मैंने मूल्यांकक को इसका अनुमान लगाने दिया।

कुल स्कोर: 58.8/100। निर्णय था "प्रमुख पुनर्विकास आवश्यक।" यह रहा अक्षों द्वारा विवरण:

कृपया जल्दबाजी में निष्कर्ष न निकालें। CATER यह नहीं कह रहा है कि "सीडेनस्टिकर बुरा है।" व्याकरण, तथ्य और तार्किक संरचना सभी को पूर्ण अंक मिलते हैं। जो टूटा है वह मुख्य अर्थ और साहित्यिक प्रभाव हैं—सीमित लेकिन महत्वपूर्ण भाग। और CATER ठीक वहीं इंगित करता है जहां वह टूटना है।

"Yoru no soko ga shiroku natta" (रात के तल का सफेद होना) का अनुवाद सीडेनस्टिकर ने "The earth lay white under the night sky" के रूप में किया है। CATER का निदान यह है: रूपक और बोधगम्य अभिव्यक्ति "रात का तल" एक अलग दृश्य, "रात के आकाश के नीचे जमीन सफेद है," द्वारा बदल दिया गया है। मूल का अर्थगत प्रभाव, जहां सफेदी रात के भीतर से उठती है, संरक्षित नहीं है। न्यूनतम सुधार के रूप में, "The bottom of the night turned white" सुझाया गया है। यह मुख्य कारण है कि SI अक्ष 25 तक गिर गया।

एक और। एक दृश्य जहां एक खिड़की खोलने वाली लड़की चिल्लाती है "जैसे दूरी में चिल्ला रही हो, 'स्टेशन मास्टर! स्टेशन मास्टर!'" सीडेनस्टिकर का अनुवाद है: "Leaning far out the window, the girl called to the station master as though he were a great distance away।" प्रत्यक्ष भाषण को ही एक सारांश विवरण द्वारा बदल दिया गया है। CATER की टिप्पणी: "कॉल की प्रतिध्वनि और दृश्य की तात्कालिकता खो गई है। क्योंकि बोली गई सामग्री मिटा दी गई, साहित्यिक पुनरुत्पादन के रूप में उपस्थिति की भावना कमजोर हो गई है।" इसने CSA अक्ष को 0 पर ला दिया।

इन बिंदुओं को लेने का सही तरीका यह है कि सीडेनस्टिकर के पास इन विकल्पों के लिए अपने स्वयं के कारण रहे होंगे। 1950 के दशक के अंग्रेजी बोलने वाले पाठकों के लिए एक साहित्यिक अनुवाद के रूप में, उन्होंने उस समय के अनुवाद मानदंडों के भीतर सचेत रूप से यह चुना। CATER की टिप्पणी स्वयं इसे "गलत अनुवाद" नहीं कहती है बल्कि इसे "व्याख्या का एक मुद्दा मानती है जहां निर्णय ब्रीफ के आधार पर बदलता है।" हालांकि, यदि आपने उसी स्रोत पाठ को एक आधुनिक जापानी साहित्य अनुवाद परियोजना के लिए कमीशन किया और एक ब्रीफ लिखा जिसमें कहा गया हो "मूल के काव्यात्मक वातावरण के पुनरुत्पादन को प्राथमिकता दें," तो निर्णय यह होगा कि यह अनुवाद अपना काम नहीं कर रहा है। एक ही अनुवाद, अलग ब्रीफ, अलग निष्कर्ष।

मैं चाहता हूं कि आप इससे स्कोर नहीं, बल्कि तीन चीजें लें।

पहला: एक अनुवाद जो विश्व साहित्य के इतिहास पर अपनी छाप छोड़ता है, एक विशिष्ट ब्रीफ के तहत "पुनर्विकास" का निर्णय प्राप्त कर सकता है। यह इस बात का प्रमाण है कि अनुवाद गुणवत्ता की कोई पूर्ण छत नहीं है, और साथ ही, यह एक प्रदर्शन है कि मूल्यांकन एक ब्रीफ के सापेक्ष एक कार्य है।

दूसरा: CATER केवल यह नहीं कहता है "यह बुरा है," बल्कि "इसे इस तरह ठीक करें" के लिए विशिष्ट विकल्प प्रदान करता है। निदान और नुस्खा एकीकृत हैं। इस वजह से, जो पक्ष मूल्यांकन परिणाम देखता है, वह अगला कदम उठा सकता है।

तीसरा: भले ही व्याकरण, तथ्य और तार्किक संरचना सही हों, एक साहित्यिक अनुवाद के रूप में काम विफल हो सकता है। ऐसी विफलताएं जो "इसे पढ़कर कोई असुविधा महसूस न होना" से नहीं पकड़ी जा सकतीं, विभिन्न अक्षों पर ठीक से दिखाई देती हैं। मशीनी अनुवाद आउटपुट को "यह ठीक था क्योंकि मुझे असुविधा महसूस नहीं हुई" कहकर जांचना कितना कमजोर सत्यापन है—यह इस तथ्य से पीछे की ओर गणना करके दिखाई देता है कि सीडेनस्टिकर स्तर का अनुवाद भी स्पष्ट अक्षों में विभाजित होने पर डगमगाता है।

यह अनुवाद शोधकर्ताओं के अलावा अन्य लोगों के लिए भी क्यों महत्वपूर्ण है

मैंने अब तक जो कहा है, उसमें से अधिकांश स्थानीयकरण उद्योग के बाहर के लोगों को अंदरूनी बातें लग सकती हैं। यहाँ बताया गया है कि यह अभी भी महत्वपूर्ण क्यों है।

अनुवाद वर्तमान में LLM के प्राथमिक उपयोगों में से एक है। कंपनियों की संख्या और ग्राहक सहायता, उत्पाद कॉपी, आंतरिक सूचनाएं, कानूनी दस्तावेज़ और अनुबंधों को मशीनी अनुवाद पाइपलाइनों के माध्यम से पारित करने वाले ट्रैफ़िक की मात्रा उस पैमाने पर है जो तीन साल पहले मौजूद नहीं थी। इन पाइपलाइनों पर सवार आर्थिक गतिविधि बहुत बड़ी है। उनके ऊपर बैठी सत्यापन परत लगभग शून्य है। लोग ऐसे अनुवाद भेज रहे हैं जिन्हें वे सत्यापित नहीं कर सकते। वे यह प्रार्थना करते हुए कानूनी खंड भेज रहे हैं कि मॉडल ने संख्याओं का मनगढ़ंत नहीं किया है, "must" को "should" में कमजोर नहीं किया है, और उस स्वर को नहीं गिराया है जिसने मार्केटिंग कॉपी को काम करने योग्य बनाया है।

और मैं दोहराता हूं, यह मशीनी अनुवाद की समस्या नहीं है। पेशेवर अनुवादकों को आउटसोर्स किए गए अनुवाद भी उसी सत्यापन की अनुपस्थिति में वितरित किए जा रहे हैं। ग्राहक वितरित अनुवाद पढ़ता है और पुष्टि करता है "यह जापानी जैसा लगता है।" यह अनुवाद की गुणवत्ता की जांच नहीं है; यह एक पुष्टि है कि वितरण जापानी में है। वह लंबी दूरी जो दोनों के बीच होनी चाहिए, अब तक कभी किसी ने तय नहीं की है।

2026 में स्वचालित अनुवाद उस स्तर पर है जो अधिकांश उपयोगों के लिए "व्यावहारिक रूप से पर्याप्त" है। यह सच है। लेकिन "अधिकांश उपयोगों के लिए पर्याप्त" कोई सत्यापन रणनीति नहीं है। ऐसी स्थितियों में जहां गलतियाँ घातक हो सकती हैं—चिकित्सा दस्तावेज़, अनुबंध, सार्वजनिक बयान, साहित्यिक अनुवाद—"इसे पढ़कर मुझे कोई असुविधा महसूस नहीं हुई" या "मैंने एक विश्वसनीय अनुवादक से पूछा" अब स्वीकार्य उत्तर नहीं हैं।

हमारे पास लंबे समय से गैर-विशेषज्ञों के लिए आउटपुट सत्यापित करने की एक परत का अभाव रहा है। एक भी संख्या नहीं। एक रबर स्टैम्प नहीं। एक संरचित, पढ़ने योग्य निदान जो कहता है, "इस अनुवाद की ताकत यहाँ है, जोखिम यहाँ है, और यदि आप X को महत्व देते हैं, तो इस भाग को ठीक करें।"

वह है CATER। आप इसे cater.erudaite.ai पर मुफ्त में आज़मा सकते हैं। पद्धति और इसके पीछे का सिद्धांत about.erudaite.ai पर उपलब्ध है।

अपने पास मौजूद किसी अनुवाद को डालकर देखें—उदाहरण के लिए, भेजने से पहले एक ईमेल, आंतरिक सामग्री, एक ड्राफ्ट अनुबंध, या किसी आउटसोर्स से अभी-अभी प्राप्त एक पांडुलिपि—और देखें कि क्या निकलता है।

आपको CATER के साथ अनुवाद की गुणवत्ता और विशेषताओं की पुष्टि करने में सक्षम होना चाहिए।