Κωνσταντίνος Χατζηθεοδώρου
Ο Κωνσταντίνος Χατζηθεοδώρου έλαβε πτυχίο Ιταλικής Γλώσσας και Λογοτεχνίας το 2009 από το Α.Π.Θ. και μεταπτυχιακό δίπλωμα ειδίκευσης στην Πληροφορική το 2011 από το Ιόνιο Πανεπιστήμιο.
Είναι υποψήφιος διδάκτορας μεταφρασεολογίας στο Α.Π.Θ ενώ παράλληλα, εργάζεται ως υπολογιστικός γλωσσολόγος με εξειδίκευση στην αυτόματη μετάφραση.
Έχει εργαστεί ως ειδικός στην υπολογιστική γλωσσολογία στη Γενική Διεύθυνση Μετάφρασης του Ευρωπαϊκού Κοινοβουλίου στο Λουξεμβούργο, ως διαπολιτισμικός διαμεσολαβητής - διερμηνέας στο ΚΕΕΛΠΝΟ και παρείχε επικουρικό έργο στο Α.Π.Θ.
Έχει συμμετάσχει σε ευρωπαϊκά προγράμματα διαχείρισης ορολογίας και αυτόματης μετάφρασης στην Ελλάδα και το εξωτερικό.
Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν την αξιοποίηση της αυτόματης μετάφρασης στη μεταφραστική διαδικασία, την υποβοηθούμενη μετάφραση, τις τάξεις αντικειμένων, την αξιολόγηση και μετεπιμέλεια της αυτόματης μετάφρασης και τη διαχείριση και εξόρυξη ορολογίας.
Τεχνητή Νοημοσύνη και Μεταφραση: Αξιοπιστία Μοντέλων σε Εξειδικευμένη Μετάφραση για Μη Επαγγελματίες Μεταφραστές
Στο δυναμικό πεδίο των σύγχρονων επαγγελματικών αλληλεπιδράσεων, ειδικοί και επαγγελματίες αξιοποιούν ολοένα και περισσότερο τη δύναμη της τεχνητής νοημοσύνης. Αυτή η ενσωμάτωση επιλύει γλωσσικά εμπόδια και ενισχύει την αποδοτικότητα, προωθώντας μια πιο συνδεδεμένη παγκόσμια κοινότητα. Τα τελευταία χρόνια, έχουν δημιουργηθεί διάφορα εργαλεία για το σκοπό αυτό, εκ των οποίων τα περισσότερα είναι προσβάσιμα δωρεάν. Μοντέλα νευρωνικών δικτύων, όπως τα συστήματα μηχανικής μετάφρασης, καθώς και μεγάλα πολυτροπικά μοντέλα γλώσσας, όπως το ChatGPT, χρησιμοποιούνται για την παραγωγή μεταφράσεων. Ωστόσο, ορισμένοι επαγγελματίες, μη κατανοώντας πλήρως τις χρησιμοποιούμενες γλώσσες στη μετάφραση, αντιμετωπίζουν προκλήσεις στην επικοινωνία τους, δεχόμενοι τα αποτελέσματα της Τεχνητής Νοημοσύνης ως έγκυρα.
Το παρόν άρθρο εξετάζει την απόδοση αυτών των συστημάτων ως προς τη μετάφραση της εξειδικευμένης ορολογίας και φρασεολογίας στους τομείς της γαστρονομίας και οινολογίας. Πρόκειται για τεχνικά κείμενα που απαιτούν προσοχή στην ακρίβεια και τη σαφήνεια και ως εκ τούτου οι προκλήσεις ακόμη και για επαγγελματίες μεταφραστές είναι πολλές.
Συγκεκριμένα, μεταφράζουμε ένα σώμα κειμένων χρησιμοποιώντας τρια ευρέως γνωστά μοντέλα το ChatGPT, το Google Translate και το DeepL. Αρχικά, για τον τομέα της γαστρονομίας, κατασκευάσαμε σώμα κειμένων από συνταγές, μεθόδους μαγειρέματος, οδηγίες ασφάλειας τροφίμων κ.ά. Επιπλέον, για τον τομέα της οινολογίας, χρησιμοποιήσαμε κείμενα από περιγραφές ποικιλιών σταφυλιών, διαδικασίες οινοποίησης, πρακτικές αμπελουργίας κ.ά.
Στόχος μας είναι να εξετάσουμε εάν αυτά τα συστήματα μεταφράζουν με ακρίβεια τις φράσεις και όρους που είναι σε χρήση εντός των τομέων αυτών και, εάν ναι, ποια προσέγγιση αποδίδει καλύτερα. Τα αποτελέσματα θα μπορούσαν να βοηθήσουν τόσο στον εντοπισμό πιθανών γλωσσικών λύσεων όσο και στην αποφυγή γλωσσικών λαθών για αποτελεσματικότερη επικοινωνία σε επαγγελματικό περιβάλλον για όσους δεν διαθέτουν τους γλωσσικούς ή οικονομικούς πόρους ώστε να διασφαλιστεί η ποιότητα των ματαφρασμάτων.
Τα αποτελέσματα δείχνουν ότι το ChatGPT παρουσιάζει λιγότερα ορολογικά και φρασεολογικά σφάλματα σε σύγκριση με το Google Translate και το DeepL. Παρόλα αυτά, λόγω της σοβαρότητας ορισμένων μεταφραστικών λαθών, είναι αναγκαίο να διεξάγεται πρόσθετος έλεγχος για τη βεβαιότητα και την ορθότητα των μεταφράσεων.