الترجمة الإنسانية والترجمة الآلية: تقييم دور الذكاء الصناعي في الممارسة الحديثة للترجمة
DOI:
https://doi.org/10.36586/الكلمات المفتاحية:
الترجمة الآلية، الذكاء الاصطناعي، التحرير اللاحق، المترجمون المحترفون، الترجمة المسبقةالملخص
تبحث هذه الدراسة الاستكشافية متعددة الأساليب فيما إذا كان الذكاء الاصطناعي والترجمة الآلية يحلان محل المترجمين البشريين أم أنهما بمثابة أدوات إنتاجية ضمن سير العمل المهني. واستنادًا إلى مراجعة أدبية، ومهمة ترجمة مقارنة، واستطلاع رأي شمل تسعة وأربعون مترجماً محترفاً في جميع أنحاء العراق، والشتات العراقي في أوروبا، والشرق الأوسط، وجدت الدراسة أن الذكاء الاصطناعي يتفوق في السرعة والتكلفة، ولكنه ما يزال دون المستوى في السياق، والأسلوبية، والفروق الثقافية. يفضل معظم المشاركين (88%) استعمال الترجمة الآلية للمسودات الأولية، يتبعه التحرير البشري لاحقا ، مما يشير إلى دور تعاوني للذكاء الاصطناعي بدلًا من دوره الاستبدالي، ويؤكد هذا العنصر المقارن، المتمثل في ترجمة نص إنجليزي واحد من خمسمائة كلمة إلى اللغة الكردية عبر خدمة ترجمة جوجل ومترجم محترف هذه التصورات، فبينما أنتجت الترجمة الآلية مخرجات سلسة إلا أنها فشلت في مراعاة اللهجات والتعبيرات المرتبطة بالثقافة، ونظرًا لصغر حجم العينة وضيق نطاق النصوص المقارنة، ينبغي تفسير النتائج بحذر والنظر إليها على أنها تُولّد فرضيات، فضلا عن ذلك، تُحلل الدراسة مقتطفًا مُترجمًا من خطاب تنصيب باراك أوباما لتوضيح حدود الذكاء الاصطناعي في التعامل مع الأسلوب البلاغي، والفروقات الاصطلاحية، والتكيف الثقافي إجمالًا، وتدعم النتائج عد الذكاء الاصطناعي تقنيةً مُساعدةً تُعزز الخبرة البشرية في الترجمة بدلًا من أن تُستبدل بها.
المراجع
Academia Open. (2023). Ethics in AI-based translation. Indonesia : UMSIDA
Al Sharairi, R. (2025). Review paper on the evolving role of human translators in the age of AI. Pakistan Journal of Life and Social Sciences, 23 (1), 2672–2679. https://doi.org/10.57239/PJLSS-2025-23.1.00210
Bahdanau, D., Cho, K., & Bengio, Y. (2015). Neural machine translation by jointly learning to align and translate. Proceedings of the 3rd International Conference on Learning Representations (ICLR 2015). https://arxiv.org/abs/1409.0473
Bowker, L. (2020). Machine translation and global research: Towards improved machine translation literacy in the scholarly community. Bingley: Emerald.
Burchardt, A., Macketanz, V., Dehdari, J., Heigold, G., Peter, J.-T., & Williams, P. (2017). A linguistic evaluation of rule-based, statistical, and neural machine translation. The Prague Bulletin of Mathematical Linguistics, 108 (1), 159–170. https://doi.org/10.1515/pralin-2017-0017
Castilho, S., Moorkens, J., Gaspari, F., Calixto, I., Tinsley, J., & Way, A. (2017). Is neural machine translation the new state of the art? The Journal of Specialised Translation, (27), 68–88. https://doi.org/10.1515/pralin-2017-0013
D’Halleweyn, H., & Vanroy, B. (2022). Beyond words: Challenges of translating emotions with AI. AI & Society, 37(4), 859–873. https://doi.org/10.1007/s00146-021-01188-y
European Language Industry Survey. (2024). Language service industry trends report. European Commission. https://ec.europa.eu
Forcada, M. L., & Sánchez-Martínez, F. (2021). State-of-the-art in machine translation. Newyork: Springer.
Gaspari, F., Toral, A., Naskar, S., & Way, A. (2021). Machine translation in professional practice. Language Resources and Evaluation, 55(1), 1–15. https://doi.org/10.1007/s10579-020-09512-z
Kenny, D. (2021). Translation technologies and the translator’s role. England: Routledge.
Koponen, M. (2016). Is machine translation post-editing worth the effort? A survey of research into post-editing and effort. The Journal of Specialised Translation, (25), 131-148. https://doi.org/10.26034/cm.jostrans.2016.303
Kruger, J. L. (2022). Subtitles in the 2020s: The influence of machine translation. Journal of Audiovisual Translation, 5(1), 207–225. https://doi.org/10.47476/jat.v5i1.2022.195
Massey, G., & Ehrensberger-Dow, M. (2020). Cognitive approaches to translator training. The Netherlands: John Benjamins.
Mellinger, C., D., & Hanson, T. A. (2020). Machine translation and audiovisual media: A new voice in subtitling. England: Routledge.
Moorkens, J., Doherty, S., Kenny, D., & O’Brien, S. (2015). Post-editing effort: A measure of cognitive load? Translation Spaces, 4(2), 301–322.
O’Hagan, M. (2019). The socio-technical turn in translation studies. Translation Spaces, 8 (1), 1–22. https://doi.org/10.1075/ts.00001.oha
Presas, M., Cid Leal, P., & Torres Hostench, O. (2016). Machine translation implementation among language service providers in Spain: A mixed-methods study. Journal of Research Design and Statistics in Linguistics and Communication Science, 3(1), 126–144. https://doi.org/10.1558/jrds.30331
Pym, A. (2020). On translator ethics: Principles for mediation between cultures. The Netherlands: John Benjamins.
Schaeffer, M., & Carl, M. (2021). Eye-tracking studies of translation and interpreting: Methods and applications. Newyork: Springer.
Toral, A., & Sánchez-Cartagena, V. M. (2017). A multifaceted evaluation of neural versus phrase-based machine translation for nine language directions. Machine Translation, 31 (1–2), 39–78. https://doi.org/10.1007/s10590-017-9198-5
Wang, Y. (2023). Artificial intelligence technologies in college English translation teaching. Journal of Psycholinguistic Research, 52, 1525–1544. https://doi.org/10.1007/s10936-023-09960-5
Wu, Y., Schuster, M., Chen, Z., Le, Q., V., Norouzi, M., Macherey, W., & Dean, J. (2016). Google’s neural machine translation system: Bridging the gap between human and machine translation. arXiv. https://arxiv.org/abs/1609.08144
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2026 مجلة كلية اللغات
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
