ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ИНСТИТУЦИОНАЛЬНОМ УСТНОМ ПЕРЕВОДЕ

АННОТАЦИЯ

Проникновение технологий искусственного интеллекта (ИИ) в сферу устного институционального перевода влечет за собой не только ряд собственно переводческих, но и правовых вызовов, связанных с защитой данных, управлением способностью нейросети к обучению, разрешением споров в случае наступления юридической ответственности. Низкие результаты, полученные в исследовании качества выполненного ИИ устного перевода на основе экзаменационных критериев ООН (недобор 32-39% до проходного балла), свидетельствуют все же о непригодности полностью автоматизированного устного перевода на основе ИИ для многоязычных мероприятий, по крайней мере в обозримой перспективе. Вместе с тем профессия устного переводчика требует адаптации к новым технологиям, что необходимо учитывать в том числе при подготовке будущих лингвистических специалистов.

ABSTRACT

The advancement of AI-powered solutions in institutional conference interpreting is associated with an array of both interpreter-related and legal challenges, with data protection, machine-learning vulnerabilities, and potential incurred liabilities listed among the major concerns. Poor quality of AI interpreting assessed by UN interpreter certification score (lowest acceptable grade unmet by 32 to 39%) suggests that in the foreseeable future fully automated AI interpreting yet leaves a lot to be desired in the multilingual conference setting. Nevertheless, interpreters should be well-versed in the cutting-edge technologies, which is all the more a matter of concern for universities to incorporate the new knowledge in the degree programs for language professionals.

Ключевые слова: искусственный интеллект, устный перевод, аугментированный перевод, институциональный перевод.

Keywords: artificial intelligence, conference interpreting, augmented interpreting, institutional interpreting.

Применение вычислительных технологий в письменном переводе считается давно укоренившейся практикой. Программы машинного перевода позволяют сократить временные затраты, повысить производительность, сохраняя единообразие терминологии за счет функции автоматической подстановки повторов. Однако в устном синхронном переводе (УСП) эти преимущества очевидным образом утрачиваются в связи с требованием речепорождения hic et nunc [1, c. 245] с отступом в несколько слов [2, c. 16].

Основным стимулом развития УСП на базе ИИ является стремление к финансовой оптимизации. Так, в 2022 году затраты ЕС на услуги штатных и внештатных специалистов по письменному и устному переводу превысили 1 млрд. евро [3].

В феврале 2025 года в Брюсселе состоялось очередное заседание конференции Interpreting Europe 2025, организованной Генеральным директоратом устного перевода Европейской комиссии (ГДУП ЕК) [4]. Благодаря гибридному формату заседание посетили почти полторы тысячи специалистов (400 очно и более 1000 онлайн) – профессиональных переводчиков, исследователей, программистов, преподавателей перевода и студентов. Основная тема конференции в этом году была сформулирована как «Использование искусственного интеллекта в аугментированном устном переводе» (‘Artificial Intelligence for Augmented Interpretation’).

Во всех сессиях основной акцент был сделан на том, что ИИ призван служить инструментом поддержки и повышения квалификации переводчиков и ни в коем случае не должен заменять человеческий перевод. Главный устный переводчик и руководитель отдела устного перевода Совета Европы Салли Бейли-Рейвет сообщила об опыте ограниченного применения системы генерации устного перевода на основе нейросетей и ИИ в рамках некоторых заседаний. Если не вслушиваться в смысл порождаемого ИИ перевода, то он звучит вполне приемлемо и достойно, создавая лишь иллюзию благонадежности. При тщательном разборе отмечались упущения эмоциональных оттенков и импликаций, присутствовавших в оригинальном выступлении. Зачастую выявлялись искажения смысла, особенно в контекстах, где речь шла о нетривиальной информации, которую ИИ стремился стандартизовать согласно расхожему стереотипу. Камнем преткновения в устранении этих технических недочетов является отсутствие у ИИ критического мышления и способности к самокритике.

Кроме того, использование полностью автоматизированного УСП на базе ИИ наталкивается на ряд существенных этических и правовых препятствий, которые на сегодняшний день не имеют однозначного и всесторонне удовлетворительного решения. Речь идет о таких вопросах как обеспечение конфиденциальности, соблюдение законодательства об обработке персональных данных, предсказуемость механизмов обучения ИИ, ответственность за ошибки в автоматизированном переводе, повлекшие за собой репутационные риски или финансовые потери, предотвращение предвзятости и формирования квазимонополии ИИ.

Участники конференции связывали будущее ИИ в сфере УСП прежде всего с его ролью в качестве дополнительного механизма, поддерживающего работу переводчика. Среди наиболее полезных функций упоминались оценка прецизионности перевода и предоставление переводчику «обратной связи» в виде отчета о неточностях, некорректно построенных фразах, ошибках в произношении, недостатков подачи и т.д. Высказывались пожелания использовать ИИ в качестве дополнительного поискового модуля для слов и выражений, которые вызывают затруднение при УСП, с функцией автоматической активации через таймер паузы хезитации. Подсказки могли бы появляться в интерфейсе виртуальной кабины или на компьютере переводчика в формате всплывающих сообщений.

Как справедливо отметила в приветственной речи Генеральный директор ГДУП ЕК Дженовева Руис Калавера, поскольку ИИ в институциональном УСП уже стал неотъемлемой частью реальности, университетские программы подготовки молодых специалистов должны быть адаптированы к новым технологиям [Там же].

В мае 2025 года переводчики отдела устного перевода Всемирной организации здравоохранения (ВОЗ) подготовили внутренний отчет о перспективах использования платформы автоматизированного перевода WORLDLY (‘Report on WORLDLY AI Interpretation’) на все шесть официальных языков ООН с целью оценить качество перевода и сопутствующие репутационные риски. Отобранные речи, представленные на Всемирной ассамблее здравоохранения 2024 года, должны были отвечать специальным критериям, таким как высокая скорость подачи, наличие акцента, прецизионной и культурно чувствительной информации, аббревиатур и идиоматических выражений. Критерии оценки качества были разработаны на основе требований конкурсных экзаменов ООН. Проходной балл составлял 75%.

По всем шести языкам в автоматическом переводе присутствовали репутационные риски (от 1 до 9 на одну речь). Средний итоговый балл в переводах с английского языка составил 46% и 51% в переводах на английский язык. Отмечались сложности с определением языка оригинала и переключением между языками, что приводило к пропуску в переводе первых 1–2 предложений (среднее время задержки составило 32 секунды, по сравнению с интервалом около 5 секунд в работе переводчика-человека). Превышение времени декалажа в сочетании с общей монотонной и неэмоциональной подачей создавало дополнительный дискомфорт в восприятии перевода.

Особую трудность для ИИ представляли собственные имена должностных лиц и географические названия. В отличие от переводчика-человека, способного опираться на контекст или опускать незнакомое имя, заменяя его на должность или иное уважительное обращение, ИИ допускал ошибки. Серьезные искажения также коснулись прецизионной числовой информации и медицинской терминологии [5].

Данное исследование стало дополнительным доказательство того, что УСП на базе ИИ по-прежнему находится на стадии экспериментальной разработки и не пригоден для использования в условиях многоязычных мероприятий. Следовательно, адаптация учебных программ подготовки устных переводчиков к новым технологиям позволит обеспечить будущее данной профессии, сохранить ее «человеческий» облик и избежать «цифрового вандализма».

Список литературы:

1. Fantinuoli Cl., Prandi B. Towards the evaluation of automatic simultaneous speech translation from a communicative perspective // Proceedings of the 18th International Conference on Spoken Language Translation (Bangkok, Thailand, August 5-6, 2021). – 2021. – P. 245–254.
2. Алексеева, И. С. Введение в перевод введение: учеб. для вузов. – СПб.: Филологический факультет СПбГУ; М.: Издательский центр «Академия», 2004. – 368 с.
3. Katsarova I. Multiligualism: The Language of the European Union. PE 642.207. 01.04.2022 / [Электронный ресурс]. – Режим доступа: URL: https://www.europarl.europa.eu/RegData/etudes/BRIE/2019/642207/EPRS_BRI(2019)642207_EN.pdf (дата обращения 24.09.2025).
4. Interpreting Europe Conference 2025. 31.02.2025 / [Электронный ресурс]. – Режим доступа: URL: https://commission.europa.eu/get-involved/events/interpreting-europe-conference-2025-02-06_en#event-media (дата обращения 24.09.2025).
5. Report on WORLDLY AI Interpretation. World Health Organization 2025. 29.05.2025 / [Электронный ресурс]. – Режим доступа: URL: https://colinguarsi.com/wp-content/uploads/2025/08/WHO-report-on-AI-interpreting.pdf (дата обращения 29.09.2025).