Virtual Communication and Social Networks

Виртуальная коммуникация и социальные сети

2782-4799 2782-4802

100907

10.21603/2782-4799-2025-4-2-103-114

odirht

Коммуникативистика и когнитивные науки

Communication Studies and Cognitive Sciences

Коммуникативистика и когнитивные науки

Translation in the Age of Artificial Intelligence: Machine Translation Markers in Journalistic Texts

Перевод в эпоху искусственного интеллекта: маркирующие признаки машинного перевода публицистического текста

https://orcid.org/0000-0003-1712-9663

Ким

Лидия Густовна

Kim

Lidiya Gustovna

kimli09@mail.ru

доктор филологических наук;

doctor of philological sciences;

Дерябин

Артем Геннадьевич

Deryabin

Artem Gennad'evich

Кемеровский государственный университет Кемерово Россия Kemerovo State University Kemerovo Russian Federation

Кемеровский государственный университет Kemerovo Россия Kemerovo State University Kemerovo Russian Federation

04 07 2025

4 2 103 114 13 01 2025 16 05 2025

https://jsocnet.ru/en/nauka/article/100907/view

В эпоху активного развития искусственного интеллекта машинный перевод широко применяется в области переводоведения. В статье исследованы варианты машинного перевода фрагментов текста политического дискурса, принадлежащих публицистическому стилю, в контексте изучения потенциала онлайн-переводчиков как одного из составляющих искусственного интеллекта. Предмет – возможности современных программ машинного перевода, их особенности и маркирующие признаки вариантов машинного перевода. Цель – выявить степень эквивалентности диктумно-модусного содержания исходного и переводного текстов посредством сравнительного анализа результатов машинного перевода онлайн-переводчиков Yandex Translate, DeepL, нейронной программы Gemini. Задачи: 1) установить лингвистические факторы исходного текста, которые влияют на степень эквивалентности результатов перевода (лексико-грамматическая сложность исходного текста, контекстуальная насыщенность и культурная специфика); 2) выявить технологические параметры алгоритмов программ машинного перевода, которые определяют качество результатов перевода. Исследование выполнено на материале фрагментов интервью В. В. Путина американскому журналисту Такеру Карлсону от 9 февраля 2024 г. Выбор дискурсивного материала обусловлен наличием стилистически маркированных лексико-фразеологических единиц наряду с нейтральной и книжной лексикой. Установлено наличие разной степени машинности переводных текстов. Алгоритмы машинного перевода демонстрируют различные подходы к обработке и переводу текстов публицистического дискурса, где используются культурные аллюзии, идиомы и фразеологизмы. Так, Gemini демонстрирует наиболее успешную передачу диктумного и модусного содержаний, а DeepL и Yandex Translate в большей мере ориентированы на буквальный способ перевода.

In the Age of Artificial Intelligence, computer-assisted translation and online translation programs have become the main focus of translation studies. The authors investigated machine-translated journalistic texts to reveal the potential of popular machine translation programs and markers of machine translation in political discourse. They compared the dictum and modal content of the original text with its translations made by Yandex Translate, DeepL, and Gemini. The fragments under analysis belonged to the interview that President Vladimir Putin gave to American journalist Tucker Carlson on February 9, 2024. The interview combined stylistically labeled lexical and phraseological units with neutral and bookish vocabulary. First, the original text was analyzed for linguistic factors that could affect the translation equivalence, i.e., lexical and grammatical complexity, contextual saturation, and cultural specificity. After that, the authors identified the technological parameters of the translation algorithms that determined the translation quality. The artificial intelligence programs demonstrated different degrees of machinability of translated texts, as well as different approaches to journalistic discourse with its cultural allusions, and idioms. Gemini proved successful in conveying dictum and modal meanings while DeepL and Yandex Translate demonstrated a word-for-word strategy.

машинный перевод искусственный интеллект маркирующие признаки публицистический дискурс переводоведение

machine translation artificial intelligence markers journalistic discourse translation studies

Алешина О. И., Бронзова Л. И. Особенности и сложности перевода политического дискурса. Современные проблемы права, экономики и управления. 2019. № 2. С. 13–23. https://elibrary.ru/fmztlm

Aleshina O. I., Bronzova L. I. Peculiarities and difficulties of the political discourse translation. Sovremennye problemy prava, ekonomiki i upravleniia, 2019, (2): 13–23. (In Russ.) https://elibrary.ru/fmztlm

Антонова Н. А., Кузьмич И. В. Сравнительный анализ машинного и «ручного» перевода научно-учебного текста: проблемы и решения. Дискурс. 2024. Т. 10. № 4. C. 82–92. https://doi.org/10.32603/2412-8562-2024-10-4-82-92

Antonova N. A., Kuzmich I. V. Comparative analysis: Machine vs human translation of educational scientific texts. Challenges and solutions. Discourse, 2024, 10(4): 82–92. (In Russ.) https://doi.org/10.32603/2412-8562-2024-10-4-82-92

Баканова М. В. Вопросы машинного перевода и обучение лингвистов-переводчиков работе с системами автоматизированного перевода. Проблемы информатики в образовании, управлении, экономике и технике: XV Междунар. науч.-техн. конф. (Пенза, 12–13 ноября 2015 г.) Пенза: Приволжский Дом знаний, 2015. С. 154–157. https://elibrary.ru/uydzex

Bakanova M. V. Issues of machine translation and training linguists-interpreters working with systems of automated translation. Problems of Computer Science in Education, Management, Economics, and Technology: Proc. XV Intern. Sci.-Tech. Conf., Penza, 12–13 Nov 2015. Penza: Privolzhskii Dom znanii, 2015, 154–157. (In Russ.) https://elibrary.ru/uydzex

Балли Ш. Общая лингвистика и вопросы французского языка. М.: Изд-во иностр. лит., 1955. 416 с.

Balli C. General linguistics and French language issues. Moscow: Izd-vo inostr. lit., 1955, 416. (In Russ)

Волкова Е. В., Якунин Р. С. Сравнительный анализ использования нейросетей в переводе (на примере английского и русского языков). Казанская наука. 2024. № 9. С. 287–291. https://elibrary.ru/rhyzzq

Volkova E. V., Yakunin R. S. Comparative analysis of using neural networks in translation (for the example of English and Russian languages). Kazan Science, 2024, (9): 287–291. (In Russ.) https://elibrary.ru/rhyzzq

Голев Н. Д., Ким Л. Г. Диктумно-модусный плюрализм виртуального диалогического дискурса (на материале интернет-комментариев). Медиалингвистика. 2023. Т. 10. № 1. С. 4–26. https://doi.org/10.21638/spbu22.2023.101

Golev N. D., Kim L. G. Dictum-modus pluralism in virtual dialogic discourse (based on Internet comments). Media Linguistics Journal, 2023, 10(1): 4–26. (In Russian) https://doi.org/10.21638/spbu22.2023.101

Гончаров В. В., Мальцева О. Л. Анализ возможности повышения качества машинного перевода на основе технологии нейронных сетей. Человеческий капитал. 2020. № 1. С. 58–63. https://doi.org/10.25629/HC.2020.01.06

Goncharov V. V., Maltseva O. L. Analysis of the possibility of improving the quality of machine transfer based on the neural network technology. Human Capital, 2020, (1): 58–63. (In Russ.) https://doi.org/10.25629/HC.2020.01.06

Гребенюк А. В. Проблемы типологии ошибок машинного перевода: стремление к универсальности vs таргетированность. Вестник Московского университета. Серия 22. Теория перевода. 2024. Т. 17. № 2. С. 7–25. https://doi.org/10.55959/MSU2074-6636-22-2024-17-2-7-25

Grebenyuk A. V. Towards building a taxonomy of machine translation errors: Versatility vs targeted approaches. Vestnik Moskovskogo Universiteta. Seriya 22. Theoria perevoda — Moscow University. Bulletin on Translation Studies. 2024, 17(2): 7–25. (In Russ.) https://doi.org/10.55959/MSU2074-6636-22-2024-17-2-7-25

Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. 2-е изд. М.: ДМК, 2018. 652 с.

Goodfellow I., Bengio Y., Courville A. Deep Learning. 2nd ed. Moscow: DMK, 2018, 652. (In Russ.)

10.

Дроздова К. А. Машинный перевод: история, классификация, методы. Вестник Омского государственного педагогического университета. Гуманитарные исследования. 2015. № 3. С. 156–158. https://elibrary.ru/ugwdad

Drozdova K. A. Machine translation: History, classification, methods. Vestnik Omskogo gosudarstvennogo pedagogicheskogo universiteta. Gumanitarnye issledovaniia, 2015, (3): 156–158. (In Russ.) https://elibrary.ru/ugwdad

11.

Ермолаева А. А. Полисемия в контексте нейронного машинного перевода. Молодой ученый. 2020. № 32. С. 175–177. https://elibrary.ru/klausb

Ermolaeva A. A. Polysemy in the context of neural machine translation. Molodoi uchenyi, 2020, (32): 175–177. (In Russ.) https://elibrary.ru/klausb

12.

Животова А. А., Бердоносов В. Д. Перспективные направления развития систем машинного перевода. Информатика и системы управления. 2022. № 2. С. 116–128. https://elibrary.ru/tzdcvp

Zhivotova A. A., Berdonosov V. D. Perspective directions in the development of machine translation. Informatika i sistemy upravleniia, 2022, (2): 116–128. (In Russ.) https://elibrary.ru/tzdcvp

13.

Камшилова О. Н., Беляева Л. Н. Машинный перевод в эпоху цифровизации: новые практики, процедуры и ресурсы. Terra Linguistica. 2023. Т. 14. № 1. С. 41–56. https://doi.org/10.18721/JHSS.14105

Kamshilova O. N., Beliaeva L. N. Machine translation in the age of digitalization: New practices, procedures and resources. Terra Linguistica, 2023, 14(1): 41–56. (In Russ.) https://doi.org/10.18721/JHSS.14105

14.

Ким Л. Г. Множественная вариативность модусных смыслов в высказываниях адресатов как следствие конфликта интерпретаций (на материале «Словаря событийных концептов Кузбасса»). Сибирский филологический журнал. 2023. № 3. С. 325–337. https://elibrary.ru/lmoepq

Kim L. G. Multiple variability of modus meanings in addressees’ statements resultant from the conflict of interpretations (a case study of the "Dictionary of Kuzbass event concepts"). Sibirskii filologicheskii zhurnal, 2023, (3): 325–337. (In Russ.) https://elibrary.ru/lmoepq

15.

Колосова Т. А. О диктуме и модусе в сложном предложении. Научные доклады высшей школы. Филологические науки. 1979. № 2. С. 47–53.

Kolosova T. A. On dictum and mode in a complex sentence. Nauchnye doklady vysshei shkoly. Filologicheskie nauki, 1979, (2): 47–53. (In Russ.)

16.

Кольцова Д. А., Кольцов С. В. История и развитие машинного перевода. Русский язык и культура в зеркале перевода. 2019. № 1. С. 130–135. https://elibrary.ru/rigjad

Koltsova D. A., Koltsov S. V. History and development of machine translation. Russkii iazyk i kultura v zerkale perevoda, 2019, (1): 130–135. (In Russ.) https://elibrary.ru/rigjad

17.

Королькова С. А., Новожилова А. А. Эффективность систем машинного перевода в урбанистическом дискурсе. Вестник Волгоградского государственного университета. Серия 2: Языкознание. 2021. Т. 20. № 3. С. 87–98. https://doi.org/10.15688/jvolsu2.2021.3.8

Korolkova S. A., Novozhilova A. A. Efficiency of machine translation in urban discourse. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 2. Yazykoznanie, 2021, 20(3): 87–98. (in Russ.) https://doi.org/10.15688/jvolsu2.2021.3.8

18.

Котенко В. В. Перспективы развития нейронного машинного перевода в контексте концепции открытого образования. Ученые записки университета имени П. Ф. Лесгафта. 2020. № 4. С. 225–230. . https://elibrary.ru/hpppec

Kotenko V. V. Prospects for development of neural machine translation in the context of the concept of open education. Uchenye zapiski universiteta imeni P. F. Lesgafta, 2020, (4): 225–230. (In Russ.). https://elibrary.ru/hpppec

19.

Ли Ц. Анализ переводческих решений при передаче речи Си Цзиньпина на ХХ Всекитайском съезде Коммунистической партии Китая на русский язык с использованием переводоориентированного метода. Вестник Московского университета. Серия 22: Теория перевода. 2023. Т. 16. № 2. С. 25–42. https://doi.org/10.55959/MSU2074-6636-22-2023-16-2-25-42

Li J. Analysis of translate XI Jinping’s speech at the 20th National Congress of the Communist Party of China into Russian (by using the translation-oriented method). Vestnik Moskovskogo Universiteta. Seriya 22. Teorija Perevoda, 2023, 16(1): 25–42. (In Russ.) https://doi.org/10.55959/MSU2074-6636-22-2023-16-2-25-42

20.

Линцов Л. А., Кузнецова Т. И., Бабанина Е. Ю. Нейронный перевод: краткая история и перспективы. Успехи в химии и химической технологии. 2023. Т. 37. № 15. С. 90–92. https://elibrary.ru/asmdjq

Lintsov L. A., Kuznetsova T. I., Babanina E. Yu. Neural translation: Brief history and perspectives. Uspekhi v khimii i khimicheskoi tekhnologii, 2023, 37(15): 90–92. (In Russ.) https://elibrary.ru/asmdjq

21.

Минский М. Сообщество разума. М.: АСТ, 2018. 592 с.

Minsky M. The society of mind. Moscow: AST, 2018, 592. (In Russ).

22.

Миньяр-Белоручева А. П., Сергиенко П. И. Особенности цифрового перевода аббревиатур в сфере связей с общественностью. Вестник Московского университета. Серия 22: Теория перевода. 2023. Т. 16. № 1. С. 80–92. https://doi.org/10.55959/MSU2074-6636-22-2023-16-1-80-92

Minyar-Belorucheva A. P., Sergienko P. I. Digital translation of abbreviations in the field of public relations. Vestnik Moskovskogo Universiteta. Seriya 22. Teorija Perevoda, 2023, 16(1): 80–92. (In Russ.) https://doi.org/10.55959/MSU2074-6636-22-2023-16-1-80-92

23.

Нагорный И. А. К вопросу о статусе модально-персуазивной квалификации. Русский литературный язык: номинация, предикация, экспрессия, отв. ред. В. В. Леденев. М.: Международная академия наук педагогического образования. 2002. С. 194–197.

Nagornyi I. A. To the question of the status of modal-persuasive qualification. Russian literary language: nomination, predication, expression, ed. V. V. Ledenev. Moscow: International Academy of Sciences of Pedagogical Education, 2002, 194–197. (In Russ)

24.

Новиков А. В. Об особенностях и принципах работы нейронного машинного перевода. Язык. Культура. Коммуникация: изучение и обучение: VII Междунар. науч.-практ. конф. (Орел, 12–13 октября 2023 г.) Орел: ОГУ имени И. С. Тургенева; Картуш, 2023. С. 252–258. https://elibrary.ru/tcverk

Novikov A. V. Features and working principles of neural machine translation. Language. Culture. Communication: Study and learning: Proc. VII Intern. Sci.-Prac. Conf., Orel, 12–13 Oct 2023. Orel: OSU named after Turgenev; Kartush, 2023, 252–258. (In Russ.) https://elibrary.ru/tcverk

25.

Новиков И. А. О трудностях перевода неологизмов и разностилевых лексико-фразеологических единиц в публичных речах В. В. Путина (на материале французского и английского языков). Вестник Московского университета. Серия 22: Теория перевода. 2023. Т. 16. № 4. С. 120–144. https://doi.org/10.55959/MSU2074-6636-22-2023-16-4-120-144

Novikov I. A. On the difficulties of translation of neologisms and lexical and phraseological units of various styles in Vladimir Putin’s public speeches: A case study of the French and English languages. Vestnik Moskovskogo Universiteta. Seriya 22. Teorija Perevoda, 2023, 16(4): 120–144. (In Russ.) https://doi.org/10.55959/MSU2074-6636-22-2023-16-4-120-144

26.

Тураева З. Я. Лингвистика текста и категория модальности. Вопросы языкознания. 1994. № 3. С. 105–114.

Turaeva Z. Ya. Text linguistics and the category of modality. Voprosy Jazykoznanija, 1994, (3): 105–114. (In Russ.)

27.

Шмелева Т. В. Семантический синтаксис: текст лекций. Красноярск: КГУ, 1988. 54 с.

Shmeleva T. V. Semantic syntax: Lectures. Krasnoyarsk: KSU, 1988, 54. (In Russ.)

28.

Щипицина Л. Ю. Информационные технологии в лингвистике. М.: Флинта, 2013. 128 с. https://elibrary.ru/sdtldf

Shchipitsina L. Yu. Information technologies in linguistics. Moscow: Flinta, 2013, 128. (In Russ.) https://elibrary.ru/sdtldf

29.

De Almeida G., O’Brien S. Analysing post-editing performance: Correlations with years of translation experience. Proceedings of the 14th Annual conference of the European Association for Machine Translation. Saint Raphaël: EAMT, 2010. URL: https://aclanthology.org/2010.eamt-1.19/ (accessed 10 Jan 2025).

30.

Devlin J., Chang M.-W., Lee K., Toutanova K. BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers). Minneapolis: ACL, 2019, 4171–4186. https://doi.org/10.18653/v1/N19-1423