Dil son derece öznel olup, kullanımı bir bölgeden diğerine, hatta kişiden kişiye bile değişebilmektedir. Kelimelerin nasıl kullanıldığı, asıl anlamlarını büyük ölçüde değiştirerek onlara yeni bir derinlik ve anlam kazandırabilir. İnsanlar bu incelikleri yakalamakta oldukça başarılıdır çünkü metnin ne anlatmak istediğini anlamak için sözel olmayan ipuçlarını, tonları ve diğer nüansları okuyabilir. Öte yandan yapay zekâ yazılımı büyük ölçüde nesnel gerçekliğe dayanır, bu da karar vermesini yöneten katı bir dizi kuralı (fiziksel veya matematiksel) izlemesini sağlar.
Geniş çapta veri üzerine kurulu son derece gelişmiş sistemlere olan bu bağımlılık, yapay zekayı bazı konularda çok yetkin kılmaktadır. Ancak dilin katı bir kurallar dizisine indirgenmesi zor olduğundan, geliştiriciler sürekli olarak doğru programlar tasarlamakta zorlanabilirler. Dillerin kuralları olmadığını söylemek yanlış olur; dilbilgisi ve fiil çekimini düşünün, ancak bu kurallar nesnel gerçeklikten değil, gelenekten kaynaklanır. Dilin de evrim geçirdiği düşünüldüğünde, yapay zekayı eğitmeye çalışmak neredeyse imkânsız diyebiliriz. Ayrıca, bir metnin kulağa doğal gelip gelmediğini yalnızca insanlar çözümleyebilir. Makineler anlamsal olarak doğru metinler üretebilir, ancak bu metinler kulağa çok robotik gelebilir ve bu da metni etkisiz hale getirebilir.
Özünde, kültürün, bağlamın ve insan sezgisinin oluşturduğu dilin karmaşıklığı, yapay zekâ için zorlu bir görev olmaya devam etmektedir. Makineler belirli görevlerde üstünlük sağlarken, dilin sanatsallığı ve karmaşık anlatımı kesinlikle insan anlayışının etki alanında kalmaya devam etmektedir.
Makineler, hassasiyetin çok önemli olduğu kapsamlı metinlerin çevirisi gibi bağlamlarda başarılı olsalar da argo veya yerel lehçelerle dolu metinlerde yetersiz kalmaktadırlar. Kültürel nüanslar işleri daha da karmaşık hale getirir; örneğin Almanya ve Japonya gibi ülkelerde iş iletişiminde resmi dil zorunludur ve bu durum genellikle makineler tarafından göz ardı edilir. Bu boşlukları doldurmak için Dil Hizmet Sağlayıcıları (LSP'ler) Makine Çevirisi Sonrası Düzenleme (MTPE) adı verilen hibrit bir yaklaşım kullanmaktadır. Bu yöntemde, makineler ilk çeviri aşamasını gerçekleştirir ve ardından hataları titizlikle düzelten yetenekli dil uzmanları tarafından kontrol edilir. Bu sayede çeviri süreci hızlanır ve insan eli değerek çeviride hem hız hem de doğruluk sağlanır.
Doğal dil teknolojisindeki önemli gelişmelere rağmen, dil algoritmaları taraflı olmaya yönelik endişe verici bir eğilime sahiptir. GPT-3 dil modeline odaklanan yakın tarihli bir çalışma cinsiyetleri tanımlarken kelime seçimlerinde bir taraflılık olduğunu ortaya koymuştur. Kadınlar için genellikle "güzel" gibi dış görünüşle ilgili kelimeler seçilirken, erkekler için "cana yakın" gibi daha genel terimler kullanılmıştır.
Yapay zekadaki önyargının cinsiyetle sınırlı kalmayıp ırkı da kapsadığını da belirtmek oldukça önemli. Örneğin, yüz tanıma yazılımının geliştiricileri, beyaz olmayan yüzleri tanımakta zorlanan algoritmalar geliştirdikleri için eleştiriye maruz kalmışlardır. Her iki durumda da asıl hata makinelerin kendisinde değil, onları eğitmek için kullanılan ve genellikle insan etkileşimlerinde yerleşik olan önyargıları yansıtan verilerdedir.
Yapay zekâ, ne kadar gelişmiş olursa olsun, insan etkileşiminin önemli bir unsurundan yoksundur: mizah. Tümce odaklı istatistiksel sistemlerden sinir ağlarına geçiş, makine tabanlı çeviride önemli bir dönüm noktası olmuş ve hem kaliteyi hem de hızı artırmıştır. Ancak bu ilerleme beraberinde zorlukları da getirmiştir. Sinirsel makine çevirisi geniş veri kümelerine ihtiyaç duyar, ancak mevcut iki dilli metinler genellikle resmî belgelerden ve dini metinlerden kaynaklanır ve konuşma dilinin, kültürel inceliklerin ve kelime oyunlarının neşesinden yoksundur.
Özellikle mizah, zorlu bir engel teşkil etmektedir. İnsan çevirmenler için bile mizah ve imaları yakalamak oldukça karmaşık olabilir, ancak nüanslı anlamları kavramak için bağlam ipuçlarına, beden diline ve kasta başvurabilirler. Öte yandan makineler bu tür sezgilerden yoksundur. Örneğin, Google Translate, bilmediği bir metinle karşılaştığında, bazen akıcı olsa da doğruluk açısından eksik çeviriler sunmakta ve hassasiyet yerine akıcılığı ön plana çıkarmaktadır.
Makine tarafından üretilen çevirilerin anlamı çok daha derindir. Bir çeviri yetersiz kalırsa, sorun genellikle yazılım hatasından çok orijinal metne yüklenir ve bu da yanlış yorumlamalara ve yanlış anlamalara yol açar.
Teknoloji ilerledikçe, bu uçurumu kapatmak sadece bir kolaylık meselesi değil, aynı zamanda etkili bir kültürler arası iletişim için bir gereklilik haline gelmektedir.
Dil çevirisi alanında, Dil Yapay Zekasının ortaya çıkışı şüphesiz çeviri sürecinin hızını ve verimliliğini önemli ölçüde artırarak dikkate değer ilerlemelere yol açmıştır. Ancak mizah, kültürel referanslar ve konuşma diline özgü ifadeler de dahil olmak üzere dilin karmaşık nüansları, makinelerin yeteneklerini zorlamaya devam etmektedir. Akıcı olmalarına rağmen, yapay zekâ algoritmaları, çevirmenlerin sadece kelimeleri değil, aynı zamanda arkalarındaki duyguları ve niyetleri de göz önünde bulundurarak bir mesajın özünü yakalamalarını sağlayan insan sezgisine sahip değildir.
Ayrıca, yapay zekâ algoritmalarındaki taraflılıklar devam etmekte ve geliştirildikleri verilerde mevcut olan önyargıları yansıtarak çeviri süreçlerinde etik kaygıları artırmaktadır. Ek olarak, tek bir kelimenin ton ve bağlama göre birden fazla anlam taşıyabildiği dilin bağlama duyarlı doğası, yapay zekâ sistemlerinin henüz çözemeyeceği kadar karmaşıktır.
Dil yapay zekâsı değerli bir araç olsa da şu anda en etkili ve doğru çevirileri sunan, insan uzmanlığı ve teknolojik yardım arasındaki iş birliğidir. İnsan çevirmenler kültürel anlayış, bağlamı kavrama ve makinelerin şu an için taklit edemediği ince dil nüanslarını ayırt etme becerisine sahiptir. Teknoloji ilerledikçe, insan çevirmenler ve yapay zekâ arasındaki iş birliğinin gelişmesi ve çeviri alanını geliştirmesi oldukça muhtemeldir. Yine de insan sezgisi ve anlayışının yeri doldurulmaz. Dil Yapay Zekâsı çoğu sektörde yardımcı ve etkili olsa da yakın zamanda insan çevirmenlerin yerini almayacaktır.
Kaynakça
https://www.igi-global.com/pdf.aspx?tid=222826&ptid=200953&ctid=4&oa=true&isxn=9781522568926
https://industrytoday.com/7-reasons-why-machines-cannot-replace-human-translators/
https://www.weforum.org/agenda/2018/10/3-reasons-why-ai-wont-replace-human-translators-yet/