دستیار هوش مصنوعی در ترجمهٔ کتاب؛ از پرسش دقیق تا بازبینی متن
سه مثال برای سنجیدن اصطلاح، لحن و معنا در پیشنهادهای دستیار؛ همراه با روش بازبینی در واژه‌چین و نگاهی به پژوهش‌های ترجمه.
گاهی مسئلهٔ مترجم پیدا کردن معنی یک واژه نیست؛ انتخاب میان دو برداشت ممکن از یک جمله است. گاهی هم ترجمه از نظر دستور درست به نظر می‌رسد، اما لحن شخصیت یا میزان قطعیت متن اصلی را تغییر داده است. در چنین موقعیت‌هایی، می‌توان پیشنهاد دستیار هوش مصنوعی را به بخشی از فرایند بررسی متن تبدیل کرد: مسئله را مشخص کنیم، پیشنهاد را کنار متن اصلی بگذاریم و دربارهٔ آن تصمیم بگیریم.
واژه‌چین (Vajechin) فضای کار آنلاین مترجمان کتاب است و دستیار هوش مصنوعی آن بخشی از همین فضای کار است. این راهنما دربارهٔ روش بررسی پیشنهاد دستیار در تصمیم‌های ترجمه است؛ نه آموزش دوبارهٔ تمام ابزارهای محیط کار و نه گزارشی از سرعت یا دقت محصول.
در ادامه، سه مسئلهٔ ترجمه را با مثال بررسی می‌کنیم: ابهام و اصطلاح، انتخاب لحن، و تشخیص تغییر معنا. برای آشنایی با محیط و مسیر شروع کار، می‌توانید راهنمای شروع کار با واژه‌چین را بخوانید.
دربارهٔ مثال‌ها: جمله‌های انگلیسی، درخواست‌ها و تحلیل‌های فارسی این مقاله برای آموزش نوشته شده‌اند. آن‌ها نقل‌قول از یک کتاب، پاسخ ثبت‌شدهٔ دستیار واژه‌چین یا نتیجهٔ آزمایش محصول نیستند.
مرز امکانات فعلی: دستیار در فضای کار واژه‌چین برای بند انتخاب‌شده، گزینه‌های «ترجمه»، «بهبود ترجمه» و «اصلاح نشانه‌گذاری» دارد. متن درخواست‌های آموزشی زیر کادر گفت‌وگوی آزاد در محصول نیست و نباید آن‌ها را به‌عنوان فرمان‌های قابل ارسال در رابط فعلی تلقی کرد. مترجم می‌تواند با این پرسش‌ها پیشنهاد را خودش ارزیابی کند؛ پیشنهاد دستیار تا زمان تأیید، متن ترجمه را تغییر نمی‌دهد.
هنگام دیدن پیشنهاد دستیار چه چیزی را بررسی کنیم؟
پیشنهاد ما این است که هر بار یک مسئلهٔ روشن را بررسی کنید. در واژه‌چین، پس از انتخاب بند می‌توانید از عمل‌های موجود، مانند «ترجمه» یا «بهبود ترجمه»، پیشنهاد بگیرید. هنگام ارزیابی آن، پرسشی مانند «آیا در این ترجمه میزان تردید گوینده تغییر کرده است؟» معیار بررسی را روشن می‌کند.
برای صورت‌بندی پرسش بررسی، چهار جزء را کنار هم قرار دهید: متن مورد بررسی، زمینهٔ لازم، مسئلهٔ مشخص و شکل پاسخ مورد انتظار. برای نمونه:
این جمله بخشی از گفت‌وگوی دو شخصیت است. گوینده از پاسخ قطعی طفره می‌رود. دو ترجمهٔ پیشنهادی را از نظر حفظ همین تردید مقایسه کن؛ فعلاً جملهٔ تازه‌ای ننویس و برای هر تفاوت به بخشی از متن اشاره کن.
این یک الگوی آموزشی برای صورت‌بندی مسئله است، نه نام یک قابلیت، فرمان یا ورودی قابل ارسال در رابط فعلی واژه‌چین. آن را هنگام بازبینی پیشنهاد یا استفاده از ابزاری با ورودی آزاد به کار ببرید. همچنین فرض نکنید دستیار خودبه‌خود به کل کتاب دسترسی دارد؛ در واژه‌چین عمل فعلی بر بند انتخاب‌شده و، برای بهبود ترجمه، متن ترجمهٔ همان بند تکیه دارد.
مثال اول: اصطلاح را از معنی تحت‌اللفظی جدا کنیم
این جملهٔ آموزشی را در نظر بگیرید:
After the meeting, she decided to sleep on the offer.
در خوانش اصطلاحی این مثال، منظور خوابیدن روی یک پیشنهاد نیست؛ شخصیت تصمیم را به بعد موکول می‌کند تا بیشتر فکر کند. دو برگردان پیشنهادی برای مقایسه داریم:
«بعد از جلسه، تصمیم گرفت یک شب دیگر دربارهٔ پیشنهاد فکر کند.»
«بعد از جلسه، تصمیم گرفت تصمیم‌گیری دربارهٔ پیشنهاد را به فردا موکول کند.»
برگردان نخست بر فکر کردن تأکید می‌کند و دومی بر عقب انداختن تصمیم. انتخاب میان آن‌ها به زمینهٔ روایت بستگی دارد. پرسش آموزشی برای سنجیدن پیشنهاد می‌تواند چنین باشد:
عبارت sleep on the offer را در این جمله توضیح بده. سپس تفاوت معنایی دو برگردان فارسی را بررسی کن. اگر بدون جمله‌های اطراف نمی‌توانی یکی را ترجیح بدهی، همان محدودیت را مشخص کن.
در بازبینی پیشنهاد، توجه کنید آیا برای شخصیت انگیزه‌ای ساخته شده که در متن نیست؛ مثلاً آیا دستیار تردید، ترس یا مخالفتی را به او نسبت داده که جمله نشان نمی‌دهد؟ پیشنهاد مفید باید مرز میان معنی عبارت و حدس دربارهٔ موقعیت را روشن نگه دارد.
در ترجمهٔ اصطلاح‌ها، طبیعی به نظر رسیدن یک عبارت فارسی به‌تنهایی کافی نیست. پژوهش FFE-Hallu که در سال ۲۰۲۶ منتشر شد، تولید، تشخیص و ترجمهٔ عبارت‌های اصطلاحی فارسی را بررسی کرد و در مدل‌های آزموده‌شده، دشواری در تشخیص عبارت‌های ساختگی و خطا در ترجمه را گزارش داد.[۱] بنابراین، اگر پیشنهادی به‌عنوان «ضرب‌المثل رایج فارسی» ارائه شد، رواج و معنی آن را مستقل بررسی کنید. این یافته دربارهٔ مدل‌های آن پژوهش است، نه ارزیابی دستیار واژه‌چین.
مثال دوم: تفاوت لحن را ببینیم، نه فقط تفاوت واژه‌ها
جملهٔ آموزشی دوم:
“You could have told me,” she said, folding the letter.
دو پیشنهاد فارسی:
«می‌توانستی به من بگویی»، در حالی که نامه را تا می‌کرد، گفت.
«خب می‌گفتی به من»، نامه را تا کرد و گفت.
پیشنهاد نخست رسمی‌تر است؛ دومی محاوره‌ای‌تر و تا حدی گلایه‌آمیزتر به نظر می‌رسد. تغییر ترتیب روایت نیز ممکن است بر ریتم جمله اثر بگذارد. هنگام بررسی عمل «بهبود ترجمه»، به‌جای پذیرفتن خودکار نسخهٔ تازه، می‌توان پرسید:
این دو برگردان را از نظر رسمیت، شدت گلایه و ترتیب کنش‌ها مقایسه کن. مشخص کن کدام تفاوت از متن انگلیسی می‌آید و کدام حاصل انتخاب مترجم است. بدون افزودن توضیح دربارهٔ احساس شخصیت پاسخ بده.
در این مثال، مسئله فقط انتخاب واژه نیست. آیا گوینده در فصل‌های قبلی هم همین‌قدر محاوره‌ای حرف می‌زند؟ آیا ترجمهٔ «خب» چیزی به جمله اضافه می‌کند؟ آیا جابه‌جایی کنش و گفتار با سبک روایت سازگار است؟ این‌ها پرسش‌هایی هستند که باید همراه با بخش‌های دیگر کتاب بررسی شوند.
برای بررسی گسترده‌تر این موضوع، مقالهٔ به‌کارگیری هوش مصنوعی برای تشخیص لحن و سبک نگارش نویسنده مسیر جداگانه‌ای را دنبال می‌کند. در اینجا هدف، محدودتر است: مقایسهٔ یک تصمیم مشخص در ترجمه و توضیح دلیل آن.
پژوهش Zhang و همکاران در سال ۲۰۲۵، در مجموعهٔ ادبی ارزیابی‌شدهٔ خود، برتری ترجمه‌های انسانی منتشرشده را گزارش کرد و خروجی مدل‌ها را تحت‌اللفظی‌تر و کم‌تنوع‌تر یافت.[۲] این نتیجه دربارهٔ همان مجموعه و روش ارزیابی است؛ برای کار روزمره، یادآور می‌شود که روانی ظاهری یک پیشنهاد را با حفظ صدای نویسنده یکی ندانیم.
مثال سوم: تغییر میزان قطعیت را پیدا کنیم
متن اصلی آموزشی:
He could hardly believe that the letter had arrived.
پیش‌نویس فارسی:
«او باور نمی‌کرد که نامه رسیده است.»
در تحلیل این مثال، «باور نمی‌کرد» ممکن است از متن انگلیسی قطعی‌تر باشد. عبارت could hardly believe بیشتر دشواری در باور کردن یا شگفتی شدید را می‌رساند. یک گزینهٔ دیگر برای بررسی این است:
«به‌سختی باورش می‌شد که نامه رسیده است.»
پرسش آموزشی برای بازبینی پیشنهاد:
متن انگلیسی و پیش‌نویس فارسی را فقط از نظر میزان قطعیت و حالت گوینده بررسی کن. آیا چیزی حذف، اضافه یا قطعی‌تر شده است؟ ابتدا مسئله را توضیح بده؛ سپس حداکثر دو اصلاح پیشنهاد کن.
پس از خواندن پاسخ، دوباره به متن اصلی برگردید. آیا مشکل واقعاً وجود دارد؟ آیا اصلاح پیشنهادی همان مشکل را حل می‌کند یا ریتم و لحن جمله را هم بدون نیاز تغییر می‌دهد؟ این روش کمک می‌کند هدف بازبینی را محدود نگه دارید: اصلاح یک تفاوت مشخص، نه بازنویسی بی‌دلیل تمام بند.
همین الگوی بررسی را می‌توانید برای نفی، زمان فعل، مرجع ضمیر و حذف یا افزودن اطلاعات به کار ببرید. معیار پذیرش پیشنهاد، دلیل قابل بررسی در متن است، نه صرفاً اطمینان لحن پاسخ.
یک روش عملی برای کار در واژه‌چین
متن اصلی و پیش‌نویس را کنار هم بخوانید و پیش از استفاده از دستیار، مسئله را برای خودتان نام‌گذاری کنید: «ابهام اصطلاح»، «تغییر لحن» یا «شدت قطعیت». بند مبدأ را انتخاب کنید و عمل مناسب را از ابزار فعلی برگزینید؛ برای «بهبود ترجمه» باید بند ترجمه نیز موجود و قابل ویرایش باشد. پرسش‌های بالا راهنمای ارزیابی شما هستند، نه متن قابل ارسال در این رابط.
پیشنهاد ابتدا برای بازبینی نمایش داده می‌شود و تا وقتی آن را اعمال نکنید، متن ترجمه تغییر نمی‌کند. پس از مقایسه با متن مبدأ، می‌توانید آن را اعمال یا رد کنید و، در صورت داشتن دسترسی ویرایش، متن پیشنهاد را پیش از اعمال اصلاح کنید. پیشنهاد ما این است که برای تصمیم‌های مهم یا تکرارشونده، دلیل انتخاب را در یادداشت همان بخش ثبت کنید. واژه‌چین در کنار نمایش متن اصلی و ترجمه، امکان ویرایش و یادداشت‌گذاری در فرایند بازبینی را فراهم می‌کند؛ می‌توانید این کار را در همان روند ترجمه دنبال کنید.
برای اصطلاحی که در سراسر کتاب تکرار می‌شود، ثبت دلیل انتخاب به‌اندازهٔ ثبت خود معادل مهم است. مثلاً بنویسید چرا یک واژه را در گفت‌وگو محاوره‌ای و در روایت رسمی‌تر ترجمه کرده‌اید. این توصیهٔ کاری را با وجود یک «واژه‌نامهٔ خودکار» یا «حافظهٔ ترجمه» در محصول یکی ندانید؛ منظور، ثبت آگاهانهٔ تصمیم مترجم است.
برای آشنایی با مسیر کامل پروژه، از ورود فایل تا بازبینی و خروجی، صفحهٔ فضای کار ترجمهٔ کتاب برای مترجمان را ببینید. امکانات و محدودیت‌های دسترسی را نیز در حساب و طرح فعلی خود بررسی کنید؛ در این مقاله سهمیه یا دسترسی نامحدود وعده داده نمی‌شود.
پژوهش‌ها چه می‌گویند؟
نتیجهٔ پژوهش دربارهٔ «ترجمهٔ تولیدشده توسط مدل» را نباید بدون توضیح به «کمک گرفتن موردی از یک دستیار» تعمیم داد. این دو شیوهٔ کار یکسان نیستند و ممکن است به معیارهای متفاوتی برای ارزیابی نیاز داشته باشند.
در پژوهش Extending CREAMT در سال ۲۰۲۵، مترجمان ادبی حرفه‌ای ترجمه‌های تولیدشده با مدل‌های زبانی را پس‌ویرایش کردند. نویسندگان در شرایط مطالعه، کاهش زمان ویرایش در مقایسه با ترجمهٔ انسانی و سطح مشابهی از خلاقیت را گزارش کردند.[۳] این پژوهش، آزمون دستیار واژه‌چین یا تضمین نتیجه برای ترجمهٔ انگلیسی به فارسی نیست.
در کنار آن، پژوهش ارزیابی ترجمهٔ ادبی نشان می‌دهد روش سنجش و تجربهٔ ارزیاب بر داوری کیفیت اثر می‌گذارد.[۲] پژوهش فارسی FFE-Hallu نیز مسئلهٔ دیگری را بررسی می‌کند: عبارت‌های اصطلاحیِ ظاهراً باورپذیر اما نادرست.[۱] این مطالعات پاسخ یک سؤال واحد نیستند و نباید اعداد یا نتیجه‌هایشان را به‌صورت یک وعدهٔ کلی کنار هم گذاشت.
جمع‌بندی پیشنهادی برای مترجم این است: ارزش دستیار را در یک کار مشخص بسنجید. آیا پاسخ، ابهامی را روشن کرده است؟ آیا پیشنهادش با متن سازگار است؟ آیا برای قبول یا رد آن دلیل دارید؟ این مقاله دربارهٔ زمان صرفه‌جویی‌شده یا دقت واژه‌چین عددی ارائه نمی‌کند.
پیش از ارسال متن و پذیرش پاسخ
برای تمرین، از متن تألیفی، نمونهٔ مجاز یا بخشی استفاده کنید که اجازهٔ پردازش آن را دارید. پیش از وارد کردن دست‌نوشتهٔ محرمانه، توضیحات فعلی محصول دربارهٔ پردازش و نگهداری داده را بخوانید و روشن کنید چه بخشی از متن به سرویس هوش مصنوعی فرستاده می‌شود. این مقاله دربارهٔ عدم نگهداری، عدم استفادهٔ آموزشی یا پردازش کاملاً محلی ادعایی ندارد.
در مورد منابع هم پاسخ دستیار را نقطهٔ پایان تحقیق ندانید. اگر نام کتاب، نقل‌قول، اصطلاح تخصصی یا یک توضیح تاریخی پیشنهاد شد، اصل منبع را بررسی کنید. برای پذیرش تغییر در ترجمه، از خود بپرسید: «این پیشنهاد را به دلیل شواهد متن می‌پذیرم، یا فقط چون خوش‌خوان به نظر می‌رسد؟»
پرسش‌های رایج
برای بررسی بهتر، به چه زمینه‌ای توجه کنم؟
پیشنهاد این راهنما، توجه به مسئله‌ای مشخص و زمینهٔ لازم برای داوری است. جملهٔ قبل و بعد، رابطهٔ شخصیت‌ها یا معادل انتخاب‌شده در فصل‌های قبلی ممکن است برای تصمیم خودتان مرتبط باشد. در رابط فعلی دستیار واژه‌چین، ورودی آزاد برای افزودن این زمینه وجود ندارد؛ فرض نکنید متن کامل فایل به عملِ بند انتخاب‌شده داده می‌شود.
آیا پاسخ روان یعنی ترجمه درست است؟
خیر. در مثال سوم دیدیم که یک جملهٔ فارسی می‌تواند روان باشد اما میزان قطعیت متن اصلی را تغییر دهد. در بازبینی، دقت معنایی، لحن و هماهنگی با بخش‌های دیگر کتاب را جداگانه بررسی کنید.
با یک پیشنهاد نامناسب چه کنم؟
مشکل را مشخص کنید: آیا لحن شخصیت محاوره‌ای‌تر شده یا زمان فعل تغییر کرده است؟ می‌توانید پیشنهاد را رد کنید، نسخهٔ تازه بگیرید، یا در صورت داشتن دسترسی ویرایش، متن پیشنهادی را پیش از اعمال اصلاح کنید. درخواست آزاد برای «دو انتخاب رسمی‌تر» در رابط فعلی وجود ندارد.
از یک بند کوتاه شروع کنید
برای آشنایی با دستیار، لازم نیست نخست یک فصل کامل را وارد فرایند بررسی کنید. یک بند مجاز انتخاب کنید و، اگر می‌خواهید ترجمهٔ موجود را بهبود دهید، پیش‌نویس خودتان را بنویسید. سپس عمل مربوط را انتخاب کنید، پیشنهاد را کنار متن بگذارید و دلیل پذیرش، اصلاح یا رد آن را مشخص کنید.
در واژه‌چین، هدف این است که متن اصلی، ترجمه، یادداشت‌ها و دستیار را در فضای کار مترجم دنبال کنید. برای شروع، راهنمای کار با واژه‌چین را ببینید و هنگام ورود به حساب، امکانات در دسترس طرح خود را بررسی کنید.
برای مرور تفاوت نقش‌ها نیز مقالهٔ ترجمهٔ انسانی، ماشینی و AI چه تفاوتی دارند؟ مکمل این راهنمای عملی است.
منابع پژوهشی
[۱] Hosseini, F., Yousefzadeh, M., & Yaghoobzadeh, Y. (2026). FFE-Hallu: Hallucinations in Fixed Figurative Expressions: A Benchmark of Idioms and Proverbs in the Persian Language. EACL 2026. صفحهٔ مقاله
[۲] Zhang, R., Zhao, W., & Eger, S. (2025). How Good Are LLMs for Literary Translation, Really? Literary Translation Evaluation with Humans and LLMs. NAACL 2025. صفحهٔ مقاله
[۳] Castaldo, A., Castilho, S., Moorkens, J., & Monti, J. (2025). Extending CREAMT: Leveraging Large Language Models for Literary Translation Post-Editing. Machine Translation Summit XX. صفحهٔ مقاله
