Makine Çevirisi (Machine Translation)

Makine çevirisi (MT), anlamı, tonu ve (iyi sistemlerde) kültürel nüansı korurken metnin veya konuşmanın bir kaynak dilden hedef dile otomatik olarak dönüştürülmesidir. Bugün nöral makine çevirisi hâkimdir ve eski istatistiksel/kural tabanlı sistemlerin yerini almıştır; özel çeviri modelleri (Google Translate, DeepL), diller arasında hizalanmış cümle çiftlerinden oluşan devasa paralel derlemler üzerinde eğitilmiş kodlayıcı-kod çözücü transformer mimarileri kullanır, genel amaçlı LLM'ler (GPT-4, Claude, Gemini) de son derece yetkin çevirmenler haline gelmiştir — genellikle nüans, deyim ve bağlam farkında çeviride özel MT sistemlerinden daha iyi performans gösterirler ("kedi köpek yağıyor" ifadesinin gerçek anlamda olmadığını veya bir ürün adının çevrilmemesi gerektiğini anlamak gibi), çünkü daha geniş dünya bilgisi getirirler ve "hukuki bir belge için resmi çevir" veya "gündelik tonu koru" gibi talimatlarla yönlendirilebilirler. SaaS geliştiricileri için neden önemli: çeviri, i18n/yerelleştirme araçlarının (bir ürünün arayüz metinlerini ve pazarlama içeriğini yeni pazarlara otomatik çevirme), gerçek zamanlı sohbet/destek çevirisinin (bir destek temsilcisi ve müşterinin diller arasında konuşabilmesi), video platformları için altyazı yerelleştirmesinin ve sınır ötesi e-ticaretin (ürün listelerini otomatik çevirme) temelini oluşturur. Üretim SaaS'ları için kritik bir ayrım: makine çevirisi hızlı ve ucuzdur ancak marka açısından kritik, hukuki veya tıbbi içerik için asla insan incelemesi olmadan olduğu gibi kullanılmamalıdır — bu alanlardaki ince çeviri hataları gerçek sorumluluk taşır. Somut bir örnek — arayüzünü yerelleştiren bir SaaS ürünü: (1) kod tabanının İngilizce `en.json` dil dosyası `{"dashboard.welcome": "Welcome back, {name}!"}` içerir; (2) bir çeviri işi, her metni ve çevresindeki bağlamı (hangi ekranda göründüğü, bir düğme etiketi mi yoksa tam bir cümle mi olduğu) LLM'e gönderir: "Bu arayüz metnini Türkçeye çevir, {name} yer tutucusunu tam olarak koru ve bir SaaS ürünü panosu için uygun şekilde gündelik tut: 'Welcome back, {name}!'"; (3) model şunu döndürür: `"Tekrar hoş geldin, {name}!"`; (4) metin `tr.json`'a yazılır ancak çeviri yönetim sisteminde `needs_review: true` olarak işaretlenir ve son kullanıcılara gönderilmeden önce anadili konuşan biri tarafından incelenmek üzere bekletilir — yepyeni bir lansman dili için asla ilk günden toplu otomatik boşaltma yapılmaz, çünkü ham, incelenmemiş makine çevirisi sık sık teknik olarak doğru ama katı, aşırı resmi veya ince biçimde "çeviri gibi" okunan, anadili konuşan birinin hemen fark edeceği ve yeni bir pazara girerken güveni ölçülebilir şekilde zedeleyen metinler üretir. Büyük ölçekte yerelleştirme yapan geliştiriciler tipik olarak her şeyi önce bir LLM ile hızlıca toplu çevirir, ardından gerçek yayınlamayı insan incelemesinin arkasına kilitler ve çevrilen içeriğin hepsi birden değil kademeli olarak yayınlanması için inceleme-ve-yayınlama sürecini aşamalandırır.