حتی اگر فرض کنیم هوش مصنوعی از نظر دقت واژگانی، دستور زبان، بافت و روانی به مترجم انسانی نزدیک یا حتی برتر شود، هنوز مسئله‌ای باقی می‌ماند: ترجمه اساساً یک مسئله‌ی انتخاب و تفسیر است، نه فقط بازسازی اطلاعات متن مبدأ.بگذارید با چند مثال واقعاً دشوار نشان بدهم.
۱. سخت‌ترین مسئله: وقتی «معنی» یکی نیست
فرض کنیم نویسنده می‌نویسد:
He was a decent man, by the standards of his time.
یک مدل بسیار خوب احتمالاً چیزی شبیه این می‌دهد:
«او، با معیارهای زمانه‌ی خودش، مرد شریفی بود.»
اما منتقد ترجمه باید مکث کند.
چرا decent؟
اگر نویسنده می‌خواست بگوید «شریف»، می‌توانست بگوید honourable.
اگر می‌خواست «اخلاقی» بگوید، می‌توانست moral بنویسد.
decent عمداً مبهم‌تر است.
حالا عبارت:
by the standards of his time
ممکن است فقط یک توضیح تاریخی نباشد؛ می‌تواند یک کنایه‌ی اخلاقی باشد.
مثلاً راوی دارد درباره‌ی شخصیتی صحبت می‌کند که امروز رفتارهایش غیراخلاقی تلقی می‌شود، اما راوی نمی‌خواهد او را مستقیماً محکوم کند.
پس:
«او با معیارهای زمانه‌ی خودش مرد شریفی بود.»
ممکن است بیش از متن مبدأ معنا تولید کند.
اما:
«او، با معیارهای زمانه‌ی خودش، آدم بدی نبود.»
چیز دیگری است.
و:
«او به معیارهای روزگار خودش مردی درست‌وحسابی بود.»
باز چیز دیگری است.
اینجا مشکل AI چیست؟
AI باید تصمیم تفسیری بگیرد.
اما هیچ «معادل درست نهایی»ای در متن وجود ندارد که ماشین بتواند آن را استخراج کند.
این همان جایی است که نگاه‌هایی مثل نگاه Walter Benjamin اهمیت پیدا می‌کند. در The Task of the Translator، ترجمه کپی‌برداری از یک معنای ثابت نیست؛ مترجم باید در زبان مقصد نوعی «پژواک» از متن اصلی ایجاد کند. (Germanic Languages & Literatures)
یعنی سؤال این نیست:
What does this sentence mean?
بلکه گاهی سؤال این است:
What should this sentence become in Persian?
این دو سؤال زمین تا آسمان فرق دارند.
۲. مثال سخت‌تر: جایی که ترجمه باید «چیزی را عمداً از دست بدهد»
این جمله را ببینید:
He smiled the smile of a man who had already lost.
ترجمه‌ی ساده:
«او لبخند مردی را زد که از پیش شکست خورده بود.»
اما این جمله از نظر سبک انگلیسی یک تکرار معنادار دارد:
smiled the smile
حالا مترجم فارسی چند انتخاب دارد:
گزینه ۱
«او لبخند مردی را زد که از پیش شکست خورده بود.»
طبیعی‌تر.
گزینه ۲
«لبخندی زد؛ لبخند مردی که از پیش باخته بود.»
ریتم و تکرار را بیشتر حفظ می‌کند.
گزینه ۳
«لبخندش، لبخند مردی بود که می‌دانست پیشاپیش باخته است.»
از نظر فارسی طبیعی‌تر، اما ساختار اصلی تغییر کرده.
هیچ الگوریتمی نمی‌تواند صرفاً با محاسبه‌ی «درستی معنایی» بگوید گزینه‌ی دوم بهتر است.
چرا؟
چون اینجا فرم خودش حامل معناست.
و این دقیقاً به مسئله‌ای مربوط می‌شود که Berman درباره‌ی آن هشدار می‌دهد: ترجمه می‌تواند با عقلانی‌سازی، روشن‌سازی، نابودی الگوهای زبانی و ریتم، چیزی از متن را از بین ببرد. این «deforming tendencies» یکی از محورهای اصلی نظریه‌ی اوست. (Kata)
۳. حالا یک مثال واقعاً خطرناک: ابهام عمدی
فرض کنید در یک رمان آمده:
She knew what he had done.
دو صفحه بعد می‌فهمیم که:
او می‌داند مرد خیانت کرده؛
اما هنوز نمی‌دانیم آیا مرد می‌داند که او می‌داند یا نه.
مترجم انسانی ممکن است آگاهانه همان ابهام را حفظ کند:
«می‌دانست چه کرده است.»
اما یک مدل ممکن است با توجه به بافت، چیزی را روشن‌تر کند:
«می‌دانست که او چه کرده است.»
یا حتی در بازنویسی:
«می‌دانست چه کار کرده بود.»
تفاوت کوچک است، اما در رمان ممکن است اطلاعات روایی را تغییر دهد.
این نکته بسیار مهم است:
مترجم خوب فقط اطلاعات موجود را منتقل نمی‌کند؛ اطلاعاتی را که نویسنده هنوز نمی‌خواهد آشکار کند نیز حفظ می‌کند.این یکی از تفاوت‌های ظریف میان translation و summarization/paraphrase است.
۴. مثال چهارم: ضمیرهایی که در فارسی مجبورمان می‌کنند تصمیم بگیریم
این جمله را ببینید:
When John told David that he was lying, he laughed.
در انگلیسی عمداً معلوم نیست:
John laughed؟
David laughed؟
اما فارسی مترجم را تحت فشار قرار می‌دهد:
«وقتی جان به دیوید گفت که دارد دروغ می‌گوید، خندید.»
چه کسی خندید؟
اگر بخواهیم واضح کنیم:
«وقتی جان به دیوید گفت که او دروغ می‌گوید، جان خندید.»
ابهام را نابود کرده‌ایم.
یا:
«وقتی جان به دیوید گفت که دارد دروغ می‌گوید، دیوید خندید.»
باز یک تفسیر اضافه کرده‌ایم.
پس مترجم گاهی با چیزی مواجه است که می‌توانم اسمش را بگذارم:
Forced Interpretive Commitment
یعنی:
زبان مقصد تو را مجبور می‌کند درباره‌ی چیزی تصمیم بگیری که زبان مبدأ عمداً درباره‌اش تصمیم نگرفته است.اینجا ترجمه دیگر انتقال نیست؛ مدیریت ابهام است.