مثلاً:
He is a bit of a Thatcherite.
یک مترجم ضعیف ممکن است بنویسد:
«او تا حدی تاچری است.»
از نظر واژهای شاید بد نباشد.
اما آیا خوانندهی فارسیزبان همان شبکهی معنایی را دریافت میکند؟
Thatcherite فقط «طرفدار مارگارت تاچر» نیست.
ممکن است مجموعهای از تداعیها را فعال کند:
بازار آزاد
خصوصیسازی
فردگرایی
کاهش نقش دولت
محافظهکاری اقتصادی
موضع سیاسی خاص در بریتانیا
مترجم حرفهای باید تصمیم بگیرد که:
«تاچری» را حفظ کند؟
یا توضیح دهد؟
مثلاً:
«او از آن دست محافظهکارانی است که به سیاستهای اقتصادی تاچر گرایش دارند.»
اما این ترجمه اطلاعات بیشتری به متن اضافه میکند.
اینجا culture-specific item داریم؛ پژوهشهای جدید دربارهی ترجمه با LLMها نیز نشان میدهند که مدلهای پیشرفته هنوز در ایجاد تعادل میان حفظ مؤلفههای فرهنگی و قابلفهم بودن برای خوانندهی مقصد مشکل دارند. (ACL Anthology)
۶. یک مثال ایرانیتر: مشکل فقط فرهنگ انگلیسی نیست؛ فرهنگ فارسی مقصد هم هست
فرض کنید متن انگلیسی:
He walked into the room like he owned the place.
ترجمهی ماشینی:
«او وارد اتاق شد، انگار صاحب آنجا بود.»
درست است.
اما در فارسی محاورهای ممکن است:
«طوری وارد اتاق شد انگار صاحبخانه است.»
یا:
«آمد تو، انگار کل اینجا مال خودش بود.»
یا در نثر ادبی:
«چنان پا به اتاق گذاشت که گویی ملک شخصی اوست.»
هرکدام شخصیت متفاوتی میسازند.
اگر راوی یک نوجوان است، گزینهی سوم احتمالاً فاجعه است.
اگر راوی یک مورخ قرن نوزدهمی است، گزینهی دوم شاید فاجعه باشد.
بنابراین:
ترجمهی جمله بدون ترجمهی صدا، ناقص است.
۷. اینجا مفهوم «صدای مترجم» وارد میشود
Lawrence Venuti دقیقاً به همین مسئله حساس است.
او با ایدهی مترجم «نامرئی» مشکل دارد؛ چون ترجمه همیشه حاصل انتخابهای مترجم است. انتخاب واژه، نحو، لحن، میزان بیگانهبودن و میزان طبیعیسازی، همه دخالت مترجماند. در سنت ونوتی، بحث domestication/foreignization دقیقاً به همین کشمکش مربوط میشود. (Korea Journal Central)
پس وقتی AI میگوید:
«این طبیعیترین ترجمه است.»
منتقد باید بپرسد:
طبیعی برای چه کسی؟
طبیعی برای:
نوجوان؟
استاد دانشگاه؟
خوانندهی ادبیات؟
مخاطب عام؟
ایرانی امروز؟
ایرانی دههی ۱۳۵۰؟
مترجم ادبی؟
ناشر دانشگاهی؟
Naturalness یک ویژگی مطلق نیست.
۸. حالا به یکی از عجیبترین مشکلات AI برسیم: «زیادی خوب ترجمه کردن»
این شاید از خودِ اشتباه کردن خطرناکتر باشد.
فرض کنیم نویسنده عمداً نوشته:
The room was not unpleasant.
یک AI ممکن است بگوید:
«اتاق بدی نبود.»
کاملاً طبیعی.
اما اگر نویسنده شخصیت خاصی دارد که همیشه به شکل غیرمستقیم حرف میزند، این litotes بخشی از شخصیت اوست.
مثلاً:
I wouldn't say I hated him.
این الزاماً یعنی:
«از او متنفر نبودم.»
ممکن است در بافت خاصی یعنی:
«اتفاقاً از او متنفر بودم، ولی نمیخواهم مستقیم بگویم.»
اگر AI همهچیز را به «معنای صریح» تبدیل کند، شخصیت را ترجمه نکرده است؛ فقط proposition را ترجمه کرده است.
۹. این همان چیزی است که Berman از زاویهی دیگری میبیند
یکی از مهمترین هشدارهای Berman، clarification است.
یعنی مترجم چیزی را که در متن مبدأ مبهم، چندلایه یا ناگفته است، بیش از حد روشن کند.
مثلاً:
He knew.
ممکن است نویسنده عمداً نگفته باشد «چه چیزی را میدانست».
ترجمهی خوب:
«میدانست.»
اما مترجم یا مدل ممکن است با توجه به بافت بنویسد:
«میدانست که او به او خیانت کرده است.»
این شاید از نظر داستانی درست باشد.
اما اگر نویسنده عمداً اطلاعات را قطرهای عرضه کرده باشد، مترجم به جای ترجمه، روایت را لو داده است.
Berman دقیقاً نسبت به چنین فرایندهایی ــ از جمله rationalization و clarification ــ حساس است؛ یعنی ترجمه نباید الزاماً بیگانگی و ساختارهای متن مبدأ را به نفع روانی و آشنایی از بین ببرد. (Kata)
۱۰. مسئلهی بسیار عمیقتر: مترجم باید «نقشهی خسارت» بسازد
ترجمهی واقعی یعنی دائماً چیزی را از دست بدهی.
مثلاً در یک شوخی:
He was so broke that even his bank account was embarrassed.
اگر بخواهیم طنز را حفظ کنیم:
«آنقدر بیپول بود که حتی حساب بانکیاش هم از خجالت سرش را پایین میانداخت.»
معنی و طنز را داریم.
اما اگر طنز به یک بازی واجی یا cultural reference وابسته باشد، شاید نتوانیم همهچیز را همزمان حفظ کنیم.
پس مترجم میپرسد:
اگر مجبور شوم یکی را قربانی کنم، چه چیزی مهمتر است؟
معنا؟
ریتم؟
طنز؟
بازی زبانی؟
فرهنگ؟
صدای شخصیت؟
ابهام؟
این را میتوان اقتصادِ فقدان در ترجمه نامید.
AI میتواند ده ترجمه پیشنهاد کند.
اما ارزشگذاری میان خسارتهای مختلف مسئلهی دیگری است.