Google жəне яндекс машиналық аударма жүйелері: технологиялық құралдардың аударма ісіне əсері мен болашағы

Махмут Назгүл Илхамжанқызы
Ғылыми жетекшісі: Қаршығаева Айнұр Аралбекқызы
Медиа жəне мəдениетаралық коммуникация жоғары мектебі, «Тұран» университеті

Аңдатпа. Мақалада Google жəне Яндекс машиналық аударма жүйелерінің қазіргі даму деңгейі, олардың аударма сапасына ықпалы мен болашағы талданады. Жасанды интеллект пен нейрондық желілердің жетілдірілуі аударма жүйелерінің дəлдігі мен түсініктілігін арттыруда маңызды рөл атқарады. Google жəне Яндекс жүйелерінің жұмыс принциптері, мəтінді өңдеу тəсілдері жəне аударма сапасын жақсартуға бағытталған алгоритмдік ерекшеліктері қарастырылады. Машиналық аударманың тілдік құрылымды түсіну қабілеті, мəдени контексті сақтаудағы артықшылықтары мен кемшіліктері көрсетіледі. Бұл технологиялардың кəсіби аударма саласына ықпалы, адам аудармашылармен біріге жұмыс істеу мүмкіндіктері талданады. Сонымен қатар, машиналық оқыту мен үлкен деректерді пайдалану арқылы аударма сапасын жақсарту жолдары сипатталады. Машиналық аударма жүйелерінің болашақтағы даму бағыты, жаңа технологиялардың енгізілуі жəне олардың аударма қызметіне тигізер ықтимал өзгерістері сарапталады. Жасанды интеллекттің жетілдірілуі аударманың жылдамдығы мен дəлділігін арттырып, тілдік кедергілерді азайтуға ықпал етеді.

Түйін сөздер: машиналық аударма, Google Translate, Яндекс аударма, тілдік интерфейс, контекстік аударма, жасанды интеллект.

А.А.Каршигаева., Н.И.Махмут

Высшая школа медиа и межкультурной коммуникации, университет

«Туран»

Аннотация. В статье анализируется современный уровень развития систем машинного перевода Google и Яндекс, их влияние на качество перевода и перспективы развития. Улучшение искусственного интеллекта и нейронных сетей играет важную роль в повышении точности и понятности переводческих систем. Рассматриваются принципы работы

систем Google и Яндекс, методы обработки текста и алгоритмические особенности, направленные на улучшение качества перевода. Показаны возможности машинного перевода в понимании языковой структуры, его преимущества и недостатки в сохранении культурного контекста. Анализируется влияние этих технологий на сферу профессионального перевода, возможности их совместной работы с человеческими переводчиками. Кроме того, описываются пути повышения качества перевода с использованием машинного обучения и больших данных. Рассматриваются направления будущего развития систем машинного перевода, внедрение новых технологий и возможные изменения, которые они могут привнести в переводческую деятельность. Совершенствование искусственного интеллекта способствует увеличению скорости и точности перевода, а также снижению языковых барьеров.

Ключевые слова: машинный перевод, Google Translate, Яндекс Перевод, языковой интерфейс, контекстный перевод, искусственный интеллект.

A.A.Karshygaeva., N.I.Makhmut

Higher School of Media and Intercultural Communication, «Turan» University

Abstract. The article analyzes the current level of development of Google and Yandex machine translation systems, their impact on translation quality, and future prospects. The improvement of artificial intelligence and neural networks plays a crucial role in enhancing the accuracy and comprehensibility of translation systems. The principles of operation of Google and Yandex systems, text processing methods, and algorithmic features aimed at improving translation quality are examined. The capabilities of machine translation in understanding linguistic structures, as well as its advantages and disadvantages in preserving cultural context, are highlighted. The impact of these technologies on the field of professional translation and the possibilities of collaboration with human translators are analyzed. Additionally, ways to improve translation quality through machine learning and big data utilization are described. The future directions of machine translation system development, the introduction of new technologies, and their potential impact on translation services are discussed. The advancement of artificial intelligence enhances translation speed and accuracy while reducing language barriers.

Keywords: machine translation, Google Translate, Yandex Translate, language interface, contextual translation, artificial intelligence.

Кіріспе

Қазіргі таңда автоматтандырылған аударма жүйелері кəсіби аудармашылар мен интернет қолданушылары арасында кеңінен қолданыс табуда. Жыл өткен сайын бұл жүйелер аударма сапасын арттырып, олардың тиімділігін жоғарылатуда. Бұған дейін көптеген аударма платформалары машиналық аударманың екі негізгі əдісіне – статистикалық модельдерге жəне ережелерге негізделген аудармаға сүйенді. Алайда қазіргі уақытта компаниялар өз бағдарламаларында ішінара немесе толықтай нейрондық желілерді қолдануға көшіп, аударма сапасын жаңа деңгейге көтеретін жүйелерді енгізуде.

Машиналық аударма саласы соңғы жылдары айтарлықтай қарқын алып, бұл бағыттағы іргелі зерттеулер мен технологиялық жаңалықтардың ықпалымен үздіксіз дамуда. Соңғы жетістіктер машиналық аударма үлгілерінің дəлдігін, тиімділігін жəне контекстік түсінігін жақсартуға бағытталған. Бұл технологиялық өзгерістер машиналық аударманың жаңа кезеңін бастап берді. Нейрондық желілер негізінде жұмыс істейтін модельдер мəтіннің мағынасын тереңірек түсініп, күрделі сөйлем құрылымдарын да сапалы түрде аудара алады. Бұл əсіресе синтаксистік жəне семантикалық ерекшеліктері бар тілдер арасында жоғары нəтиже береді. Сонымен қатар, заманауи жүйелер контекстті ескеріп, бірізділік пен мағыналық дəлдікті сақтау қабілетіне ие.

Қазіргі уақытта машиналық аударма жүйелері əртүрлі классификациялық белгілер бойынша жіктеледі жəне кеңінен қолданылуда. Ең танымал жүйелердің қатарына Google Translate, DeepL, PROMPT, Yandex, Microsoft жəне басқа да аударма жүйелері жатады. Бұл жүйелердің əрқайсысы бірегей алгоритмдерге негізделген. Қазіргі таңда кеңінен қолданыста жүрген жүйелердің басым бөлігі нейрондық машиналық аударма (НМА) технологиясын қолданады, ол үлкен көлемдегі параллель мəтіндік корпустарды талдау арқылы аударманың мағыналық дəлдігін қамтамасыз етеді. Сонымен қатар, кейбір платформалар нақты салалық мəтіндермен жұмыс істеуге бейімделсе, енді біреулері нақты бір тілдік жұптарда жоғары нəтижелер көрсетеді. Əр жүйенің өзіндік ерекшеліктері мен күшті тұстары бар, бұл пайдаланушылардың қажеттілігіне сəйкес таңдау жасауға мүмкіндік береді. Мысалы, кейбір жүйелер қысқа мəтіндерді жылдам əрі дəл аударады, ал басқалары күрделі ғылыми немесе техникалық мəтіндерді жоғары сапамен аудару қабілетіне ие.

Google Translate – мəтінді аудару үшін Google LLC əзірлеген тегін көптілді машиналық аударма қызметі. Ол 2006 жылдың сəуір айында статистикалық машиналық аударма қызметі ретінде іске қосылды. Бастапқыда тілдерді тікелей аударудың орнына мəтінді алдымен ағылшын тіліне, содан кейін аударма тіліне аударды. 2016 жылдың қарашасында Google Translate нейрондық машина аудармасының қозғалтқышына – Google Neural Machine Translation ауысатынын жариялады, бұл бүкіл

сөйлемді бір-бірден ғана емес, сөйлемді бір уақытта толығымен аудару мүмкіншілігіне ие. Аудармалар мен қосымша опциялардың жұмыс істеу тəсіліне келетін болсақ, Google Translate 100-ден астам тілдердің берілуі бойынша бастапқы мəтін тілін таниды. Бастапқы мəтін бағдарламаға енген кезде, бағдарлама теріліп жатқан мəтінді автоматты түрде аударады [1].

Yandex аударма жүйесі нейрондық желілер негізіндегі машиналық аударма технологиясын Google-ден кейін бір жыл өткен соң енгізді. 2017 жылы Yandex гибридті аударма жүйесін қолдана бастады, онда бұрыннан қолданылып келе жатқан статистикалық аударма моделіне нейрондық желілерге негізделген аударма технологиясы біріктірілді [2]. Бұл қадам аударма сапасын айтарлықтай жақсартуға мүмкіндік берді. Нейрондық желілер мен статистикалық модельдердің үйлесімі мəтіндерге тереңірек мағыналық талдау жүргізіп, оларды дұрыс əрі дəл аударатын жүйені қалыптастырды. Осылайша, Yandex аударма жүйесі түрлі тілдер мен тақырыптар бойынша жоғары сапалы аударма нəтижелерін ұсынуға мүмкіндік беретін жүйеге айналды.

Негізгі бөлім

Соңғы уақытта онлайн машиналық аударма жүйелерін күнделікті өмірдің барлық салаларында пайдалану қарқынды түрде артып келеді. Оның қолжетімділігі мен қолдану ыңғайлылығы кең аудиторияның қызығушылығын тудырып, жаңа онлайн машина аудармалық жүйелерінің дамуына ықпал етті. Бұл үрдіс зерттеушілердің назарын аударып, əртүрлі əдістер арқылы бағалау жүргізу қажеттілігін тудырды, соның негізінде ең тиімді онлайн машина аударма жүйесін анықтауға бағытталған ғылыми ізденістер жүргізілуде.

Көптеген тілдерде машиналық аударма жүйелері күрделі құрылымдағы сөйлемдерді аударуда бірнеше қиындықтарға тап болады. Бұл мəселе, əсіресе, тілдер арасындағы айырмашылықтар мен ерекшеліктерді ескеру қажеттілігімен байланысты. Əр тілдің өзіне тəн грамматикалық ережелері, синтаксистік құрылымдары, лексикалық айырмашылықтары мен мəдени тұрғыдан қабылданған түсініктері бар. Осыған орай, машиналық аударма жүйелерін тиімді ету үшін түрлі əдістер мен тəсілдер қолданылады. Бұл бағытта жүйелердің аударма сапасын арттыруға, оларды жаңа тілдерге бейімдеуге жəне жаңартуға бағытталған жұмыстар атқарылуда.

2014 жылы қазақ тілі Google Translate жүйесіне енгізілгенімен, қазіргі таңда қазақ тіліне арналған машиналық аударма мəселесі өзекті күйінде қалып отыр. Қазақ тілі – түркі тілдеріне жататын тіл, оның құрылымы мен грамматикасы көптеген басқа тілдерден айтарлықтай ерекшеленеді. Бұл ерекшеліктер, əсіресе, сөздердің көпмағыналылығы, сөздердің қиылысуы, септік формалары мен көсемше түрлерін аудару кезінде қиындықтар туындатады. Қазақ тілінде халықаралық жəне кірме сөздердің, сондай-ақ жаңа терминдер мен сөз тіркестерінің жиі пайда болуы да аударма

процесіне қосымша қиындықтар əкеледі. Мұндай өзгерістер аударма жүйесінің мағыналық дəлдігін төмендетіп, кейбір сөздердің қате аударылуына немесе мүлде аударылмауына əкеп соғады. Сонымен қатар, қазақ тіліне тəн идиоматикалық, фразеологиялық тіркестер мен мəдени аспектілердің аударылуы да өз қиындықтарын туғызып жатады. Мысалы, кейбір ұлттық дəстүрлер мен салт-сананың ерекшеліктерін нақты аудару үшін дұрыс түсіну қажеттілігі туындайды , бірақ машиналық аударма жүйелері көбінесе тек грамматикалық жəне лексикалық құрылымдарды ескереді, ал мəдени жəне контекстік факторларды толық қамту мүмкіндігі шектеулі жəне назардан тыс қалады.

Осыған байланысты, кез келген машиналық аударма жүйесі бастапқы аударма нəтижелерін қосымша редакциялау мен кəсіби мамандардың тексеруін талап етеді. Тек техникалық тұрғыдан дамыған жүйелер ғана емес, сонымен қатар аударма сапасын жақсартуға мүмкіндік беретін түзетулер мен сараптамалар да қажет. Бұл процесс жүйенің дəлдігі мен сапасын арттырып, тілдің əртүрлі ерекшеліктерін ескере отырып, дұрыс аударма жасауға мүмкіндік береді.

Қазақ тіліне арналған аударма жүйелерін жетілдіру тек тілдік аспектілермен ғана шектелмейді, сонымен қатар осы тілге тəн мəдени жəне тарихи ерекшеліктерді ескеру қажеттілігі де бар. Əрбір сөз бен сөз тіркесінің астарында мəдени мағына жатқандықтан, машиналық аударма тек тілдің құрылымдық ерекшеліктерін ғана емес, сонымен қатар оның ұлттық ерекшеліктерін де ескеруі тиіс. Осы мақсатта тілдік ресурстарды жинақтау, тілдің дəстүрлерін зерттеу жəне жүйелерді мəдени тұрғыдан бейімдеу маңызды рөл атқарады.

Компьютерлік лингвист Бонни Дорр зерттеуі бойынша «Машиналық аударманы бағалаудың үш критерийін анықтаған: семантикалық сəйкестік, табиғилық жəне түсініктілік» [3]. Бұл критерийлер аударманың мағынасының дəлдігіне, тілдің нормаларына сəйкестігіне жəне оқырманға түсінікті болуына негізделеді.

Абеустанова бастаған қазақ ғалымдарының зерттеуіне үңілетін болсақ,

«Бір тілден екінші тілге сөйлемді автоматты түрде пост-редакциялау машиналық аударма үрдісімен тығыз байланысты екенін жəне машиналық аударма- аударма процесін жылдамдатуға жəне оның құнын төмендетуге көмектесетін заманауи жүйе», деп жазған [4]. Яғни, машиналық аударма бірінші кезеңде мəтінді автоматты түрде аударады, ал кейінгі кезеңде аударма мəтініне түзетулер енгізіледі (пост-редакциялау). Осындай əдіс аударма сапасын жақсартуға жəне оны тиімді етуге көмектеседі.

Жүз жылдық жалғыздық – əлемге танымал колумбия жазушысы Габриэль Гарсия Маркестің испан тілінде жазылған ең атақты романы. Бұл шығарма магиялық реализмнің жарқын үлгісі болып табылады. Осы шығарманы Google жəне Yandex аударма жүйелері қаншалықты қазақ тіліне сапалы аударатынын тексеріп, салыстыру жұмысын жүргізейік.

• Мысал.

Түпнұсқа: At that time Macondo was a village of twenty adobe houses, built on the bank of a river of clear water that ran along a bed of polished stones, which were white and enormous , like prehistoric eggs [5, 3-б].

Макондо был тогда небольшим поселком из двадцати глинобитных, с камышовыми кровлями домишек, стоявших на берегу реки, которая несла свои прозрачные воды по ложу из белых, гладких и огромных, как доисторические яйца, валунов.

Google аудармасы: Ол кезде Макандо жиырма кірпіш үйден тұратын ауыл болды, ол мөлдір суы бар өзеннің жағасында тұрғызылған, олар ақ түсті жəне тарихқа дейінгі жұмыртқалар сияқты үлкен, жылтыратылған тастар төсенішімен ағып жатқан.

Yandex аудармасы: Ол кезде Макондо таза суы бар өзеннің жағасында салынған, тарихқа дейінгі жұмыртқалар сияқты ақ жəне орасан зор жылтыратылған тастар төсегінің бойымен ағып жатқан ,жиырма кірпіш үйі бар ауыл болатын.

Салыстыру: Google аудармасында бірқатар қателіктер мен түсініксіз құрылымдар кездеседі. Мысалы, «adobe» сөзі «кірпіш» деп берілген. Алайда, бұл сөз нақты мағынада күнге кептірілген балшықтан жасалған үй дегенді білдіреді. Демек, бұл терминнің Google тарапынан дұрыс аударылмауы – мағыналық қате.Сонымен қатар, Google аудармасы сөйлем құрылымында да айқын емес, логикасы бұзылған тұстар бар. Мысалы, «өзен тұрғызылған» деген сияқты түсініксіз синтаксистік байланыстар кездеседі. Жалпы, сөйлемдердің мағынасы анық берілмей, түпнұсқадағы бейнелі детальдар (мысалы, тастардың ақтығы мен жылтырлығы, «доисторические яйца» сияқты метафоралар) толық жеткізілмеген.Ал Yandex аудармасы осы сөйлемді анағұрлым дəл əрі көркем                жеткізген.                Онда                өзеннің                            сипаты, тастардың жылтыратылған, ақ, үлкен екендігі нақты əрі дəйекті түрде сипатталған. Сонымен қатар, түпнұсқадағы поэтикалық бейнелер сақталуға тырысқан. Дегенмен, сөйлем құрылымы сəл ауырлау жəне кейбір логикалық байланыстарды қайта өңдеу қажет. Мысалы, «ағып жатқан, жиырма кірпіш үйі бар ауыл болатын» деген тұсы мағынаны көмескілеп жібереді.

Қорытындылай келе, Yandex аудармасы түпнұсқа мəтінге ең жақын жəне дəл деп бағаланады, бірақ кейбір стилистикалық түзетулер мен терминологиялық нақтылауларды қажет етеді.

• Мысал.

Түпнұсқа: «We will not leave», she said. «We will stay here, because we have had a son here» [5, 15-б].

Мы никуда не пойдем, – сказала она. – Мы останемся здесь, потому что здесь у нас родился сын.

Google аудармасы: Біз кетпейміз, -деді ол. Біз осында қаламыз, өйткені бұл жерде ұлымыз бар.

Yandex аудармасы: Біз кетпейміз,- деді ол. Біз осында қаламыз, өйткені мұнда ұлымыз болды.

Салыстыру: Google аудармасында бірнеше мағыналық жəне құрылымдық қателіктер кездеседі. Ең алдымен, түпнұсқадағы «we have had a son here» тіркесі «ұлымыз бар» деп аударылған. Бұл мағынада қате, себебі ағылшын тіліндегі тіркес нақты бір баланың осы жерде дүниеге келгенін білдіреді, ал Google аудармасы жай ғана баланың бар екенін айтып тұр. Осылайша, түпнұсқадағы эмоциялық мəн мен кеңістіктік байланыс жойылып кеткен.Сонымен қатар, «бұл жерде» деген тіркес сөйлем ішінде сəл ауыр естіліп, сөйлеу мəнерін табиғилықтан алыстатады. Жалпы, Google аудармасы мəтінді механикалық түрде аударғаны байқалады – түпнұсқадағы мəн, эмоция жəне стиль толық жеткізілмеген. Yandex аудармасы бұл тұрғыдан əлдеқайда сəттірек. «Мұнда ұлымыз болды» деген сөйлем түпнұсқаға жақынырақ, өйткені мұнда оқиға орны мен уақытша аяқталған факт көрсетілген. Дегенмен, «дүниеге келді»деген нақты тіркес қолданылмағандықтан, мағына толық ашылмай тұр.

Сөйлем құрылымы Yandex нұсқасында анағұрлым жеңіл əрі табиғи. Эмоциялық əсер мен мағыналық дəлдік жағынан да Google-ге қарағанда əлдеқайда жақсы.

• Мысал.

Түпнұсқа: There were superior orders that prohibited visits to prisoners condemned to death, but the officer assumed the responsibility of letting her have a fifteen- minute stay [5, 120-б].

Приказом свыше всякие посещения осужденных на смерть были запрещены, но офицер под свою ответственность разрешил Урсуле пятнадцатиминутное свидание.

Google аудармасы: Өлім жазасына кесілген тұтқындарға баруға тыйым салатын жоғары бұйрықтар болды, бірақ офицер оған он бес минут тұруға рұқсат беру жауапкершілігін мойнына алды.

Yandex аудармасы: Өлім жазасына кесілген тұтқындарға баруға тыйым салатын жоғары бұйрықтар болды, бірақ офицер оған он бес минуттық тұруға рұқсат беру жауапкершілігін өз мойнына алды.

Салыстыру: Google аудармасында бірнеше қателіктер кездеседі. Алдымен, «stay» сөзінің мағынасы дұрыс аударылмаған, өйткені ол кездесуді білдіреді, ал «тұруға рұқсат беру» деген тіркес дұрыс емес. Сонымен қатар, «бұл жерде» тіркесі сөйлемді ауырлатып тұр. Google аудармасы жалпы мағынаны жеткізбейді, стиль мен эмоцияға да мəн берілмеген. Yandex аудармасы біршама жақсартылған. «Он бес минуттық»

тіркесі дұрыс қолданылған. Алайда, «stay» сөзін «тұруға рұқсат беру» деп аудару əлі де дəл емес. Бірақ Yandex аудармасы құрылымы жағынан жеңіл əрі табиғи. Дегенмен, мағына толық ашылмаған. Google аудармасы дұрыс емес, ал Yandex аудармасы түпнұсқаға жақын, бірақ тағы да біршама түзетулер қажет.

• Мысал.

Түпнұсқа: Three months later they received in a large envelope twenty-nine letters and more than fifty pictures that he had accumulated during the leisure of the high seas [5, 383-б].

Через три месяца от него пришел большой конверт, где лежали двадцать девять писем и пятьдесят фотографий, накопившихся за время досуга в открытом море

Google аудармасы: Үш айдан кейін олар үлкен конвертте оның ашық теңізде демалу кезінде жинаған жиырма тоғыз хаты мен елуден астам суретін алды.

Yandex аудармасы: Үш айдан кейін олар үлкен конвертте ашық теңізде демалу кезінде жинаған жиырма тоғыз хат пен елуден астам суретті алды.

Салыстыру: Google аудармасы түпнұсқаның мағынасын жеткізгенімен, кейбір сөздер мен құрылымдарда табиғилық жоқ. Мысалы, «ашық теңізде демалу кезінде жинаған» тіркесі «during the leisure of the high seas» деп аударылған, бірақ бұл тіркес «теңізде демалу кезінде» деп нақты əрі жеңіл түрде берілсе дұрыс болар еді. Сонымен қатар, «жиырма тоғыз хаты мен елуден астам суретін» деп жазылған, бірақ түпнұсқада «письма и фотографии» екі бөлек зат есімдермен қолданылған, сондықтан олардың қосылып кетуі қате болып тұр.

• Мысал.

Түпнұсқа: «We are immensely rich and powerful», she told her. «One day you will be a queen » [5, 199-б].

Наше богатство и могущество неизмеримы, — сказала мать. — Придет день, и ты станешь королевой.

Google аудармасы: «Біз өте бай жəне күштіміз», — деді ол оған. «Бір күні сен патшайым боласың».

Yandex аудармасы: «Біз өте баймыз жəне күштіміз», — деді ол оған. «Бір күні сен патшайым боласың».

Салыстыру:   Екі   аударма   да   мағынасы    жағынан    дұрыс.                         Yandex

«баймыз» деп толық нұсқасын қолданғаны үшін сөйлем стиль жағынан жақсырақ.

Жалпы алғанда, Yandex аудармасы түпнұсқаның мағынасын, құрылымын жəне стилін сақтау тұрғысынан дəл əрі толық аударма ұсынды. Оның артықшылығы – контексті мен түпнұсқаның құрылымын нақты жеткізуі, бірақ кейбір терминдер мен шақтың қате аударылуы байқалды.

Google аудармасы қарапайым əрі түсінікті, оқуға жеңіл, бірақ мағынаның толық жеткізілуінде кейбір олқылықтар орын алды, əсіресе терминдер мен грамматикалық құрылыстарда. Осыған байланысты, Yandex аудармасы мағына мен контекстті нақтырақ беруімен 85%-ға дəлдікті қамтамасыз етеді, ал Google аудармасы түсініктілігі мен қарапайымдылығына байланысты 75%-дық дəлдікке ие. Алайда, екі аударма да өз ерекшеліктерімен пайдалы, бірақ дəлдік пен түпнұсқалыққа негізделгенде Yandex аудармасы жоғары бағаланды, ал Google аудармасы қолданушыға жеңіл түсінік беретін құрал ретінде тиімді.

Осындай талдау жұмыстары бірқатар ғалымдардың зерттеулерінде кеңінен қарастырылған. Д.Б. Тəжиеваның айтуы бойынша, «Google Translate жүйесі қазақ тіліне аударма жасауда кейде тура аудармаға салынып, мағыналық сəйкессіздіктерге жол береді, ал Яндекс жүйесі грамматикалық құрылымдарды жиі дұрыс сақтайды, бірақ кейбір сөз тіркестерін өңдеуде дəлсіздік танытады»[6]. Осыған ұқсас тұжырымды П.Н.Александрович ұсынады: «Google Translate аудармалары түсінікті, грамматикалық тұрғыдан дұрыс, бірақ кейде ағылшын синтаксисін сақтап, сөзбе-сөз аударады. Ал Yandex Translate мəтінді жақсы таниды жəне ғылыми терминдерді дұрыс аударады, бірақ кейде мағына жоғалып, синтаксистік қателер кездеседі»[7].

Технологиялық құралдар аударма ісінің тиімділігі мен жылдамдығын айтарлықтай арттырып, сапалы аудармаға қол жеткізуді жеңілдетті. Google жəне Яндекс сияқты машиналық аударма жүйелері жасанды интеллект пен нейрондық желілердің көмегімен мəтіндерді жылдам аударады, алайда күрделі мəтіндердегі мəдениетке қатысты ,салалық терминдерді дəл жеткізуде қиындыққа тап болады. Болашақта гибридті модельдер, яғни адам мен машиналық аударма арқылы жоғары сапалы аудармаларға қол жеткізу көзделіп отыр. Жасанды интеллекттің қарқынды дамуы аударма ісінеде үлесін қосады. Бұл технологиялар аударма саласының дамуын жаңа деңгейге көтеріп, кəсіби аудармашылардың рөлін жаңаша айқындап аударма сапасын арттыруға мүмкіндік береді . Сонымен қатар, технологиялық құралдар аудармашылардың күнделікті жұмысын жеңілдетіп, уақыт пен күш үнемдеуге жағдай жасайды. Қазіргі заманда аударма тек мəтінді басқа тілге көшіру ғана емес, сонымен бірге мағына мен стильді сақтай отырып, мəтіннің коммуникативтік мақсатын жеткізуге бағытталады. Бұл тұрғыда машиналық аударманы постредактірлеу — сапаны қамтамасыз етудің маңызды кезеңі. Болашақта аударма жүйелері адамның тілдік интуициясын модельдеу арқылы одан да табиғи жəне дəл аудармалар ұсынуы мүмкін. Сондай-ақ, жасанды интеллект негізіндегі жүйелер — дыбыстық аударма, синхронды аударма жəне мультимодальды контенттерді (бейне, сурет, мəтін) қатар аудару бағытында да дамып келеді. Мұндай жетістіктер халықаралық қатынастар, ғылым, бизнес жəне білім беру салаларында тілдік кедергілерді жоюға айтарлықтай көмектеседі.

Осылайша, технологиялық құралдар аударма ісін автоматтандырып қана қоймай, кəсіби аудармашының шығармашылық қабілетін толықтыратын сенімді серіктеске айналып келеді.

Қорытынды

Қорытындылай келе, Google жəне Яндекс машиналық аударма жүйелері аударма ісінің дамуына елеулі ықпал етіп, оның болашағын айқындауда маңызды рөл атқаруда. Бұл жүйелер мəтіндерді жылдам əрі тиімді аударуға мүмкіндік беріп, аударма үдерісінің өнімділігін арттырады. Машиналық оқыту мен жасанды интеллект технологияларының қарқынды дамуы нəтижесінде аударманың дəлдігі мен сапасы артып, тілдік сəйкессіздіктерді барынша азайтуға жағдай жасалуда. Алайда, мəдени-тілдік ерекшеліктерді, идиомалар мен метафораларды толыққанды жеткізу мəселесі əлі де өзекті болып отыр. Осы орайда, машиналық аударма жүйелері тек техникалық құрал ғана емес, сонымен қатар аударма үдерісінде жаңа əдіс-тəсілдерді енгізу қажеттілігін көрсетеді. Болашақта терең оқыту жəне нейрондық желілердің жетілдірілуі аударма сапасын одан əрі жақсартуға ықпал етеді деп күтілуде. Бұл технологиялар кəсіби аудармашыларды толық алмастыра алмаса да, олардың жұмысын оңтайландырып, тілдік қызмет көрсету саласында жаңа мүмкіндіктер туғызады. Сонымен қатар, автоматтандырылған аударма жүйелерін тиімді қолдану аудармашылардың лингвистикалық жəне мəдени құзыреттіліктерін арттыруға ықпал етеді. Машиналық аударма жүйелерінің даму перспективалары аударма ісіндегі когнитивтік жəне прагматикалық аспектілерді тереңірек зерттеуді талап етеді. Адамның шығармашылық қабілеті мен машиналық жүйелердің логикалық қуатының үйлесімі аударма саласында жаңа мүмкіндіктер мен үрдістерді қалыптастыруға əкеледі. Демек, болашақ аударма үдерісінде адам мен жасанды интеллекттің үйлесімді əрекеттестігі маңызды рөл атқаратын болады.

Əдебиеттер тізімі

1. Paula, T. (2020). Selected Clauses of a Copyright Contract in Polish and English in Translation by Google Translate: A Tentative Assessment of Quality. pp. 690-691.
2. Д.А. Симоненко, И. П. (2019). Технология машинного перевода с использованием искусственных нейронных сетей: Google-переводчик и Yandex-переводчик. Амурский государственный университет, стр. 123-
3. Dorr , Snover M., Madnani N. — Part 5: Machine Translation Evaluation. Computer Science, 2010
4. Abeustanova , Tukeyev U., «Automatic Post-editing of Kazakh Sentences Machine Translated from English» ,InAdvanced Topics in Intelligent Information and Database Systems. ACIIDS 2017. Studies in Computational Intelligence,Springer710 (2017): 283-295.
5. Marquez, G. (1967). One hundred years of solitude.
6. А.М, Т.Д. (2021). Google жəне Яндекс машиналық аударма жүйелері арқылы жазбаша мəтіннің қазақ тіліне аударылуы. «Нургалиевские чтения- Х: Научное сообщество молодых ученых ХХI столетия. Филологические науки»: сборник статей по материалам Международной научно- практической конференции (25-26 февраля 2021 г., г.Нур-Султан)., беттер 576-577.
7. Александрович, П. Н. (2019). Опыт обучения студентов-лингвистов постредактированию машинного перевода(на материале англо-русского перевода с помощью систем «GOOGLE TRANSLATE», «ЯНДЕКС ПЕРЕВОДЧИК» И «PROMT»). ПЕДАГОГИЧЕСКОЕ ОБРАЗОВАНИЕ В РОССИИ, 1, 56-59.
8. Жақыпбаева, Д. Р. (2021). Машиналық оқытуға негізделген Post Editing моделін ағылшын-қазақ аудармасы үшін пайдаланудың негізгі мəселелері. Абай атындағы ҚазҰПУ-нің ХАБАРШЫСЫ «Физика-математика ғылымдары» сериясы, No2(74).
9. Muratova, V. F. (2019). Formation of professional translators’ competences by virtue of information technologies. Pedagogy of Creative Personality Formation in Higher and Secondary Schools, 62(2), 128–131.
10. Pylypchuk, M. L. (2021). Structure of professional readiness of future translators for innovative activities. Professional and Artistic Translation, 1, 371–378.

11. Holovatska, Yu. B. (2022b). Specifications of training future translators for localization in the era of digital technologies. Current Issues of Humanitarian Sciences, 58(1), 270–274.
12. Короткина, И. Б. Академическое письмо: процесс, продукт и практика

: учебное пособие для вузов / И. Б. Короткина. — 2-е изд., перераб. и доп.

— Москва : Издательство Юрайт, 2025. — 349 с

13. Динаева Б.Б., Сапина С.М. Академиялық сауаттылықтың теориялық жəне практикалық негіздері: Оқу құралы. – Нұр-Сұлтан: КАЗГЮУ Университеті, 2020. – 200 б.
14. Оспанов Е.Т. Академиялық жазылым негіздері: оқу құралы. — Алматы: Білік, 2020. — 339 б.
15. Шушарина Г.А., Петрунина Ж.В. Сопоставительный анализ текстов онлайн-переводов // Вестник Челябинского государственного университета, 2021. No 4 (450). Филологические науки. Вып. 124. С. 185–

192.

16. Alviani, S. S. (2025). Students’ Perceptions on the Role of Google Translate in Learning English. Jurnal Pendidikan Bahasa dan Sastra, 5, №1, 212-217.
17. Марчук Ю. Н. Проблемы машинного перевода. — М. : Наука, 1983. — 201 с.
18. Коканова Е.С. Перевод с листа: экспериментальные исследования и методика обучения переводу // Актуальные вопросы переводоведения и практики перевода. Вып. 8 Нижний Новгород: Бюро переводов «Альба», 2018.
19. Turarbek, A. K. (2021). The translation quality problems of machine translation systems for the kazakh language. SCIENTIFIC JOURNALS AL- FARABI KAZAKH NATIONAL UNIVERSITY, III, 133-140.
20. Tukeyev U., Karibayeva A., Zhumanov Z., «Morphological segmentation method for Turkic language neural machinetranslation» ,Cogent Engineering 7(1) (2020): 1-16.