คุณภาพของการแปลด้วยเครื่องแปลภาษา
การแปลวรรณกรรมยุคหลังมนุษย์ ตัวอย่างจากงานวรรณกรรมของคาฟคา

การแปลวรรณกรรมยุคหลังมนุษย์?
เครื่องจักรกลรู้หรือไม่ว่ากำลังทำอะไรอยู่ | Philippos Vassiliades | CC-BY-SA

นักแปลวรรณกรรมใช้คอมพิวเตอร์เป็นอุปกรณ์พื้นฐานเพื่อช่วยแปลมานานแล้ว เช่น พจนานุกรมออนไลน์และคลังข้อความ ในขณะเดียวกันก็ค้านแนวคิดที่ว่าการแปลด้วยเครื่อง (MT) หรือแม้แต่เครื่องมือแปลโดยใช้คอมพิวเตอร์ เช่น หน่วยความจำการแปล มีบทบาทสำคัญในการแปลวรรณกรรม เมื่อการแปลด้วยเครื่องจักรระบบประสาทพัฒนาไปอย่างรวดเร็ว นักวิชาการด้านการแปลวรรณกรรม (และในระดับที่รองลงไป คือตัวนักแปลวรรณกรรมเอง) ยอมรับกันว่าจะค้านหัวชนฝาต่อไปอีกไม่ได้ และตบเท้าเข้าขบวนกับนักแปลเชิงพาณิชย์และเชิงเทคนิค คาดการณ์ว่าในอนาคตนักแปลวรรณกรรมจะมีบทบาทเป็นเพียงบรรณาธิการผลงานแปลของเครื่องช่วยแปลด้วยเช่นกัน ตัวบทวรรณกรรมบางประเภทที่เขียนเป็นร้อยแก้วเรียบง่ายแปลด้วยเครื่องได้ดีพอสมควรแล้ว (สำหรับคู่ภาษาที่ใกล้เคียงกันที่สุด) และแนวโน้มนี้ก็ยิ่งเข้มข้นขึ้น

โดย ดันแคน ลาร์จ

​Als Gregor Samsa eines Morgens aus unruhigen Träumen erwachte, fand er sich in seinem Bett zu einem ungeheueren Ungeziefer verwandelt.

ฟรันซ์ คาฟคา “เมตามอร์โฟซิส” (ต้นฉบับ "Die Verwandlung", 1915)

หากเราประเมินคอมพิวเตอร์ว่าแปลได้ดีและรวดเร็วเพียงใดต่ำไป เราต้องรับผลนั้นเอง แต่คอมพิวเตอร์ยังต้องไปอีกไกล ดังนั้น ตอนนี้เป็นจุดหัวเลี้ยวหัวต่อสำคัญที่เหมาะจะสำรวจสถานการณ์ว่าคอมพิวเตอร์แปลวรรณกรรมได้ดีเพียงไร เพื่อเริ่มต้นตอบคำถามข้อนี้ ผมใช้โปรแกรมแปลที่ได้รับความนิยมอันดับต้นๆ ณ ปัจจุบันแปลประโยคที่มีชื่อเสียงที่สุดในภาษาเยอรมันประโยคหนึ่งเป็นภาษาอังกฤษ นั่นคือประโยคเปิดเรื่องเมตามอร์โฟซิส หรือ “ Die Verwandlung” ของคาฟคา (1915) :แน่นอนว่าประโยคเปิดเรื่องนี้เล่าเรื่องราวที่แปลกประหลาดอย่างที่สุด แต่จากมุมมองทางภาษาศาสตร์ ประโยคนี้ไร้ที่ติ ถูกไวยากรณ์ ไม่ยาวหรือซับซ้อนใดๆ และมีขุดหลุมดักเครื่องช่วยแปลที่ไม่ดูตาม้าตาเรือเพียงสองสามจุด ใช่ว่าจะไม่รู้ว่า “เกรเกอร์  ซามซา”  เป็นชื่อคน “eines Morgens” เป็นคุณศัพท์บอกเวลาที่ไร้ที่ติ และอื่นๆ เนื้อความส่วนใหญ่ของประโยคชัดเจนว่าแปลว่าอะไร แม้ว่าใครๆ ย่อมจะคาดหวังกันว่า “ungeheueren Ungeziefer” ที่เกรเกอร์กลายร่างเป็นนั้นจะแปลได้หลากหลายและไม่แน่นอนเนื่องจากคาฟคาตั้งใจให้กำกวม

บทแปล “เมตามอร์โฟซิส” ของคาฟกา (ต้นฉบับ: "Die Verwandlung") บทแปล “เมตามอร์โฟซิส” ของคาฟกา (ต้นฉบับ: "Die Verwandlung") | © Google Translate คำแปลนี้เหมือนกับที่ Microsoft (Bing) Translator ซึ่งเป็นคู่ปรับที่สูสีกันที่สุดของ Google Translate แปลทุกประการและ Yandex Translate ด้วยอีกราย หากสลับตำแหน่งคำเพียงเล็กน้อยก็จะเหมือนกับคำแปลของ DeepL Translator และ Reverso ส่วน PONS เปลี่ยนลำดับคำและแทนที่ “restless” ด้วย “troubled” แต่ส่วนอื่นเกือบเหมือนกันทุกประการเช่นกัน ขอย้ำตรงนี้ว่าคำแปลเหล่านี้ (ตรวจสอบในช่วงเดือนมิถุนายนถึงกันยายน 2020) ไม่เป็นที่สิ้นสุดเนื่องจากระบบพัฒนาอย่างต่อเนื่องเพราะการอัปเกรดโปรแกรมและการป้อนตัวอย่างสำหรับฝึกเข้าไปโดยผู้ใช้ปลายทางไม่แพ้กัน ยิ่งไปกว่านั้นการ“ ปรับแต่ง” เล็กๆ น้อยๆ เช่น การเปลี่ยนการสะกดคำว่า “ungeheueren” ของคาฟคาให้สะกดร่วมสมัยเป็น “ungeheuren” หรือแม้กระทั่งละจุดท้ายประโยคออกก็ทำให้บทแปลแตกต่างไปอย่างมาก

เครื่องมือที่นิยมใช้กันน้อยกว่าบางโปรแกรมเสนอคำศัพท์ที่น่าสนใจ เช่น SYSTRAN Translate ให้เกรเกอร์กลายร่างเป็น "monstrous pest”  LingvaNex Translator เปลี่ยนเขาให้เป็น “tremendous vermin” และยังมีการแปลผิดอย่างร้ายแรงซึ่งทำให้การแปลด้วยเครื่องเสียชื่อไปหมดสองสามโปรแกรม PROMT แปลครึ่งหลังของประโยคไม่เป็นภาษาเลย
บทแปล “เมตามอร์โฟซิส” ของคาฟคา (ต้นฉบับ: "Die Verwandlung") โดย PROMT บทแปล “เมตามอร์โฟซิส” ของคาฟคา (ต้นฉบับ: "Die Verwandlung") โดย PROMT | © PROMT ที่โหล่ได้แก่การแปลของ IBM Watson Language Translator:
บทแปล “เมตามอร์โฟซิส” ของคาฟคา (ต้นฉบับ: "Die Verwandlung") โดย IBM Watson Language Translator บทแปล “เมตามอร์โฟซิส” ของคาฟคา (ต้นฉบับ: "Die Verwandlung") โดย IBM Watson Language Translator | © IBM Watson Language Translator ตอนนี้เราไม่มีเหตุผลที่จะคาดหวังว่าเครื่องมือเหล่านี้จะแปลตัวอย่างวรรณกรรมได้ดีเป็นพิเศษ เนื่องจากไม่ได้ถูกฝึกมาให้ทำงานกับเนื้อหาประเภทนี้ แต่โชคดีที่การแปลผิดพลาดร้ายแรงในปัจจุบันนี้หาได้ยากมาก โดยทั่วไปแล้วการแปลด้วยเครื่องให้คำแปลเป็นหนึ่งเดียวกันและยอมรับได้

VERMIN หรือ INSECTS - ความยากมีอยู่จริง

ผู้อ่านที่เคร่งครัดกับต้นฉบับภาษาเยอรมันของคาฟคาอาจคัดค้านว่าโปรแกรมแปลทั้งหมดแปลอุปสรรคแสดงการปฏิเสธที่สัมผัสอักษรสามคำคือ “unruhigen … ungeheueren … Ungeziefer” ไม่ได้ แต่ก็ไม่มีนักแปลคนใดถ่ายทอดออกมาได้เช่นกัน มีหลายอย่างเกิดขึ้นในประโยคแรกมากเกินไปและต้องจำยอมตัดการเล่นคำนี้ออกไป แล้ว "a vermin" ล่ะ คุณอาจคิดเหมือนผมตอนที่เห็นคำแปลนี้ครั้งแรกว่าคำนี้แสดงให้เห็นว่าแปลผิดไวยากรณ์ แสดงให้เห็นความผิดพลาดของคำสั่งภาษาปลายทางของคอมพิวเตอร์เพราะ "vermin” ไม่ใช่คำนามนับได้ แต่การแปลว่า “a vermin” กลับไม่ใช่คำชี้เป็นชี้ตาย เนื่องจากเป็นคำแปลที่นักแปลชาวอเมริกัน สแตนลีย์ คอร์นโกลด์ใช้ในฉบับที่ขายดีที่สุดใน ค.ศ. 1972 ว่า

When Gregor Samsa woke up one morning from unsettling dreams, he found himself changed in his bed into a monstrous vermin.

โยอาคิม นูโกรเชล นักแปลอีกคนหนึ่งในสหรัฐอเมริกาใช้คำแปลนี้ตามคอร์นโกลด์ และถ้าคำนี้บอกอะไร น่าจะเป็นความแตกต่างระหว่างภาษาอังกฤษแบบอเมริกันและสหราชอาณาจักร เนื่องจากนักแปลในสหราชอาณาจักรที่คิดว่าควรแปลคำว่า “Ungeziefer” เป็น “vermin” รู้สึกตะขิดตะขวงใจที่จะทำให้เป็นนามนับได้และเลือกที่จะอธิบายแทน เช่น ในบทแปลของจอยซ์ คริกที่ว่า ““some kind of monstrous vermin” หรือคำแปลของจอห์น อาร์ วิลเลียม ว่า “a huge verminous insect”

แทบจะไม่น่าแปลกใจที่พบว่าการแปลด้วยเครื่องมีความโน้มเอียงที่จะใช้ภาษาอังกฤษแบบอเมริกันมากกว่า แต่จากการตรวจสอบบทแปลภาษาอังกฤษของนวนิยายเล่มนี้หลายๆ เล่มที่ตีพิมพ์ในทั้งสองฝั่งของมหาสมุทรแอตแลนติก แสดงให้เห็นว่ามีคำแปลที่แตกต่างกันมากกว่าที่เครื่องแปล นักแปลคนแรกคู่สามีภรรยาชาวสกอต คือ เอ็ดวิน และวิลลา มูยร์แปลคำว่า“ ungeheueres Ungeziefer” เป็น as “a gigantic insect” และคำแปลหลังจากนั้นมีคำว่า “a monstrous insect” ด้วย (มัลคอล์ม พาสลีย์) “a monstrous cockroach” (ไมเคิล  ฮอฟมันน์) “an enormous bedbug” (คริสโตเฟอร์ มอนครีฟฟ์) และ “some sort of monstrous insect” (ซูซาน เบอร์นอฟสกี) แน่นอนว่า ทั้งหมดนี้เป็นคำแปลที่ยอมรับได้ และความหลากหลายของคำแปลนี้สะท้อนให้เห็นว่ามีความสงสัยต่อสิ่งที่คาฟคาตั้งใจจะหมายความจริงๆ มากเพียงไร  (แบดดีล 2015; กูเดอร์แฮม 2015)

ปัจจัยเกี่ยวกับความหลากหลาย ความถูกต้อง และความซับซ้อน

ลักษณะของสิ่งมีชีวิตที่เกรเกอร์ ซามซากลายร่างเป็นเป็นจุดตีความสำคัญอันลือลั่น แต่เมื่อเปรียบเทียบบทแปลที่มนุษย์แปลกับคอมพิวเตอร์แปล จะเห็นว่ามนุษย์แปลคำสำคัญแต่ละคำในประโยคเปิดของคาฟคาหลากหลายกว่าคอมพิวเตอร์มาก ฝันอัน “unruhigen” ของเกรเกอร์ เป็น “uneasy” (มูร์, คริก, วิลเลียมส์) หรือ  “unsettling” (คอร์นโกลด์), หรือ “troubled” (พาสลีย์, เดวิด วิลลี, ฮอฟมันน์ เบอร์นอฟสกี) หรือ  “agitated” (นูโกรเชล), หรือ “anxious” (เอียน จอห์นสัน) หรือ “fitful” (มอนครีฟฟ์) กันแน่ คำแปลทุกคำถูกต้องตามไวยากรณ์ แต่ละคำให้ “ความหมาย” (คำแปล) ของ  “unruhigen” แต่แต่ละคำยังมีความหมายต่างกันเล็กน้อย สิ่งที่มีค่าที่สุดเกี่ยวกับการแปลงานชั้นครูซ้ำแล้วซ้ำเล่าคือความหลากหลายประเภทนี้นั่นเอง เป็นเหตุผลว่าทำไมเราจึงซื้อและอ่านบทแปลใหม่ ๆ อยู่เรื่อย ๆ และทำไมผู้จัดพิมพ์ยังคงจ้างนักแปลต่อไป อย่างน้อยในชั่วขณะหนึ่งดูเหมือนว่าการแปลด้วยเครื่องซึ่งมุ่งหาความถูกต้องที่ยอมรับกันจะร่นความหลากหลายนี้ลง คอมพิวเตอร์อาศัยแบบจำลองเชิงสถิติร่วมกัน และนำไปสู่คำแปลร่วมกันคำเดียวที่ “ปลอดภัย” ดังที่เราเห็นจากตัวอย่างเล็กๆ ของผม

เราแทบโทษการแปลด้วยเครื่องไม่ได้เลยที่ให้ความสำคัญกับการแปลเนื้อหาต้นทางให้ถูกต้องมากกว่าเพราะนั่นคือสิ่งที่เครื่องถูกออกแบบมาให้ทำ แต่ข้อมูลเพียงอย่างเดียวไม่ใช่สิ่งที่ทำให้วรรณกรรมเป็นอย่างที่เป็น อันที่จริงวอลเตอร์ เบนจามินโต้แย้งไว้อย่างโด่งดังว่างานของนักแปล (วรรณกรรม) ไม่ใช่การถ่ายทอดข้อมูลเป็นหลัก (เบนจามิน 2012, 75) ข่าวดีก็คือการแปลด้วยเครื่องทิ้งวันที่ “ล้าหลัง” ไว้เบื้องหลังและแปลได้อย่างแม่นยำเพิ่มขึ้นอย่างรวดเร็ว ในช่วงไม่กี่ปีที่ผ่านมา นักพัฒนาซอฟต์แวร์ชั้นนำอ้างว่าในบางโดเมนและคู่ภาษาบางคู่ คอมพิวเตอร์แปลได้เทียบเท่ากับมนุษย์ (ลินน์ 2018) หรือแม้กระทั่งแปลได้ดีกว่า (โพเพล อ้างแล้ว 2020) แต่เราต้องมองคำกล่าวอ้างนี้ในภาพรวมและตระหนักว่า “ในงานแปลทั้งหมด โปรแกรมที่ล้ำสมัยล้าหลังกว่าประสิทธิภาพของมนุษย์อย่างมาก ยกเว้นงานที่เฉพาะเจาะจงมากๆ” (คาสเวล และ เลียง 2020)

และเมื่อพูดถึงการแปลวรรณกรรม หนทางยังอีกยาวไกล (โทรัลและเวย์ 2018; มาทูเซฟ 2019; ฟอนทีน, เทซแคน & แม็คเคน 2020; โมฮาร์, ออร์ทาเบอร์ & ออนิก 2020) แน่นอนว่าทำให้คอมพิวเตอร์ “สูสีกับมนุษย์” ยังคงเป็นฝันที่ห่างไกล การแปลด้วยเครื่องทำได้ดีในประโยคตัวอย่างของผม แต่การศึกษาเมื่อเร็ว ๆ นี้แสดงให้เห็นว่าในวรรณกรรมที่โครงสร้างซับซ้อนกว่าแม้แต่โปรแกรมแปลล่าสุดก็หน้าทิ่มอย่างรวดเร็ว (เลาบลิ, เซนน์ริช และโฟล์ก 2018) ลักษณะสำคัญของวรรณกรรมร้อยแก้ว  เช่น บทดำเนินเรื่องท้าทายอย่างมากสำหรับการแปลด้วยเครื่อง (ไทฟาล์โกสกี-ไชลอฟ 2019a, ไทฟาลโกสกี-ไชลอฟ 2019b, เคนนี และวินเทอรส์ 2020) ดังที่ดักลาส ฮอฟสเตดเทอร์ชี้ให้เห็น (ฮอฟสเตดเทอร์  2018) คอมพิวเตอร์ไม่เข้าใจอะไรเลยเกี่ยวกับข้อความที่ตนแปล และขาดความรู้เกี่ยวกับโลกแห่งความเป็นจริงและเชื่อมโยงและตีความไม่ได้ (นั่นคือการปรับให้เข้ากับวัฒนธรรมภาษาปลายทางแทนที่จะแปลเพียงอย่างเดียว) ยิ่งไปกว่านั้น เราเองก็ต้องการให้บทแปลวรรณกรรมเป็นมากกว่าการแปลเพียงให้ “ยอมรับได้” หรือ “พอใช้”

อนาคตของการแปล

บรรดานักวิจารณ์เห็นพ้องกันเป็นเอกฉันท์ว่า“ ดูเหมือนว่ามนุษย์ยังคงเป็นองค์ประกอบที่สำคัญที่สุดในกระบวนการแปลไปอีกหลายปีข้างหน้า” (ลูเมอราสและเวย์ 2017, 21) และ“ เมื่อพูดถึงวรรณกรรม […, ] คอมพิวเตอร์คงต้องใช้เวลาอีกพักใหญ่กว่าจะตามมนุษย์ทัน” (โพลิซซอตติ 2018, 46) ในระหว่างนี้  คาดกันว่านักแปลวรรณกรรมจะอาศัยคอมพิวเตอร์มากขึ้นดังที่นักแปลเชิงพาณิชย์และเทคนิคผู้ร่วมวงศ์วานทำมาระยะหนึ่งแล้ว (ยูเดล 2019) “อนาคตของการแปลขึ้นอยู่กับมนุษย์ส่วนหนึ่ง เครื่องจักรส่วนหนึ่ง” (สกรีน, 2017) เมื่อแนวโน้มเปลี่ยนไปเป็น การที่นักแปลแก้ไขบทแปลที่แปลด้วยเครื่องก่อน แม้แต่ในการแปลวรรณกรรม นานมาแล้วที่ในโลกของการแปลโดยมนุษย์ สำนักพิมพ์ได้มอบหมายให้นักแปลวรรณกรรมมืออาชีพแปลแบบ "ตรงตัว" ออกมาก่อนเพื่อให้นักเขียนที่มีชื่อเสียงซึ่งไม่เก่งภาษาต่างประเทศเขียนฉบับใหม่ที่ตีพิมพ์ได้ ตัวอย่างล่าสุดคือบทแปล Peer Gynt and Brand (อิบเซน 2017) ของสำนักพิมพ์เพนกวิน โดยเจฟฟรีย์ ฮิลซึ่งใช้ฉบับถอดบทละครของเจเน็ต การ์ตันและอิงกา-สตินา อิวแบงก์เป็นต้นฉบับ อย่างน้อยที่สุดก็ก่อนที่ในอีกไม่นานการแปลด้วยเครื่องจะเข้ามายึดหัวหาดและเป็น “มือปืนแปล” แบบอัตโนมัติแทน

ขณะนี้ กลุ่มผู้ตัดสินกำลังพิจารณาว่าในท้ายที่สุดคอมพิวเตอร์จะสร้างสรรค์ได้มากกว่านี้หรือไม่ ในด้านหนึ่ง ฮอฟสเตดเทอร์เตือนว่าจะเกิดสิ่งที่เขาเรียกว่าปรากฏการณ์ "เอไลซา” เมื่อคอมพิวเตอร์เป็นเหมือนมนุษย์มากกว่าที่เป็นจริง (ฮอฟสเตดเตอร์ 2018)  แต่ในอีกด้านหนึ่ง มาร์ก โอโทมัสมองอนาคตของยุคหลังมนุษย์เป็นผู้แปลวรรณกรรมอย่างมีความหวัง

ท้ายที่สุด บทบาทของนักแปลวรรณกรรมอาจอยู่ในรูปของโดเมนของแอปพลิเคชันซอฟต์แวร์ที่ใช้ความทรงจำการแปลของใครคนใดคนหนึ่ง แม้ด้วยความรู้และประสบการณ์ด้านเทคโนโลยีของเราในปัจจุบัน ไม่ยากเลยที่จะจินตนาการว่าจะมีซอฟต์แวร์ที่ย่อยและปรับชุดคำศัพท์ของคนคนหนึ่งและนำไปใช้ในภาษามากกว่าหนึ่งภาษาได้ จากนั้นซอฟต์แวร์จะแปลตัวบทที่คล้ายกับสิ่งที่นักแปลคนนั้นอาจจะเขียนรวมทั้งอาจจะเป็นไปได้ที่จะสร้างบทแปลของนักแปลคนใดคนหนึ่งหลังจากที่นักแปลคนนั้นเสียชีวิตไปแล้วโดยการกำหนดไว้ในความทรงจำในการแปล

มาร์ก โอโทมัส (2017)

มองข้ามการทำนายแบบนี้ออกไป สำหรับผมคำถามที่น่าสนใจกว่านั้นคือ แล้วจะแตกต่างอย่างไรสำหรับนักแปลวรรณกรรมหากเป็นไปได้ที่จะตีพิมพ์บทแปลวรรณกรรมที่แปลด้วยเครื่องแล้วมีนักแปลเกลานิดหน่อยดังที่นักแปลปัจจุบันทำอยู่แล้ว  (ซึ่งเป็นคำจำกัดความเข้าเค้าเพียงคำเดียวของ “เทียบเท่ามนุษย์” ในบริบทนี้) ไม่ว่าสิ่งนี้จะกลายเป็นความจริงในเร็วเพียงไร (จริง ๆ แล้ว ไม่ว่าจะเป็นจริงหรือไม่ก็ตาม) สำหรับผมแล้ว ผมคิดว่าคุ้มค่าที่จะพิจารณาว่าอะไรคือผลของ “การผงาดขึ้นมาของเครื่องจักร" และชื่นชมที่คอมพิวเตอร์แปลวรรณกรรมแล้วผ่าน “การทดสอบของทัวริง” ได้ในวันหนึ่ง

ในยุคหลังมนุษย์ของการแปลวรรณกรรม สิ่งที่อาจเกิดขึ้นกับนักแปลวรรณกรรมคืออะไร

จากมุมมองของผู้ว่าจ้างและจ่ายค่าแปลวรรณกรรม (ผู้จัดพิมพ์) การแปลวรรณกรรมอัตโนมัติด้วยเครื่องคุณภาพสูงอาจดูเหมือนเป็นโลกอุดมคติ แต่อย่างน้อยก็น่าสงสัยว่ากว่าเวลานั้นจะมาถึง ซอฟต์แวร์แปลที่ล้ำสมัยจะตัดนักแปล “คนกลาง” ออกไปโดยไม่ต้องมีค่าใช้จ่ายหรือไม่ และยากที่จะจินตนาการได้ว่าการมีนักแปลจะซ้ำซ้อนอย่างสมบูรณ์ในเมื่อสถิติของการแปลด้วยอัลกอริทึมของเครื่องแย่มาก (มาราสลิกิล 2016, ไทฟอล์โกสกี-ชิลอฟ  2019a) จากมุมมองของผู้บริโภคงานแปลวรรณกรรม  (ผู้อ่าน) การที่มีวรรณกรรมจำนวนมหาศาลให้อ่านบทแปล (อัตโนมัติ) เป็นครั้งแรกควรจะเป็นข้อดี แต่ก็อีกครั้งที่บทบาทของคนเฝ้าประตู/บรรณาธิการยังไม่หายไปอย่างสิ้นเชิง เนื่องจากการแปลแบบนี้อาจจะมีผลเสียมากกว่าผลดีหากคุณภาพไม่ดีพอที่จะอ่านได้อย่างมีอรรถรส จากมุมมองของนักแปลเอง ความซ้ำซ้อนที่เกิดจากคอมพิวเตอร์มีอะไรให้พูดถึงมากมาย แต่นักแปลวรรณกรรมต้องการใช้วิธีเดียวกับอาลักษณ์ในสมัยกลางจริง ๆ หรือ บทบาทของนักแปลวรรณกรรมดูเหมือนจะน้อยลงไปมาก แต่ก็ไม่ได้หมายความว่าจะมีนักแปลตกงานจำนวนมหาศาล ถึงอย่างไรแล้ว ในทำนองเดียวกับที่เทคโนโลยีสารสนเทศผงาดขึ้นมาทำให้เห็นบรรณารักษ์ขยายทักษะและปรับตัวไปทำงานด้านข้อมูลทั่วไปมากขึ้น  นักแปลวรรณกรรมก็ควรปรับตัวได้เช่นเดียวกัน

มีกิจกรรมกินเวลาหลายอย่างของมนุษย์ที่คอมพิวเตอร์เข้ามาช่วยในตอนนี้ แต่ผมไม่คิดว่าเราจะต้องการให้งานแปลวรรณกรรมเป็นหนึ่งในนั้น เราอาจสนุกกับการคัดลอกวรรณกรรมยุคหลังมนุษย์ (ความน่าเบื่อหน่ายของห้องอาลักษณ์ยุคกลางหมดไปในยุคของแท่นพิมพ์ เครื่องถ่ายเอกสาร และไฟล์สแกน PDF) แต่ผมขอยืนยันว่าเราไม่ต้องการการแปลวรรณกรรมหลังมนุษย์จริงๆ ประการหนึ่งคือเทคโนโลยีใหม่ไม่เคยเข้ามาแทนที่วิธีการเดิมๆ อย่างสิ้นเชิง การประดิษฐ์โทรทัศน์ไม่ได้หมายถึงความตายของวิทยุ การประดิษฐ์ซีดีไม่ได้ทำให้แผ่นเสียงไวนิลถึงแก่กาลอวสาน เราอาจนึกถึงบทบาทในอนาคตของนักแปลวรรณกรรมที่คล้ายคลึงกับปรมาจารย์หมากรุกในยุคของซูเปอร์คอมพิวเตอร์หมากรุก  ในหลายทาง คอมพิวเตอร์ช่วย “แก้เกม” หมากรุกได้อย่างมีประสิทธิภาพ เกือบหนึ่งในสี่ของศตวรรษแล้วนับตั้งแต่ Deep Blue ของไอบีเอ็มเอาชนะแชมป์โลก แกรี คาสปารอฟ ในปี 1996 และตั้งแต่นั้นมาช่องว่างระหว่างคอมพิวเตอร์และมนุษย์ทิ้งห่างอย่างไร้ความปรานี แต่การแข่งขันหมากรุกระดับโลกยังจัดต่อไป (คุณยังเล่นหมากรุกเป็นอาชีพได้) ในขณะที่ผู้เล่นหมากรุกสมัครเล่นหลายล้านคนทั่วโลกยังคงสนุกกับเกมนี้ และพัฒนาฝีมือโดยการเล่นกับคอมพิวเตอร์

แม้ว่า/เมื่อคอมพิวเตอร์ “จัดการ” การแปลวรรณกรรมได้ ผมก็ยังคาดเต็มที่ว่ามนุษย์จะแปลต่อไปเช่นเดียวกับที่สันนิษฐานว่าจะมีผู้ที่ยังคงสนุกกับการขับรถในยุคของรถยนต์ที่ขับเคลื่อนด้วยตัวเองและอื่นๆ นักแปลยังคงสนุกกับการแปลเช่นเดียวกับบทแปล และจะมีผู้อ่านที่ชื่นชอบคำแปลของมนุษย์เช่นกันซึ่งจะทำให้กำหนดราคาสูงลิ่วได้ เช่น ปลาที่จับได้ด้วยเบ็ดในยุคของเรือลากอวนจากโรงงาน หรือแอสตัน มาร์ตินทำมือในยุคของหุ่นยนต์สายพานการผลิต การแปลวรรณกรรมจะยังคงเป็นทางออกสำหรับจิตวิญญาณแห่งความคิดสร้างสรรค์ของมนุษย์ (ลาร์จ 2018, 92–94) – และหากนั่นเป็นแง่มุมหนึ่งของการแปลโดยมนุษย์ที่เครื่องจักรพยายามเลียนแบบด้วยก็ย่อมดีกว่าสำหรับทุกคน

อ้างอิง:

Baddiel, David (2015), “The Entomology of Gregor Samsa”.
 
Benjamin, Walter (2012), “The Translator’s Task”, trans. Steven Rendall, in Lawrence Venuti (ed.), The Translation Studies Reader, 3rd edn (London and New York: Routledge), 75–83.
 
Caswell, Isaac & Bowen Liang (2020), “Recent Advances in Google Translate”.
 
Fonteyne, Margot, Arda Tezcan & Lieve Macken (2020), “Literary Machine Translation under the Magnifying Glass: Assessing the Quality of an NMT-Translated Detective Novel on Document Level”, in Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), 3783–3791.
 
Gooderham, W.B. (2015), “Kafka’s Metamorphosis and its Mutations in Translation”, The Guardian, 13 May.
 
Hofstadter, Douglas (2018), “The Shallowness of Google Translate”, The Atlantic, 30 January.
 
Ibsen, Henrik (2017), Peer Gynt and Brand, trans. Geoffrey Hill (London: Penguin).
 
Kenny, Dorothy, & Marion Winters, “Machine Translation, Ethics and the Literary Translator’s Voice”, Translation Spaces, 9/1 (August 2020), 123-149.
 
Läubli, Samuel, Rico Sennrich & Martin Volk (2018), “Has Machine Translation Achieved Human Parity? A Case for Document-Level Evaluation”, in Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, 4791-4796, Brussels, Belgium, October-November. Association for Computational Linguistics.
 
Large, Duncan (2018), “Could Google Translate Shakespeare?”, In Other Words, 52 (Winter 2018/19), 79-94.
 
Lawson, Richard H. (1960),“Ungeheueres Ungeziefer in Kafka’s ‘Die Verwandlung’”, German Quarterly, 33/3 (May), 216-219.
 
Linn, Allison (2018), “Microsoft Reaches a Historic Milestone, Using AI to Match Human Performance in Translating News from Chinese to English”, March 14.
 
Lumeras, Maite Aragonés, & Andy Way (2017), “On the Complementarity between Human Translators and Machine Translation”, Hermes, 56, 21-42.
 
Marasligil, Canan (2016), “Literary Translation Beyond Automation”, International Literature Showcase.
 
Matusov, Evgeny (2019), “The Challenges of Using Neural Machine Translation for Literature”, in Proceedings of the Qualities of Literary Machine Translation, 10–19, Dublin, Ireland, 19 August. European Association for Machine Translation.
 
Mohar, Tjaša, Sara Orthaber & Tomaž Onič (2020), “Machine Translated Atwood: Utopia or Dystopia?”, ELOPE: English Language Overseas Perspectives and Enquiries, 17/1, 125–141.
 
O’Thomas, Mark (2017), “Humanum ex machina: Translation in the Post-Global, Posthuman World”, Target, 29/2 (January), 284–300.
 
Polizzotti, Mark (2018), Sympathy for the Traitor: A Translation Manifesto (Cambridge, MA and London: MIT Press).
 
Popel, Martin et al. (2020), “Transforming Machine Translation: A Deep Learning System Reaches News Translation Quality Comparable to Human Professionals”, Nature Communications, 11/4381.
 
Screen, Ben (2017), “The Future of Translation is Part Human, Part Machine”, The Conversation, 11 July.
 
Taivalkoski-Shilov, Kristiina (2019a),“Ethical Issues Regarding Machine(-Assisted) Translation of Literary Texts”, Perspectives, 27/5, 689–703.
 
Taivalkoski-Shilov, Kristiina (2019b), “Free Indirect Discourse: An Insurmountable Challenge for Literary MT Systems?”, in Proceedings of The Qualities of Literary Machine Translation, 35–39, Dublin, Ireland, 19 August. European Association for Machine Translation.
 
Toral, Antonio, & Andy Way (2018), “What Level of Quality Can Neural Machine Translation Attain on Literary Text?”, in Joss Moorkens et al. (eds), Translation Quality Assessment: From Principles to Practice (Berlin and Heidelberg: Springer), 263-87.
 
Youdale, Roy (2019),“Computer-Aided Literary Translation: An Opportunity, Not a Threat”, In Other Words, 53 (Summer), 45–51.