Вам может быть интересно:
Архив журнала
Ошибки машинного перевода политических речей с китайского языка на русский и способы их исправления
- 151
- Файл статьи: PDF
Аннотация: В эпоху растущего геополитического влияния Китая перевод политических текстов приобретает критическое значение для формирования национального имиджа и эффективного ведения международного диалога. Традиционные методы человеческого перевода не могут удовлетворить постоянно увеличивающийся спрос на оперативное распространение политических заявлений. Поэтому машинный перевод и технологии искусственного интеллекта (ИИ), такие как ChatGPT версии 4.0, всё чаще используются для трансляции политического контента. Однако, несмотря на очевидные преимущества, ИИ сталкивается с фундаментальными ограничениями в передаче тонких нюансов человеческого мышления, интерпретации контекста и учета культурных особенностей. Настоящее исследование посвящено оценке качества перевода политической речи, выполненного ChatGPT, путем сравнения его с официально опубликованным переводом доклада XX Всекитайского съезда Коммунистической партии Китая, подготовленного Редакционным бюро ЦК КПК, и оригинальным текстом доклада. Анализ проводится на основе принципа «двустороннего единства» Цю Дапина, что позволяет выявить потенциальные языковые, стилистические и культурные неточности, допущенные ChatGPT. На основе полученных эмпирических данных предлагаются конкретные методы постредактирования, направленные на повышение точности, адекватности и соответствия оригиналу машинного перевода политических выступлений. Особое внимание уделяется необходимости учета идеологических и культурных коннотаций, присущих политическому дискурсу.
Ключевые слова: политическая лингвистика, политический дискурс, политические тексты, китайские политики, переводоведение, машинный перевод, перевод политической речи, ошибки машинного перевода, постредактирование, политический перевод, Си Цзиньпин, политические речи
Abstract: With China's geopolitical influence expanding, the translation of political texts plays a crucial role in shaping the nation's image and facilitating effective foreign policy dialogue. Traditional human translation methods cannot meet the growing demand for timely dissemination of political statements. That is why machine translation and artificial intelligence (AI) technologies, such as ChatGPT 4.0, are increasingly used to translate political content. However, despite their clear advantages, AI faces fundamental challenges in conveying the subtle nuances of human thought, interpreting context, and taking into account cultural specificities. This study evaluates the quality of political speech translations generated by ChatGPT by comparing them with the officially published translation of the 20th National Congress report of the Communist Party of China, prepared by the Editorial Bureau of the CPC Central Committee, and the original Chinese text. The analysis is conducted based on Qiu Daping’s “bilateral unity” principle, which helps identify potential linguistic, stylistic, and cultural inaccuracies in ChatGPT’s translations. Drawing on the empirical data obtained, this study suggests specific post-editing strategies to enhance the accuracy, adequacy, and matching the original of machine translations of political speeches. Particular attention is given to the need for taking into account ideological and cultural connotations inherent in political discourse.
Key words: political linguistics, political discourse, political texts, Chinese politicians, translation studies, machine translation, translation of a political speech, machine translation errors, post-editing, political translation, Xi Jinping, political speeches
Для цитирования:
Синь, На. Ошибки машинного перевода политических речей с китайского языка на русский и способы их исправления / Синь На, Ли Юйлинь. — Текст : непосредственный // Политическая лингвистика. – 2025. – №5. – С. 209-219.
For citation
Xin Na, Li Yulin. (2025). Errors in Machine Translation of Political Speeches from Chinese into Russian and Ways to Correct Them // Political Linguistics. – 2025. – №5. – P. 209-219.
