CAT Araçları Tarihi: ALPAC Raporu’ndan Sonra Ne Oldu?

Çeviri teknolojisinin tarihi genellikle bir başarı hikâyesi gibi anlatılır. Oysa CAT araçları tarihi bir başarıyla değil, bir başarısızlık raporuyla başlar. 1966’da yayımlanan ALPAC Raporu, makine çevirisi araştırmalarının o günkü hâlini soğukkanlı biçimde değerlendirdi ve sonuç olumsuzdu.

İçindekiler

Rapor bir alanı kapattı, ama aynı sayfalarda başka bir kapı açtı: bilgisayarın çevirmenin yerine geçmesi yerine ona yardımcı olması fikri. Bugün kullandığımız çeviri belleği, terim veritabanı ve eşleşme oranları o kapıdan çıktı.

Bu yazı, altmış yıl önceki bir kararın bugün aldığınız çeviri teklifini nasıl şekillendirdiğini anlatıyor. Tarih meraklısı olmanıza gerek yok; anlatının sonunda faturanızdaki “tekrar indirimi” satırı duruyor.

ALPAC Raporu ne dedi, neyi durdurdu?

1950’ler makine çevirisi için iyimserlik yıllarıydı. Warren Weaver’ın 1949 tarihli muhtırası fikri gündeme taşımış, 7 Ocak 1954’te yapılan Georgetown deneyi 250 kelimelik sınırlı bir sözlükle bir gösteri gerçekleştirmişti (Pietrzak & Kornacki 2021, Bölüm 3). Basın bu gösteriyi birkaç yıl içinde çözülecek bir problemin habercisi gibi sundu.

On yılın sonunda vaat karşılanmamıştı. ALPAC Raporu 1966’da bu tabloyu ölçtü ve tam otomatik makine çevirisinin, o günün donanımı ve dilbilim modelleriyle insan çevirisinden daha pahalı, daha yavaş ve daha az güvenilir olduğunu belirtti. Sonuç sert oldu: ABD’de alana ayrılan kamu fonları büyük ölçüde kesildi.

Raporun sıkça atlanan yanı şudur: makine çevirisini tümüyle reddetmedi. Reddettiği şey, insanı devreden çıkarma hedefiydi. Rapor, sözlük erişimi ve metin işleme gibi çevirmene doğrudan destek veren araçların daha gerçekçi bir yatırım olduğuna işaret etti.

Aşağıdaki tablo, alanın o günden bugüne geçirdiği evreleri ve her evreden bugüne kalan pratiği özetliyor.

Dönem	Baskın fikir	Bugüne kalan
1949–1966	Tam otomatik çeviri yakında mümkün olacak	Alanın kurucu soruları ve ilk sözlük yapıları
1966–1980	Bilgisayar çevirmene yardım etsin	Terim veritabanı mantığı, dar alan uygulamaları
1980’ler sonu–2000’ler	Yapılan çeviri saklanabilir ve yeniden kullanılabilir	Çeviri belleği, eşleşme oranları, tekrar indirimi
2010 sonrası	İstatistik ve sinir ağları öneri üretsin	Makine çevirisi sonrası düzeltme, insan denetimi

Rapordan çıkan asıl fikir: makine değil, makine destekli insan

ALPAC sonrası dönemde araştırma gündemi değişti. Soru artık “bilgisayar çeviri yapabilir mi?” değil, “bilgisayar çevirmenin hangi işini üstlenebilir?” hâline geldi. Bu, mütevazı ama verimli bir soruydu.

Çevirmenin gününü asıl yiyen işler, cümle kurmak değildi: sözlük taramak, aynı terimi belge boyunca tutarlı kullanmak, geçen ay çevrilmiş neredeyse aynı paragrafı yeniden yazmak. Bunların hepsi tekrar eden, kural temelli, bilgisayarın iyi olduğu işlerdi.

Bu yeniden çerçeveleme, teknolojinin hedefini de değiştirdi. Amaç, kusursuz çeviri üreten bir sistem değil; çevirmenin daha önce ürettiği kusursuz çeviriyi bulup önüne koyan bir sistemdi. Çeviri belleğinin çekirdek fikri budur ve bugün hâlâ aynıdır.

Bu yaklaşımın ticari sonucu da ölçülebilir oldu. Sektör ölçütü günde 2.500 kelime iken, araç kullanan çevirmenlerin günlük ortalaması 2.684 kelime olarak raporlanmıştır (DePalma 2012). Fark tek başına çarpıcı görünmeyebilir; ancak bu ortalama, tekrar oranı düşük metinleri de içeren bir ortalamadır. Tekrarın yoğun olduğu belge ailelerinde kazanç çok daha belirgindir.

Boşluk yılları: terminolojinin bilgisayara taşınması

1970’ler, makine çevirisi için sessiz bir dönem oldu ama çeviri teknolojisi için değil. Bu yıllarda büyük kurumlar terminoloji sorununu bilgisayara devretmeye başladı: binlerce teknik terimin, kısaltmanın ve kurum adının tek bir yerde tutulduğu veritabanları kuruldu.

Bu tercih rastgele değildi. Terminoloji, çeviride hatanın en pahalıya mal olduğu katmandır. Bir cümlenin üslubu tartışılabilir; bir vidanın adının belge içinde üç farklı biçimde geçmesi ise üretim hattında yanlış parça anlamına gelir.

Aynı dönemde işe yarayan ilk makine çevirisi uygulaması da dar bir alanda ortaya çıktı: 1976’da devreye giren Météo sistemi, hava durumu bültenlerini çeviriyordu. Başarısının nedeni teknolojinin gücü değil, alanın darlığıydı — sınırlı kelime dağarcığı, sabit cümle kalıpları. Bu ders bugün de geçerlidir: otomasyon, dil ne kadar öngörülebilirse o kadar iyi çalışır.

Çeviri belleği fikri nasıl olgunlaştı?

Çeviri belleği, basit bir gözlemin ürünüdür: teknik metinlerde aynı cümle şaşırtıcı sıklıkla geri gelir. Kullanım kılavuzunun yeni sürümü, öncekinin büyük bölümünü aynen taşır. Sözleşmelerin madde başlıkları neredeyse hiç değişmez.

Bu gözlem sayısal olarak da desteklenir. Sektör araştırmalarında çevirmenlerin işlediği metnin tamamen yeni olan bölümü şirket içi çevirmenlerde %59,38, serbest çevirmenlerde %59,11 olarak ölçülmüştür (DePalma 2012, CSA). Yani ortalama bir işin yaklaşık %40’ı, daha önce çevrilmiş bir şeyle örtüşme potansiyeli taşır.

Fikrin uygulanabilir hâle gelmesi için iki teknik eşiğin aşılması gerekiyordu: metni cümle düzeyinde parçalara ayırabilmek (segmentasyon) ve iki cümlenin ne kadar benzediğini ölçebilmek (bulanık eşleşme). Kişisel bilgisayarların yaygınlaşmasıyla bu iki eşik 1980’lerin sonunda aşıldı ve ticari çeviri belleği yazılımları piyasaya çıktı.

CAT araçları tarihi neden hâlâ bugünü açıklıyor?

Bu tarihin bugüne bakan üç sonucu var. Birincisi fiyatlandırmadır. Kelime başına ücret, artık ham kelime sayısı üzerinden değil, belleğe göre ağırlıklandırılmış kelime sayısı üzerinden hesaplanır. Uzun soluklu işlerde fark küçümsenecek gibi değildir.

İkincisi tutarlılıktır. Kurumsal dilin belge yığını boyunca aynı kalması, insan hafızasının değil bir veritabanının başarısıdır. Marka adları, ürün kodları ve hukuki tanımlar bu sayede sabitlenir.

Üçüncüsü ise bir uyarıdır. Kolaylık, dikkatsizliği de besler. Bowker (2005) çevirmenlerin belleğe “kör inanç” geliştirebildiğine dikkat çeker: sistem yüksek oranlı bir eşleşme gösterdiğinde çevirmen o segmenti yeni bağlamda gerçekten doğru olup olmadığını sorgulamadan kabul edebilir. Teknolojinin faydası, onu kullananın şüpheciliğini koruduğu ölçüde gerçektir.

Bu üç sonuç birlikte okunduğunda ortaya şu tablo çıkar: CAT araçları maliyeti düşürür, tutarlılığı artırır ve karşılığında yeni bir denetim yükü getirir. Alıcı tarafın işi, bu yükün kimde olduğunu sözleşmede netleştirmektir. Belleğin kim tarafından tutulacağı, hangi sıklıkla temizleneceği ve yüksek eşleşmeli segmentlerin revizyon kapsamına girip girmeyeceği baştan konuşulmadığında, indirim kazancı sonradan kalite tartışmasına dönüşebilir.

Bugünün yapay zekâ tartışması aynı sarkaçta mı?

1950’lerin iyimserliği ile bugünün büyük dil modeli tartışması arasında yapısal bir benzerlik var. Her iki dönemde de gösteriler etkileyici, beklentiler ölçüsüz, ölçüm ise geriden geliyor.

Farklar da gerçek. Bugünün sistemleri, ALPAC dönemindekilerin aksine gündelik metinlerde çoğu zaman anlaşılır çıktı üretiyor ve makine çevirisini deneyen çevirmen oranı zaten yüksek: şirket içi çevirmenlerde %44,02, serbest çevirmenlerde %55 (DePalma 2012). Teknoloji artık bir merak konusu değil, iş akışının parçası.

ALPAC’in bıraktığı asıl ders bir tarih notu değil, bir yöntemdir: iddiayı değil sonucu ölç. Bir aracın işe yarayıp yaramadığı, tanıtımıyla değil; belirli bir belge türünde, belirli bir dil çiftinde, düzeltme süresi ve hata oranı ölçülerek anlaşılır.

Türkiye bağlamı

Türkiye çeviri piyasası bu tarihe geç ama hızlı katıldı. CAT araçları ülkeye 1966–1990 arasındaki kurumsal araştırma zinciriyle değil, 2000’li yıllarda doğrudan ticari yazılım olarak girdi. Sonuç, teknolojinin “neden” var olduğunun çoğu zaman tartışılmadan “nasıl” kullanıldığının öğrenilmesi oldu.

Türkçenin yapısı bu mirasın bir bölümünü zorlaştırır. Sondan eklemeli bir dilde tek bir kök, onlarca çekimli biçim üretir. Cümle düzeyinde çalışan bir çeviri belleği için bu, iki cümlenin anlamca aynı olmasına rağmen karakter düzeyinde farklı görünmesi demektir; eşleşme oranı beklenenden düşük çıkabilir.

Buna karşılık Türkiye’de yoğun çevrilen belge türleri — noter onaylı evrak, vize dosyaları, ihale şartnameleri, ISO belgeleri — son derece kalıplaşmış metinlerdir. Yani tekrar oranı yüksektir ve bellek yatırımı burada hızlı geri döner. Türkiye’deki gerçek darboğaz teknoloji değil, kurumların kendi terminolojisini yazılı hâle getirmemiş olmasıdır.

Bu sizin için ne anlama geliyor?

Çeviri satın alan taraf için bu tarihin özeti tek cümledir: daha önce çevrilmiş her cümle, bir daha tam ücretle çevrilmemelidir. Bunu talep etme hakkınız var ve talep etmek için teknik bilgi gerekmiyor.

Teklif isterken ham kelime sayısının yanında ağırlıklandırılmış kelime sayısını da sorun.
Aynı tedarikçiyle ikinci işinizde tekrar oranının ne çıktığını yazılı olarak isteyin.
Geçmiş çevirilerinizi dosya olarak saklayın; bunlar belleğe dönüştürülebilecek bir varlıktır.
Kurumunuzun 30–50 kritik terimini bir tabloya yazın ve her işe ekleyin.
Belleğin ve terim listesinin size ait olduğunu sözleşmede belirtin.

Bu beş maddenin dördü sizin tarafınızda tamamlanır ve maliyeti yoktur. Sürekli çeviri ihtiyacı olan kurumlarda ilk yıl sonunda oluşan bellek, sonraki yılların bütçesini gözle görülür biçimde aşağı çeker. Nasıl hesaplandığını görmek isterseniz fiyatlandırma sayfamıza bakabilir, kendi belgeniz için teklif isteyebilirsiniz.

Sık sorulan sorular

ALPAC Raporu tam olarak neyi durdurdu?

1966 tarihli rapor, tam otomatik makine çevirisinin o günün koşullarında insan çevirisinden daha pahalı ve daha yavaş olduğunu tespit etti. Bunun üzerine ABD’de makine çevirisi araştırmalarına ayrılan kamu fonları büyük ölçüde kesildi.

CAT aracı ile makine çevirisi arasındaki fark nedir?

Makine çevirisi metni kendisi çevirir. CAT aracı ise çeviriyi insana bırakır; insanın daha önce yaptığı çevirileri saklar, tekrar eden bölümleri önerir ve terim tutarlılığını denetler. İkisi farklı teknoloji ailelerindendir.

Çeviri belleği fikri neden ALPAC sonrası doğdu?

Rapor, otomasyonun tamamını reddetmedi; insanın merkezde kaldığı yardımcı sistemleri işaret etti. Bilgisayarın çevirmenin yerine geçmek yerine ona destek olması fikri bu dönemde olgunlaştı ve çeviri belleğine giden yolu açtı.

Bu tarih bir çeviri alıcısı olarak beni neden ilgilendiriyor?

Çünkü bugün aldığınız tekliflerdeki tekrar indirimi doğrudan bu mirasın ürünüdür. Metninizde geçmiş çevirilerle örtüşen bölümler varsa bunlar tam ücretten hesaplanmaz; indirimin dayanağı ALPAC sonrası geliştirilen yardımcı sistem mantığıdır.

Kaynaklar

Pietrzak, P. & Kornacki, M. (2021). Using CAT Tools in Freelance Translation: Insights from a Case Study. Routledge Focus, Bölüm 3.
DePalma, D. A. (2012). Translation Productivity Benchmarks. Common Sense Advisory.
Bowker, L. (2005). “Productivity vs Quality? A Pilot Study on the Impact of Translation Memory Systems”. Localisation Focus, 4(1), s. 13–20.