Makine Çevirisi Tarihi: Troyanskii’den Günümüze

Makine çevirisi bugün telefonunuzdaki sıradan bir özellik gibi duruyor. Bir düğmeye basıyorsunuz, metin karşı dile geçiyor. Bu sadeliğin arkasında ise yaklaşık doksan yıllık bir arayış var; arayışın büyük bölümü başarıdan değil, kesilen bütçelerden ve aşağı çekilen beklentilerden oluşuyor.

İçindekiler

Makine çevirisi tarihi, teknolojinin düz bir çizgide ilerlemediğini gösteren iyi bir örnektir. Alan iki kez büyük bir iyimserlik dalgası yaşadı ve iki kez sert biçimde frenlendi. Bugünkü araçların neyi yapıp neyi yapamadığını anlamak isteyen bir kurum için bu döngüyü bilmek doğrudan işe yarar.

Aşağıda 1930’lu yıllardan bugüne uzanan çizgiyi altı durakta özetliyoruz: Troyanskii’nin kâğıt üzerinde kalan makinesi, Weaver muhtırası, Georgetown deneyi, ALPAC Raporu, Météo sistemi ve istatistikten sinir ağlarına geçiş.

Makine çevirisi tarihi nereden başlar?

Makine çevirisinin temelinde basit ama iddialı bir varsayım yatar: diller arasındaki geçiş, yeterince iyi tanımlanırsa kurallara indirgenebilir bir işlemdir. Bu varsayım kabul edildiği anda çeviri, bir sanat sorunu olmaktan çıkıp bir mühendislik sorununa dönüşür.

Fikir, hesaplama makinelerinin yaygınlaşmasından önce doğdu. Sözlük araması, dilbilgisi kurallarının uygulanması ve sözcük sırasının yeniden düzenlenmesi; bunların hepsi mekanik olarak yapılabilecek işler gibi görünüyordu. Eksik olan yalnızca yeterince hızlı bir makineydi.

Tarihin gösterdiği şey ise şu oldu: eksik olan hız değildi. Eksik olan, anlamın bağlamdan bağımsız biçimde tanımlanamamasıydı. Alanın yaklaşık yetmiş yıllık gelişimi, büyük ölçüde bu tek sorunla boğuşmanın hikâyesidir.

Bu yüzden alanın tarihi, kronolojik bir liste olmanın ötesinde bir işe yarar. Her dönem, “makineye neyi devredebiliriz?” sorusuna farklı bir cevap verdi ve her cevap kendi sınırına çarptı. Bugün bir kurum makine desteğinin nerede biteceğine karar verirken, aslında aynı sorunun güncel hâlini cevaplıyor. Geçmiş denemelerin nerede tökezlediğini bilmek, bu kararı tahminden çıkarıp ölçüye bağlar.

Troyanskii: kâğıt üzerinde kalan makine

Otomatik çevirinin ilk ayrıntılı tasarımlarından biri, 1930’lu yıllarda Sovyetler Birliği’nde çalışan Petr Petroviç Troyanskii’ye aittir. Troyanskii, dört dil arasında çalışacak mekanik bir düzenek tasarladı: kaynak cümle önce dilbilgisel işaretlerle çözümlenecek, sonra makine sözcük karşılıklarını bulacak, en son bir insan çıktıyı düzeltecekti.

Bu tasarımın dikkat çekici yanı, sürecin başına ve sonuna insan koymasıdır. Troyanskii makinenin tek başına çeviri yapabileceğini iddia etmedi. Bugün “ön düzenleme” ve “son düzenleme” diye anılan iş akışının mantığı, daha ilk tasarımda vardı.

Tasarım dönemin koşullarında karşılık bulmadı ve uzun yıllar unutuldu. Troyanskii’nin çalışması ancak sonraki on yıllarda yeniden değerlendirildi (Hutchins & Lovtskii 2000). Alanın kurucu isimleri arasında sayılmasının nedeni, çalışan bir makine üretmesi değil, sorunu doğru parçalara ayırmasıdır.

Weaver muhtırası: şifre çözme benzetmesi

Alanın gerçek başlangıç işareti, 1949’da Warren Weaver’ın yazdığı ve genellikle “Weaver muhtırası” diye anılan metindir (Pietrzak & Kornacki 2021, Bölüm 3). Weaver, İkinci Dünya Savaşı sırasında olgunlaşan şifre çözme çalışmalarından esinlenerek yabancı dildeki bir metnin aslında “kodlanmış” bir metin olarak görülebileceğini öne sürdü.

Muhtıra teknik bir çözüm sunmuyordu; bir çerçeve sunuyordu. Anlam belirsizliğinin yakın bağlamla çözülebileceği, dillerin ortak mantıksal bir çekirdeği paylaşabileceği ve istatistiksel yöntemlerin işe yarayabileceği fikirleri buradan çıktı.

Metnin etkisi hızlı oldu. Birkaç yıl içinde birden fazla üniversitede makine çevirisi grubu kuruldu ve alan ciddi bir kamu bütçesine kavuştu. Weaver’ın kendi metninde yer alan temkinli ifadeler ise büyük ölçüde göz ardı edildi.

Georgetown deneyi: 250 kelimelik vaat

7 Ocak 1954’te Georgetown Üniversitesi ile IBM ortak bir gösteri düzenledi. Bir bilgisayar, Rusça cümleleri İngilizceye çevirerek basına sunuldu. Gösteri, alanın kamuoyundaki algısını on yıllar boyunca belirledi.

Gösterinin gerçek ölçeği ise oldukça küçüktü: sistem yaklaşık 250 kelimelik bir sözlükle ve çok sınırlı sayıda dilbilgisi kuralıyla çalışıyordu (Pietrzak & Kornacki 2021, Bölüm 3). Çevrilen cümleler önceden seçilmişti ve sistemin kapsamına göre hazırlanmıştı.

Buna rağmen basın, birkaç yıl içinde sorunun tamamen çözüleceği izlenimini verdi. Beklenti ile yetenek arasındaki bu fark, alanın sonraki krizinin de temel nedeni oldu. Demo ile ürün arasındaki mesafe, teknoloji tarihinin en eski tuzaklarından biridir.

ALPAC Raporu: uzun durgunluk

1966’da yayımlanan ALPAC Raporu, on yılı aşkın süredir devam eden yatırımın sonuçlarını değerlendirdi. Sonuç sertti: makine çevirisi o günkü hâliyle insan çevirisinden daha hızlı, daha ucuz ya da daha doğru değildi (Pietrzak & Kornacki 2021, Bölüm 3).

Raporun ardından Amerika Birleşik Devletleri’nde alana ayrılan kamu kaynağı büyük ölçüde kesildi. Literatürde bu dönem sık sık “kaybedilen yıllar” diye anılır; makine çevirisi araştırmaları yaklaşık yirmi yıl boyunca dar bir çevreye sıkıştı.

Ancak raporun bütünüyle olumsuz olmadığını eklemek gerekir. ALPAC, insana yardımcı olan araçlara ve bilgisayarlı dilbilim çalışmalarına yatırım yapılmasını önerdi. Bugün kullandığımız bilgisayar destekli çeviri araçlarının fikrî kökeni büyük ölçüde bu öneriye dayanır.

Météo: dar alanda çalışan ilk sistem

Alanın ilk açık ticari başarısı 1976’da Kanada’da devreye alınan Météo sistemiyle geldi (Pietrzak & Kornacki 2021, Bölüm 3). Sistem, İngilizce hava durumu bültenlerini Fransızcaya çeviriyordu ve yıllarca fiilen üretimde kaldı.

Météo’nun başarısının nedeni tekniğin üstünlüğü değil, alanın darlığıydı. Hava durumu bültenleri sınırlı bir sözcük dağarcığı, kalıplaşmış cümle yapıları ve neredeyse hiç mecaz içermeyen bir dil kullanır. Yani makine için ideal metindir.

Bu ders bugün de geçerlidir: makine çevirisi, metin ne kadar öngörülebilirse o kadar iyi çalışır. Ürün kataloğu ile edebî bir metin arasındaki fark, motorun kalitesinden çok metnin doğasından kaynaklanır.

Kuraldan istatistiğe, istatistikten sinir ağlarına

1990’lardan itibaren alan yön değiştirdi. Dilbilgisi kurallarını elle yazmak yerine, insan eliyle çevrilmiş büyük metin yığınlarından olasılık öğrenen istatistiksel modeller öne çıktı. Yaklaşık yirmi yıl boyunca sektörün ana çizgisi bu oldu.

2010’ların ortasından itibaren ise yapay sinir ağlarına dayanan modeller yaygınlaştı. Bu modeller cümleyi parça parça değil bütün olarak işlediği için çıktının akıcılığı belirgin biçimde arttı. Son yıllarda büyük dil modellerinin yaygınlaşmasıyla birlikte bu eğilim daha da güçlendi.

Yine de temel gerilim yerinde duruyor. Akıcı bir cümle, doğru bir cümle demek değildir. Makine çıktısının en tehlikeli hatası, yanlış olduğu hâlde kusursuz görünen cümledir; çünkü böyle bir hatayı yalnızca konuyu bilen bir insan yakalar.

Sektör verileri de bu geçişin kullanım tarafını gösteriyor. 2012 tarihli bir sektör araştırmasında makine çevirisini en azından denemiş olduğunu söyleyen şirketlerin oranı %44,02, serbest çevirmenlerin oranı ise %55 olarak ölçülmüştü (DePalma 2012). Yani araç, henüz sinirsel modeller yaygınlaşmadan önce bile sektörün gündemindeydi; değişen şey kullanımın varlığı değil, yoğunluğu ve kabul edilen rolü oldu.

Dönem	Belirleyici olay	Bugüne kalan
1930’lar	Troyanskii’nin mekanik tasarımı	İnsanlı ön ve son düzenleme fikri
1949	Weaver muhtırası	İstatistiksel yaklaşımın tohumu
1954	Georgetown deneyi	Demo ile ürün arasındaki fark dersi
1966	ALPAC Raporu	Bilgisayar destekli çeviri araçları
1976	Météo sistemi	Dar alan uzmanlaşmasının gücü
1990 sonrası	İstatistiksel, ardından sinirsel modeller	Veriye dayalı çeviri ve son düzenleme mesleği

Türkiye bağlamı

Bu tarihin tamamı, kaynak ve hedef dili çoğunlukla İngilizce, Fransızca ve Rusça olan bir dünyada yazıldı. Türkçe bu çizginin ana hattında yer almadı. Bunun bugüne yansıyan sonucu, Türkçe için elde bulunan işlenmiş dil kaynağının büyük dillere kıyasla daha sınırlı olmasıdır.

Buna dilin yapısı ekleniyor. Türkçe sondan eklemeli bir dildir; tek bir gövdeden çok sayıda çekimli biçim türetilebilir. Kelime dizilişi de görece serbesttir; vurgulanmak istenen öge cümlenin yerini değiştirir. İstatistiksel yöntemler için bu iki özellik, öğrenilmesi gereken örüntü sayısını ciddi biçimde artırır.

Pratikte bu, aynı motorun İngilizce–Almanca çiftinde verdiği sonucu İngilizce–Türkçe çiftinde vermeyebileceği anlamına gelir. Türkçe çıktıda en sık görülen sorunlar; ek uyumsuzlukları, özne düşmesinden kaynaklanan yanlış kişi atamaları ve uzun cümlelerde bozulan yüklem bağıdır. Bunlar niteliksel gözlemlerdir, ama alan tecrübesiyle tutarlıdır.

Bu sizin için ne anlama geliyor?

Bu tarihin çeviri satın alan taraf için tek bir özeti var: makine çevirisi bir anahtar değil, bir ayardır. Hangi metinde açacağınız, hangisinde kapatacağınız kararı sonucu doğrudan belirler. Karar verirken şu sırayı izleyebilirsiniz:

1. Metni amacına göre ayırın: anlamak için mi okunacak, yayımlanacak mı, yoksa hukuki sonuç mu doğuracak?
2. Metnin öngörülebilirliğini ölçün; kalıplaşmış ve tekrarlı metinler makineye daha uygundur.
3. Gizlilik durumunu belirleyin; motorun kapatılabilir olup olmadığını yazılı sorun.
4. İnsan denetiminin düzeyini baştan sözleşmeye yazın: hafif kontrol mü, tam düzeltme mi?

Bizde bu ayrım proje başında yapılır ve teklifte açıkça belirtilir; hangi aşamada makine desteği kullanıldığı sizden saklanmaz. Metninizin hangi kategoriye girdiğinden emin değilseniz belgenizi yükleyip değerlendirme isteyebilir, süreç ayrıntıları için bilgi merkezimize göz atabilirsiniz.

Sık sorulan sorular

Makine çevirisi fikri ilk ne zaman ortaya atıldı?

Otomatik çeviri düşüncesinin ilk somut tasarımları 1930’lu yıllara uzanır. Rus mühendis Troyanskii, dört dilde çalışan mekanik bir çeviri düzeneğinin tasarımını yaptı; ancak bu tasarım hiçbir zaman yaygın biçimde kullanılmadı.

Makine çevirisi araştırmaları neden bir dönem durdu?

1966 tarihli ALPAC Raporu, makine çevirisinin o günkü hâliyle insan çevirisinden daha hızlı ya da daha ucuz olmadığı sonucuna vardı. Rapordan sonra Amerika Birleşik Devletleri’nde alana ayrılan kamu kaynağı büyük ölçüde kesildi.

İlk gerçekten işe yarayan makine çevirisi sistemi hangisiydi?

Kanada’da 1976’da devreye alınan Météo sistemi genellikle bu unvanla anılır. Sistem yalnızca hava durumu bültenlerini çeviriyordu; başarısının nedeni de tam olarak bu dar ve tekrarlı alandı.

Bugünkü makine çevirisi tarihin neresinde duruyor?

Alan kural tabanlı sistemlerden istatistiksel modellere, oradan da sinir ağlarına geçti. Son yıllarda akıcılık belirgin biçimde arttı; ancak akıcılık ile doğruluk aynı şey olmadığı için sorumluluk gerektiren metinlerde insan denetimi hâlâ zorunludur.

Kaynaklar

• Pietrzak, P. & Kornacki, M. (2021). Using CAT Tools in Freelance Translation. Routledge Focus, Bölüm 3 (Machine translation).
• Hutchins, W. J. (1986). Machine Translation: Past, Present, Future. Ellis Horwood, s. 21–46.
• Hutchins, W. J. & Lovtskii, E. (2000). Petr Petrovich Troyanskii (1894–1950): A Forgotten Pioneer of Mechanical Translation. Machine Translation, 15(3), s. 187–221.
• ALPAC (1966). Language and Machines: Computers in Translation and Linguistics. National Academy of Sciences, Yayın 1416.