پرامپت ترجمه و چندزبانه؛ از برگردان ماشینی خام تا ترجمهٔ طبیعی و دقیق

خیلی از ما وقتی می‌خواهیم یک متن را از فارسی به انگلیسی یا برعکس ببریم، همان کار همیشگی را می‌کنیم: متن را در یک مترجم ماشینی می‌ریزیم و خروجی خام را کپی می‌کنیم. نتیجه معمولاً «قابل‌فهم» است، اما بوی ترجمه می‌دهد؛ لحنش اشتباه است، اصطلاح‌ها تحت‌اللفظی برگردانده شده‌اند و اسم برندها هم قربانی شده‌اند. مدل‌های زبانی مثل ChatGPT و کلود این بازی را عوض کرده‌اند، چون می‌شود دقیقاً به آن‌ها گفت چطور ترجمه کنند، نه فقط چه چیزی را. در این درس از مجموعهٔ پرامپت‌نویسی یاد می‌گیریم چطور با یک پرامپت ترجمهٔ درست، از برگردان ماشینی خام به یک ترجمهٔ طبیعی، دقیق و حرفه‌ای برسیم.

ترجمهٔ هوش مصنوعی چه فرقی با گوگل ترنسلیت دارد؟

مترجم‌های ماشینی سنتی جمله‌به‌جمله و بر پایهٔ الگوهای آماری کار می‌کنند؛ آن‌ها «context» یا زمینهٔ کل متن را نمی‌بینند و نمی‌دانند مخاطب شما کیست. یک مدل زبانی بزرگ اما متن را به‌صورت یکپارچه می‌فهمد و می‌تواند تصمیم بگیرد که یک واژه در این جملهٔ خاص چه معنایی دارد. مهم‌تر از آن، مدل به دستور شما گوش می‌دهد: می‌توانید بگویید مخاطب یک کودک است یا یک وکیل، لحن رسمی باشد یا خودمانی، و اصطلاح‌های تخصصی را نگه دارد یا ساده کند. به بیان ساده، مترجم ماشینی یک ترجمه تحویل می‌دهد، ولی مدل زبانی با پرامپت درست یک برگردان سفارشی می‌سازد.

تفاوت ترجمهٔ خام و برگردان حرفه‌ای

ترجمهٔ خام یعنی وفاداری به کلمه‌ها؛ برگردان حرفه‌ای یعنی وفاداری به معنا و تأثیر. یک شعار تبلیغاتی انگلیسی را اگر کلمه‌به‌کلمه به فارسی ببرید، معمولاً بی‌روح و حتی خنده‌دار می‌شود، اما اگر از مدل بخواهید «حسِ» شعار را منتقل کند، معادلی می‌سازد که در گوش فارسی‌زبان می‌نشیند. به این کار «ترنس‌کریشن» یا بازآفرینی می‌گویند. کلید ماجرا این است که در پرامپت مشخص کنید نتیجه باید طبیعی و روان باشد، انگار از ابتدا به همان زبان نوشته شده، نه اینکه ردپای زبان مبدأ در آن دیده شود.

اجزای کلیدی یک پرامپت ترجمهٔ دقیق

یک پرامپت ترجمهٔ حرفه‌ای معمولاً این مؤلفه‌ها را روشن می‌کند تا مدل مجبور به حدس‌زدن نشود:

• زبان مبدأ و مقصد: دقیقاً از چه زبانی به چه زبانی؛ حتی گویش یا لهجه اگر مهم است.
• مخاطب: این متن را چه کسی می‌خواند؟ مشتری، مدیر، کودک، یا متخصص فنی.
• لحن و سطح زبان: رسمی، اداری، دوستانه، یا محاوره‌ای.
• حوزهٔ تخصصی: حقوقی، پزشکی، بازاریابی، فنی یا ادبی، تا واژگان درست انتخاب شوند.
• واژه‌نامه و موارد دست‌نخوردنی: برندها، نام‌ها و اصطلاح‌هایی که نباید ترجمه یا باید یک‌دست ترجمه شوند.
• قالب خروجی: فقط ترجمه، یا جدول دوستونی مبدأ/مقصد، یا همراه با توضیح.

پرامپت نمونه:
«این متن را از انگلیسی به فارسی ترجمه کن. مخاطب مشتریان یک فروشگاه آنلاین‌اند؛ لحن دوستانه و رسمی باشد. اصطلاح‌های فنی را ساده کن ولی نام برند Nova را دست‌نخورده نگه دار. خروجی فقط متن ترجمه‌شده باشد، بدون توضیح.»

تعیین لحن و سطح زبان؛ رسمی یا خودمانی؟

فارسی برخلاف انگلیسی، سطح‌های ادب و رسمیت پررنگی دارد: «شما» یا «تو»، فعل رسمی یا محاوره‌ای، واژهٔ اداری یا کوچه‌بازاری. اگر لحن را مشخص نکنید، مدل معمولاً یک لحن رسمیِ خنثی انتخاب می‌کند که همیشه مناسب نیست. برای یک پست اینستاگرام لحن محاوره‌ای بخواهید و برای یک نامهٔ اداری لحن رسمی. حتی می‌توانید نمونه بدهید: «مثل این جمله بنویس: …». تعیین لحن، بیش از هر تنظیم دیگری، فاصلهٔ بین ترجمهٔ «ماشینی» و ترجمهٔ «انسانی» را پر می‌کند.

کنترل واژگان و فهرست دست‌نخوردنی

یکی از بزرگ‌ترین دردسرهای ترجمهٔ خودکار، بی‌ثباتی واژگان است؛ یک اصطلاح در پاراگراف اول یک‌جور و در پاراگراف سوم جور دیگری ترجمه می‌شود. راه‌حل، دادن یک واژه‌نامهٔ کوچک در پرامپت است. همچنین یک «فهرست دست‌نخوردنی» تعریف کنید: نام برندها، نام افراد، قطعه‌کدها، نشانی‌ها و هر چیزی که باید عیناً بماند.

• واژه‌نامه: «هر جا dashboard آمد، آن را «پیشخوان» ترجمه کن و در کل متن یک‌دست نگه دار.»
• دست‌نخوردنی: «نام‌های GitHub، API و آدرس‌های ایمیل را ترجمه نکن.»
• یکدستی: «در کل سند از یک معادل ثابت برای هر اصطلاح استفاده کن.»

ترجمهٔ تخصصی؛ حقوقی، پزشکی، فنی و بازاریابی

هر حوزه زبان خودش را دارد. در متن حقوقی دقت و وفاداری واژه‌ها حیاتی است و جای بازآفرینی خلاقانه نیست؛ به مدل بگویید «واژگان را دقیق و محافظه‌کارانه ترجمه کن و در موارد مبهم معادل انگلیسی را داخل پرانتز بیاور». در متن پزشکی، از مدل بخواهید نام داروها و اصطلاح‌های لاتین را حفظ کند. در متن فنی و نرم‌افزاری، قطعه‌کدها و نام توابع باید دست‌نخورده بمانند. اما در بازاریابی، دست مدل را برای بازآفرینی باز بگذارید تا پیام تأثیرگذار بماند. تعیین حوزه، به مدل می‌گوید کدام دیکشنری ذهنی‌اش را باز کند.

روش دو مرحله‌ای؛ اول تحت‌اللفظی، بعد بازآفرینی

برای متن‌های حساس یا ادبی، یک ترفند قدرتمند این است که ترجمه را دو مرحله‌ای بخواهید. اول از مدل بخواهید یک ترجمهٔ تحت‌اللفظی و وفادار بدهد تا معنی دقیق را نشان دهد، بعد در گام دوم همان را به فارسی روان و طبیعی بازنویسی کند. این کار همان منطق «زنجیرهٔ تفکر» را وارد ترجمه می‌کند: مدل ابتدا می‌فهمد، بعد بازآفرینی می‌کند و کمتر دچار خطای معنایی می‌شود.

پرامپت نمونه:
«این پاراگراف را در دو مرحله ترجمه کن. مرحلهٔ اول: ترجمهٔ تحت‌اللفظی و وفادار به معنا. مرحلهٔ دوم: بازنویسی همان به فارسیِ روان و طبیعی برای یک مقالهٔ عمومی. هر دو خروجی را جدا نشان بده.»

راستی‌آزمایی با ترجمهٔ معکوس

چطور بفهمید ترجمه‌ای که گرفته‌اید معنی اصلی را حفظ کرده، وقتی به زبان مقصد مسلط نیستید؟ ترفند «ترجمهٔ معکوس» به کمک می‌آید: از مدل بخواهید خروجی ترجمه‌شده را دوباره به زبان مبدأ برگرداند و آن را با متن اصلی مقایسه کنید. اگر معنی جابه‌جا شده باشد، در ترجمهٔ معکوس خودش را نشان می‌دهد. این یک لایهٔ کنترل کیفیت ساده اما بسیار مؤثر است، به‌خصوص برای جمله‌های مهم مثل بندهای قرارداد یا شعار برند.

پرامپت نمونه:
«این ترجمهٔ فارسی را بدون دیدن متن اصلی، دوباره به انگلیسی برگردان. سپس بگو کجاها ممکن است معنی با متن اولیه فرق کرده باشد.»

بومی‌سازی؛ فراتر از برگرداندن کلمه‌ها

ترجمهٔ خوب فقط تعویض کلمه‌ها نیست؛ بومی‌سازی یعنی متن طوری تنظیم شود که برای مخاطب مقصد طبیعی باشد. تاریخ‌ها، واحد پول، واحدهای اندازه‌گیری، قالب اعداد، ضرب‌المثل‌ها و ارجاع‌های فرهنگی همه باید متناسب شوند. مثلاً «۵ مایل» بهتر است به «حدود ۸ کیلومتر» تبدیل شود و یک اصطلاح انگلیسی جای خود را به معادل آشنای فارسی بدهد. کافی است در پرامپت بنویسید: «واحدها، تاریخ‌ها و اصطلاح‌های فرهنگی را برای مخاطب ایرانی بومی‌سازی کن.»

خروجی ساختارمند برای ترجمه‌های حرفه‌ای

وقتی حجم کار زیاد است یا می‌خواهید کیفیت را بازبینی کنید، خروجی ساده کافی نیست. از مدل بخواهید نتیجه را ساختارمند بدهد؛ مثلاً یک جدول سه‌ستونی شامل «متن مبدأ»، «ترجمه» و «یادداشت مترجم» برای جاهایی که تصمیم خاصی گرفته. برای پروژه‌های نرم‌افزاری می‌توانید خروجی JSON بخواهید تا مستقیم در فایل‌های زبان بنشیند. این ساختارمندی، بازبینی و یک‌دستی را بسیار آسان‌تر می‌کند.

قالب آمادهٔ پرامپت ترجمه

این قالب را می‌توانید ذخیره کنید و هر بار فقط جاهای خالی را پر کنید:

قالب پرامپت ترجمه:
نقش: تو یک مترجم حرفه‌ای در حوزهٔ [حوزه] هستی.
وظیفه: متن زیر را از [زبان مبدأ] به [زبان مقصد] ترجمه کن.
مخاطب: [مخاطب هدف].
لحن: [رسمی/دوستانه/محاوره‌ای].
واژه‌نامه: [اصطلاح = معادل ثابت].
دست‌نخوردنی: [برندها/کدها/نام‌ها].
بومی‌سازی: واحدها و تاریخ‌ها و ارجاع‌های فرهنگی را متناسب کن.
قالب خروجی: [فقط ترجمه / جدول دوستونی / JSON].
—
متن: «[متن شما]»

اشتباه‌های رایج در پرامپت‌نویسی ترجمه

• نگفتن مخاطب و لحن: مدل به یک لحن خنثی می‌افتد که معمولاً برای کار شما مناسب نیست.
• درخواست توضیح ناخواسته: اگر نگویید «فقط ترجمه»، مدل ممکن است توضیح و مقدمه اضافه کند.
• رهاکردن اسم‌ها و برندها: بدون فهرست دست‌نخوردنی، نام‌ها هم ترجمه می‌شوند.
• ترجمهٔ یک متن بلند در یک درخواست: برای اسناد طولانی، متن را تکه‌تکه بده و واژه‌نامه را در هر تکه تکرار کن تا یک‌دستی حفظ شود.
• اعتماد کامل بدون بازبینی: برای جمله‌های حیاتی همیشه ترجمهٔ معکوس بگیر.

پرسش‌های پرتکرار

کدام مدل برای ترجمه بهتر است؟
مدل‌های بزرگ‌تر و جدیدتر معمولاً در فارسی طبیعی‌تر عمل می‌کنند، اما مهم‌تر از انتخاب مدل، کیفیت پرامپت شماست؛ یک پرامپت دقیق روی مدل متوسط، بهتر از یک پرامپت مبهم روی بهترین مدل جواب می‌دهد.

چطور در یک سند بلند ترجمه‌ها یک‌دست بماند؟
واژه‌نامه و فهرست دست‌نخوردنی را در ابتدای هر بخش تکرار کنید و از مدل بخواهید در کل سند از معادل‌های ثابت استفاده کند.

آیا می‌شود قالب‌بندی متن (لیست، بولد، لینک) حفظ شود؟
بله، کافی است در پرامپت بنویسید «ساختار و قالب‌بندی مارک‌داون را دست‌نخورده نگه دار و فقط متن را ترجمه کن».

ترجمهٔ اصطلاح‌ها و ضرب‌المثل‌ها را چطور بهتر کنم؟
به مدل بگویید به‌جای ترجمهٔ تحت‌اللفظی، «معادل فرهنگی آشنا» پیدا کند و اگر معادلی نبود، مفهوم را روان توضیح دهد.

جمع‌بندی

ترجمه با هوش مصنوعی وقتی حرفه‌ای می‌شود که از حالت «متن را بریز و خروجی را بردار» بیرون بیایید و به مدل بگویید برای چه کسی، با چه لحنی و در چه حوزه‌ای ترجمه کند. شش مؤلفهٔ کلیدی، فهرست دست‌نخوردنی، روش دو مرحله‌ای و راستی‌آزمایی با ترجمهٔ معکوس، همان چیزهایی‌اند که یک برگردان خام را به ترجمه‌ای طبیعی و قابل‌اعتماد تبدیل می‌کنند. این درس بخشی از مجموعهٔ کامل آموزش پرامپت‌نویسی Mr ChatGPT است؛ اگر می‌خواهی مسیر را از پایه دنبال کنی، بقیهٔ قسمت‌ها را همان‌جا ببین.

نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید