30 сентября отмечается Международный день переводчика. Кажется, что искусственный интеллект уже умеет переводить всё: текст, видео и даже речь в реальном времени. Поэтому многие считают, что профессия переводчика скоро попросту исчезнет. Прогноз звучит логично, если воспринимать перевод как механическую замену слов одного языка словами из другого. Но профессиональный перевод устроен гораздо сложнее.
О том, почему ИИ не заменит живого человека и кто такой цифровой лингвист, рассказывает руководитель образовательных программ «Цифровая лингвистика и локализация» и «Обработка естественного языка» НИТУ МИСИС Михаил Гилин.
От машинного перевода к большим языковым моделям
Перевод был одной из первых областей, где искусственный интеллект получил массовое практическое применение. Классические системы машинного перевода работали с предложениями и ограниченным контекстом. Современные же языковые модели способны учитывать содержание сразу нескольких документов, стилистические оттенки и смысловые связи. Показательный пример — эволюция российских сервисов. Яндекс встроил в свой переводчик модель YandexGPT, чтобы учитывать контекст, стиль и многозначность слов, а позже добавил отдельный ИИ-режим для длинных и сложных текстов: пользователь сам решает, нужен ли ему быстрый результат или более вдумчивая обработка.
Отрасль движется от универсального машинного перевода к мультимодельности, а под разные задачи подбираются разные системы. Для технической документации может оказаться оптимальной одна модель, для маркетингового текста — другая, для юридического документа — третья. А где-то разумнее будет использовать комбинацию сразу из нескольких и затем направить результат отраслевому специалисту на доработку.
Между исходным текстом на языке оригинала и финальным переводом есть система: извлечение текста из документов и иллюстраций, машинный перевод, терминологические базы, CAT-программы, проверка терминов и чисел, контроль форматирования, оценка качества, постредактирование и финальная лингвистическая экспертиза. Причем ИИ способен работать не только как переводчик. Его можно использовать для предварительного анализа документа, поиска спорных трактовок и подготовки вариантов перевода. Уровнем выше — агентные системы, которые самостоятельно координируют эти операции. Один ИИ-модуль переводит текст, другой проверяет терминологию, третий оценивает качество, четвертый формирует отчет для редактора. Сам переводчик при этом не исчезает из процесса: он задает правила и принимает окончательное решение.
Чем лучше становятся языковые модели, тем важнее для них качественный контекст. Нейросеть может прекрасно «владеть» языком, но не знать, что для каждого конкретного термина существует устоявшийся перевод. Она может «понимать» предложение, но не знать, что последнее является репликой персонажа компьютерной игры, пунктом инструкции по эксплуатации или частью юридического договора. Поэтому все большую роль будут играть корпоративные базы данных: базы памяти перевода, стилистические руководства и другая узконаправленная справочная документация. В профессиональной среде уже развивается подход, при котором машинному переводу перед генерацией предоставляется доступ к таким базам. Отсюда следует важный вывод: будущее цифровой лингвистики — не только в создании более мощных моделей, но и в правильной организации данных, с которыми эти модели работают.
В сентябре 2025 года в России впервые протестировали рабочий прототип синхронного нейропереводчика. Система объединяет сразу три этапа: распознавание речи, перевод текста и синтез аудио. Она смогла переводить речь одного спикера на десять языков с одновременной передачей текста и озвучки. Средняя задержка составляла
Постредактирование, или вайб-перевод
Ранний машинный перевод воспринимался как черновик, который человек должен был обязательно переписывать. Современные нейросети генерируют качественный текст, однако они все еще ошибаются. Они способны построить грамматически правильный текст, который при этом содержит неверные термины, искаженные факты или неправильную интерпретацию исходника. В бытовом переводе это несущественно. Для медицинской инструкции, инженерной документации, договора или же промышленного регламента последствия могут быть серьезные. Поэтому будущее профессионального перевода связано не с идеей «полностью автоматического перевода», а с управляемым качеством: переводчик проверяет смысл, терминологию, стиль, фактическую корректность и соответствие требованиям проекта. Он решает, где результат нейросети можно принять практически без изменений, а где необходима глубокая переработка.
В результате постредактирование превращается в самостоятельную профессиональную компетенцию. Но я бы не стал говорить, что вся работа человека сводится лишь к контролю нейросети. В сложных задачах он остается тем, кто понимает цель коммуникации. Машина может предложить несколько грамматически и стилистически безупречных вариантов, но только специалист способен определить, какой из них действительно подходит под задачу или целевую аудиторию.
Особенно заметно это в локализации. Цифровой продукт нужно адаптировать к конкретному рынку: учитывать культурные особенности, формат дат и чисел, валюту, единицы измерения, требования законодательства и даже ограничения интерфейса. В игровой индустрии, например, важны характеры персонажей, длина реплик, синхронизация текста с видеорядом и культурные отсылки. В программном обеспечении — структура интерфейса и технические ограничения. В маркетинге — эмоциональное восприятие бренда в конкретной стране.
Развитие языковых моделей: российский опыт
Правительство рассматривает искусственный интеллект как один из инструментов повышения производительности и технологической конкурентоспособности экономики. В обновленной Национальной стратегии развития искусственного интеллекта до 2030 года закреплен курс на развитие отечественных технологий ИИ, данных и кадров. Аналитический центр при Правительстве России в 2025 году оценил потенциальный вклад ИИ в российскую экономику к 2030 году более чем в 11 трлн рублей. В центре также отметили необходимость шире использовать интеллектуальных помощников и ИИ-агентов в управленческих и производственных процессах.
Для переводческой отрасли это означает растущий спрос не только на готовые сервисы, но и на специалистов, которые умеют внедрять языковые технологии внутри организаций. Особенно это важно для компаний, работающих с конфиденциальной информацией. Перевод технической документации, договоров или внутренних материалов может затрагивать коммерческую тайну и персональные данные. В таких случаях организация должна учитывать, где обрабатывается информация, какая модель используется и кто получает доступ к исходным текстам.
В России развиваются решения, позволяющие использовать машинный перевод внутри закрытого корпоративного контура. Это особенно важно для организаций, работающих с технической документацией, договорами и другими материалами, содержащими конфиденциальную информацию. В качестве примера можно привести PROMT Translation Factory (PTF) — многопользовательскую CAT-систему, которая разворачивается в локальной сети предприятия. Такой подход позволяет организациям самостоятельно контролировать инфраструктуру, где обрабатываются переводческие данные, и определять правила доступа к ним.
Другой важный тренд — адаптация языковых моделей под задачи конкретной организации. Например, PROMT Custom AI позволяет настраивать модели с использованием собственных данных. По данным агентства GEF, использование такого подхода сокращает время подготовки отраслевой модели с
Какими будут цифровые лингвисты
Если посмотреть на эти изменения в совокупности, выясняется, что переводчик становится специалистом более широкого профиля.
Выпускнику-языковеду недостаточно хорошо знать два или три языка. Он должен понимать, как устроены языковые данные, что такое машинный перевод и большие языковые модели, как работают CAT-системы, базы памяти переводов, терминологические базы, как интегрировать ИИ в существующие бизнес-процессы.
При этом фундаментальная лингвистическая подготовка никуда не исчезает. Наоборот, чем совершеннее становятся нейросети, тем ценнее специалист, который способен увидеть ошибку, упущенную машиной. Поэтому я бы назвал современного переводчика не конкурентом искусственного интеллекта, а архитектором языковой коммуникации, владеющим соответствующим инструментарием. Он определяет, какую модель применить, какие данные ей предоставить, какие правила задать, как проверить результат и в каком виде представить его конечному пользователю.
Чтобы сформировать эти компетенции у будущих переводчиков, в НИТУ МИСИС в рамках пилотного проекта по совершенствованию национальной системы высшего образования уже несколько лет реализуется программа «Цифровая лингвистика и локализация». Она рассчитана на подготовку специалистов, которые умеют не только переводить, но и создавать, оценивать и интегрировать цифровые инструменты в реальные процессы локализации. Студенты работают с системами машинного перевода, CAT-технологиями, базами памяти перевода, терминологическими базами и QA-инструментами, занимаются локализацией сайтов, игр и программного обеспечения, автоматическим субтитрированием и транскрибированием.
ИИ уже изменил переводческую индустрию. Он устраняет рутинную работу, ускоряет обработку текстов и позволяет создавать продукты, еще недавно требовавшие месяцев кропотливого изучения словарей. Мы стремимся подготовить студентов к новым реалиям и научить их работать не только с языком, но и с технологиями, которые этот язык обрабатывают.
