ما مدى دقة الترجمة الفورية بالذكاء الاصطناعي مقارنةً بمترجم بشري؟ لا تقدّم المقارنات المنشورة نسبة واحدة قابلة للتعميم. فنتائجها تعتمد على زوج اللغات، وما إذا كانت المهمة كلامًا مباشرًا أم مادة مسجلة، ومن يقوم بالترجمة، وما إذا كان المقيم يحسب الكلمات الخاطئة أو ضعف الوضوح في الأداء أو الأخطاء التي قد تغيّر القرار.
أهم النقاط
- اطلب معرفة المهمة، والمقام، وتعريف الخطأ قبل استخدام أي رقم لدقة الذكاء الاصطناعي مقابل الإنسان.
- وجدت دراسة سريرية محاكاة بالإنجليزية–الإسبانية لعام 2026 أن نظام الذكاء الاصطناعي الداخلي فيها غير أدنى في المصطلحات والمعنى، لكنه لم يحقق ذلك في الوضوح أو أداء الصوت.
- في مقارنة سريرية منفصلة للكلام عبر ست لغات، وقعت ترجمات خاطئة سريريًا في 28 من أصل 84 مخرجات للذكاء الاصطناعي و4 من أصل 84 مخرجات للمترجمين. هذه نتائج ذلك التطبيق وتلك العينة، وليست معدل دقة عامًا للذكاء الاصطناعي.
- الأداء البشري يتفاوت أيضًا. ففي 57 حالة في قسم الطوارئ للأطفال، ارتبط التدريب بنسبة أخطاء المترجمين التي قد تكون لها عواقب سريرية.
لماذا تكون نسبة دقة واحدة مضللة
يقتبس مقال صناعي نسب 82–88% للذكاء الاصطناعي و98–99% للمترجمين البشريين، مع نسب هذه الأرقام إلى دراسة Stanford NLP من دون رابط لها أو تعريف لـ«الدقة». لم نتمكن من التحقق من هذا الاستشهاد. لا تستخدم هذه النسب معيارًا مرجعيًا من دون الدراسة الأصلية وطريقة التقييم والعينة.
حتى الرقم الموثق قد يجيب عن السؤال الخطأ. فمعدل الخطأ على مستوى الكلمة لا يخبرك ما إذا كان المستمع قد فهم التحذير. ونسبة الأخطاء ذات العواقب السريرية المحتملة لا تخبرك ما هي نسبة جميع العبارات التي كانت خاطئة. الدراسات أدناه تقيس نتائج مختلفة، لذا لا يمكن جمع نسبها أو ترتيبها كما لو كانت اختبارًا واحدًا.
تحقق من الأصل إلى جانب الترجمة
يعرض MirrorCaption النسخ والترجمة المباشرتين جنبًا إلى جنب.
ما الذي وجدته فعليًا أربع مقارنات منشورة
تغطي هذه الأوراق أنظمة وسياقات مختلفة. ثلاث منها تقارن المخرجات مباشرةً؛ أما دراسة اللغة المجازية فتقارن طريقتي مقابلة مع المرضى الستة أنفسهم، لذا فهي لا تعزل محرك الترجمة على العبارات نفسها.
| الدراسة | المهمة والعينة | النتيجة | الحد |
|---|---|---|---|
| Feinberg et al., 2026 | 14 مقطعًا مسجلاً من كلام أطباء تُرجمت إلى ست لغات؛ 84 مخرجًا لكل حالة | خاطئ سريريًا: تطبيق الذكاء الاصطناعي 28/84 (33.3%)؛ المترجمون المؤهلون 4/84 (4.8%) | اختبار استكشافي لتطبيق استهلاكي واحد؛ مجموعة مصادر صغيرة |
| Singh et al., 2026 | حوارات أنف وأذن وحنجرة بالإنجليزية–الإسبانية مكتوبة مسبقًا قيّمها تسعة أطباء ثنائيي اللغة | حقق LingualAI عتبة عدم الدونية في المصطلحات والمعنى، لكنه لم يحققها في الوضوح أو الطلاقة أو النبرة أو الإيقاع | نظام داخلي؛ حالات محاكاة واتفاق محدود بين المقيمين |
| Fantinuoli & Prandi, 2021 | خمس خطب في مؤتمر؛ مخرجات آلية ومترجمون فوريون محترفون | حصل البشر على درجات أعلى في قابلية الفهم؛ بينما حصلت المخرجات الآلية على درجة أعلى قليلًا في الإيصال المعلوماتي | مدونة صغيرة؛ ليست اختبارًا للسلامة السريرية |
| Tougas et al., 2022 | ستة مرضى أُجريت لكل منهم مقابلة بطريقتين مختلفتين للمقابلة النفسية | غالبًا ما تُرجمت اللغة المجازية على نحو غير دقيق في كلتا الطريقتين | مقابلات مختلفة وعينة ملاءمة صغيرة |
الأخطاء السريرية: تحقّق من المقام
بدأ Feinberg وزملاؤه بـ 14 مقطعًا حقيقيًا من كلام الأطباء. تُرجم كل مقطع إلى ست لغات بواسطة تطبيق في وضع الصوت وبواسطة مترجمين طبيين مؤهلين، ما أسفر عن 84 ترجمة في كل حالة. يورد الجدول 28 ترجمة خاطئة سريريًا من الذكاء الاصطناعي مقابل أربع ترجمات خاطئة من المترجمين. وقد وصفت المسودة الأصلية هذا بأنه «14 مقطعًا» من دون شرح مقام 84 مخرجًا، مما جعل النسب تبدو أوسع أو أضيق من المقارنة الفعلية. كما اختلف الأداء بين اللغات: فقد سجّل صف الإسبانية مخرجين خاطئين سريريًا من التطبيق وصفرًا من المترجمين من أصل 14 لكل منهما. ولا ينبغي تطبيق النتيجة على كل منتج أو لغة للذكاء الاصطناعي.
قد يختلف المعنى عن الأداء
في دراسة Singh وزملائه عن LingualAI، قيّم أطباء ثنائيو اللغة تسجيلات صوتية مجهولة من سيناريوهات أنف وأذن وحنجرة بالإنجليزية–الإسبانية مكتوبة مسبقًا. ومع هامش عدم دونية محدد مسبقًا قدره 0.30 نقطة على مقاييس من خمس نقاط، حقق النظام الداخلي العتبة في المصطلحات (الفرق 0.07) وفي كفاية المعنى (0.13)، لكنه لم يحققها في الوضوح (0.50). كما أخفقت الطلاقة والنبرة والإيقاع في بلوغ الهامش. وكانت الجودة العامة والثقة السريرية لصالح المترجمين. استخدمت الدراسة تسعة مقيمين بمشاركة غير متساوية وذكرت اتفاقًا متواضعًا بين المقيمين (ألفا Krippendorff 0.31). وكانت محاكاة، لا دليلًا على الأداء في الرعاية غير المكتوبة مسبقًا.
كلام المؤتمرات واللغة المجازية
قيّم Fantinuoli وPrandi خمس خطب في مؤتمر باستخدام إطار يركز على قابلية الفهم والإيصال المعلوماتي. حصل المترجمون البشريون على 84.84% مقابل 73.49% لقابلية فهم المخرجات الآلية؛ بينما حصلت المخرجات الآلية على 74.63% مقابل 72.82% للإيصال المعلوماتي البشري. هذه درجات وفق معيار هذه الدراسة، وليست «نسبة دقة» عامة. ويحذر المؤلفان من التعميم من هذه المدونة الصغيرة.
درس Tougas وزملاؤه اللغة المجازية في المقابلات النفسية. أُجريت لستة مرضى مقابلة بوساطة مترجم بشري وأخرى بالإسبانية مع ترجمة بمساعدة الذكاء الاصطناعي. وقد نُقلت التعابير الاصطلاحية وغيرها من التعبيرات المجازية على نحو غير دقيق كثيرًا في كلتا الطريقتين. ولأن العبارات الأصلية اختلفت بين المقابلات، فالدراسة مفيدة لاكتشاف نمط فشل صعب، لا للحصول على درجة دقة نظيفة بين المنتج والمترجم.
جودة المترجم البشري تحتاج أيضًا إلى تعريف
حلّل Flores وزملاؤه 57 حالة في قسم الطوارئ للأطفال وسجلوا 1,884 خطأ ترجمة عبر أوضاع المترجمين المحترفين، والمترجمين غير الرسميين، وعدم وجود مترجم. وكان 18% من تلك الأخطاء ذات عواقب سريرية محتملة. وكانت النسب المقابلة 12% للمترجمين المحترفين، و22% للمترجمين غير الرسميين، و20% من دون مترجم. هذه الأرقام ليست نسبًا من كل الكلام المترجم بشكل صحيح.
داخل مجموعة المحترفين، كانت نسبة الأخطاء ذات العواقب السريرية المحتملة 2% لدى المترجمين الذين تلقوا 100 ساعة تدريب على الأقل، و12% لدى من لديهم ساعات أقل. لا تعني هذه العلاقة أن أيًا من المجموعتين حقق معدل دقة إجماليًا قدره 98% أو 88%. لكنها تعني أن على المشتري أن يسأل عن التدريب وكيفية تحديد الأخطاء ذات العواقب، بدلًا من التعامل مع «البشري» بوصفه خط أساس واحدًا موحدًا.
قائمة تقييم عملية
- طابق السياق. اختبر اللغات الفعلية، واللهجات، وجودة الصوت، وتبادل الأدوار، والمصطلحات التقنية. فالحوار المكتوب مسبقًا في الأنف والأذن والحنجرة لا يثبت الأداء في المؤتمرات أو الطوارئ.
- عرّف المقام. احسب العبارات المصدر، والمخرجات المترجمة، والأخطاء المكتشفة، والأخطاء ذات العواقب كلٌّ على حدة.
- قيّم أكثر من الكلمات. اجعل مراجعين ثنائيي اللغة مؤهلين يقيمون المصطلحات، والمعنى المحفوظ، وقابلية الفهم، والحذف، والعواقب، ويفضل أن يكون ذلك من دون معرفة مصدر كل مخرج.
- سجّل مسارات التصحيح. قرر متى يمكن للمشارك الاعتراض على الترجمة النصية، أو الإيقاف، أو إعادة العبارة، أو إدخال مترجم مؤهل.
- أبلغ عن عدم اليقين. اذكر حجم العينة والنتائج الخاصة بكل لغة؛ ولا تحوّل تجربة صغيرة إلى ضمان لكل اللغات.
للاطلاع على مقاييس أداة إلى أداة في الذكاء الاصطناعي، راجع دليل دقة الترجمة الفورية. وللحصول على سجل مكتوب بدلًا من الكلام المباشر عبر اللغات، راجع مقارنة دقة النسخ. هذه الصفحات تجيب عن أسئلة مختلفة عن توظيف مترجم بشري.
أين يندرج MirrorCaption
يوفر MirrorCaption النسخ والترجمة المباشرين حتى يتمكن الناس من فحص النص الأصلي والمترجم جنبًا إلى جنب. ويمكن لـ Speak Translations قراءة الكلام المترجم بصوت عالٍ. قد تساعد هذه الميزات في الاجتماعات والمحادثات العادية، لكن الدراسات في هذه المقالة لم تقيّم MirrorCaption. فالمنتج ليس مترجمًا بشريًا مؤهلًا ولا خدمة ترجمة سريرية.
في القرارات السريرية وغيرها من المحادثات عالية المخاطر، رتّب لمترجم مؤهل على النحو المناسب ضمن عملية الوصول اللغوي الخاصة بالمنظمة المعنية. يصف دليل HHS للوصول اللغوي المترجمين المؤهلين والقواعد المنفصلة للوثائق المترجمة آليًا؛ ولا ينبغي فهم الأخيرة على أنها موافقة على الترجمة الفورية بالكلام عبر الذكاء الاصطناعي من دون إشراف. تحقّق من السياسة الحالية ومن طبيعة التواصل المحددة قبل اختيار سير العمل.
الأسئلة الشائعة
ما مدى دقة الترجمة الفورية بالذكاء الاصطناعي مقارنةً بمترجم بشري؟
لا توجد نسبة واحدة قابلة للتعميم. تختلف النتائج المنشورة بحسب النظام واللغة والمهمة وطريقة التقييم. في دراسة إنجليزية–إسبانية مكتوبة مسبقًا، حقق الذكاء الاصطناعي عتبة المعنى والمصطلحات لكنه أخفق في عتبات الوضوح وأداء الكلام؛ بينما وجدت تجربة سريرية منفصلة عبر ست لغات مخرجات خاطئة سريريًا أكثر من التطبيق مقارنةً بالمترجمين المؤهلين.
من أين جاءت إحصائية 82–88% للذكاء الاصطناعي مقابل 98–99% للبشر؟
ينسب مقال صناعي هذا الزوج من الأرقام إلى دراسة Stanford NLP من دون رابط للدراسة أو تعريف للدقة. لم نتمكن من التحقق من المصدر. اطلب الورقة الأصلية وطريقة التقييم قبل الاستشهاد بالأرقام.
هل المترجمون البشريون المدربون دقتهم 99%؟
لا تذكر دراسة Flores معدل دقة عامًا قدره 99%. بل وجدت أن 18% من 1,884 خطأ ترجمة مسجلًا كانت لها عواقب سريرية محتملة؛ وبين المترجمين المحترفين اختلفت نسبة الأخطاء ذات العواقب المحتملة بحسب ساعات التدريب.
هل يمكن للذكاء الاصطناعي أن يحل محل مترجم مؤهل في موعد طبي؟
هذه الدراسات لا تثبت أنه يستطيع ذلك. استخدم عملية الوصول اللغوي الخاصة بمؤسسة الرعاية للتواصل السريري ذي العواقب. قد يساعد الذكاء الاصطناعي حيثما كان ذلك مناسبًا، مع مسار واضح إلى ترجمة بشرية مؤهلة ومراجعة.
كيف ينبغي للفريق مقارنة الترجمة بالذكاء الاصطناعي والترجمة البشرية؟
اختبر اللغات والمهام الحقيقية التي تحتاجها. أبلغ عن عدد العبارات المصدر والمخرجات، وقيّم المعنى وقابلية الفهم كلًّا على حدة، وحدد الأخطاء ذات العواقب، ووثّق كيف يحصل المشارك على تصحيح أو على مترجم مؤهل.
تابع محادثة يومية
شاهد الكلام الأصلي والترجمة المباشرة جنبًا إلى جنب. جرّب الساعة المجانية لمرة واحدة.
ابدأ مجانًا