Мовні трансформації в машинному перекладі: стилістичний та семантичний аналіз текстів, згенерованих штучним інтелектом

Abstract

Кваліфікаційна робота присвячена аналізу мовних трансформацій, що виникають у процесі машинного перекладу текстів, згенерованих або перекладених сучасними системами штучного інтелекту. Метою дослідження є виявлення, систематизація та інтерпретація стилістичних і семантичних змін, які відбуваються під час автоматизованого перекладу, а також оцінка їхньої адекватності щодо перекладу, виконаного людиною. У теоретичній частині роботи розглянуто еволюцію машинного перекладу від систем, заснованих на правилах, до сучасних нейронних моделей, включно з архітектурами seq2seq, attention та Transformer. Проаналізовано ключові лінгвістичні підходи до поняття мовної трансформації, класифікацію лексичних, синтаксичних, стилістичних і семантичних змін, а також окреслено особливості роботи нейронних мереж, що формують контекстуальні представлення значення і стилю. Практична частина містить порівняльний аналіз перекладів фрагментів статей онлайн-ресурсу The Ukrainians, виконаних системами ChatGPT та DeepL, зіставлений із перекладом людини. Дослідження виявило типові семантичні зсуви, стилістичні неточності, зміни прагматичного тону та структурні перетворення, притаманні машинному перекладу. У роботі зазначено, що нейронні системи демонструють високу граматичну точність та природність мовлення, однак схильні до втрати нюансів, неточного відтворення конотацій, згортання або узагальнення складних смислових структур. Аналіз підтвердив, що машинний переклад є ефективним інструментом для швидкої міжмовної комунікації, проте потребує постредагування для відновлення стилістичної виразності, логічної цілісності та точності змісту. Дослідження розширює уявлення про механізми, за допомогою яких штучний інтелект трансформує мовний матеріал, та підкреслює важливість людського контролю у забезпеченні адекватності перекладу. The qualification paper focuses on analysing linguistic transformations that occur in machine translation of texts generated or translated by modern artificial intelligence systems. The aim of the research is to identify, classify and interpret stylistic and semantic changes produced in the process of automated translation, as well as to evaluate their adequacy in comparison with human translation. The theoretical section examines the evolution of machine translation from rule-based systems to modern neural models, including seq2seq, attention and Transformer architectures. It discusses key linguistic approaches to the concept of translation shifts and presents a classification of lexical, syntactic, stylistic and semantic transformations. Special attention is given to the principles of neural networks, which create context-dependent representations of meaning and stylistic patterns. The practical analysis compares translations of fragments from The Ukrainians, performed by ChatGPT and DeepL, with human translations. The study identifies common semantic shifts, stylistic inaccuracies, pragmatic mismatches and structural modifications characteristic of machine-generated output. The findings show that neural systems achieve a high degree of grammatical accuracy and fluency yet often fail to preserve subtle connotations, emotional tone and complex semantic structures. The research demonstrates that while machine translation is a powerful tool for fast communication, post-editing remains essential to restore stylistic expressiveness, semantic precision and overall textual coherence. The study contributes to a deeper understanding of how artificial intelligence transforms language and highlights the continued importance of human expertise in achieving translation adequacy.