In 1990 studeerde ik aan de VU af in de Literatuurwetenschap, met een scriptie getiteld: ‘Making the Translation: Vier vertalers op zoek naar hun vertaling.’ De vertalingen betroffen het gedicht ‘Making the Move’ van de Ierse dichter Paul Muldoon. Ik was zelf net begonnen aan een groepsvertaling van Wallace Stevens’ lange gedicht Notes towards a Supreme Fiction en gefascineerd geraakt door wat James Holmes ‘the “little black box” of the translator’s “mind”’1 heeft genoemd: wat gebeurt er ‘in het hoofd’ van de vertalende vertaler? Eén inmiddels tamelijk achterhaalde methode om dat te onderzoeken was vertalers te vragen ‘hardop’ te vertalen en zichzelf op te nemen, waardoor er (tot op zekere hoogte) toegang wordt verschaft tot het vertalende brein. Eyetracking en andere meer geavanceerde technieken leveren dezer dagen hoogwaardigere onderzoeksresultaten.
Voor mijn scriptie bleven de instrumenten bescheiden en moest ik pragmatisch zijn. Vier vertalers van naam (Paul Claes, Jan Eijkelboom, Marko Fondse en Wiebe Hogendoorn) maakten op mijn verzoek een vertaling van Muldoons gedicht en hielden daarbij een geschreven protocol bij, waarin ze iedere denk- en naslagstap optekenden. Dat resulteerde in vier fascinerende narratieven alsmede zeer uiteenlopende vertalingen. Ik analyseerde protocollen en vertalingen en kon conclusies trekken over bijvoorbeeld werkwijzen en interpretaties, stilistische voorkeuren, gebruik van naslagwerken, creatieve denk-uitstapjes en ‘trucs’.
Maar kon ik ook conclusies trekken over wat er gebeurt ‘in het hoofd’ van de vertalende vertaler? Nee. Ik mag dan beweren dat mijn vertalers ‘iedere denk- en naslagstap’ optekenden, maar dat is natuurlijk een illusie. Het neurologisch proces dat denken behelst en talige (of ver-talige) uitdrukking tot stand brengt, was destijds nauwelijks toegankelijk (en het onderzoek daarnaar behoorde bovendien niet tot mijn vakgebied). In de jaren die volgden, is door technologische ontwikkelingen het onderzoek naar de werking van de hersenen in een stroomversnelling geraakt en heeft ook het grote publiek meer en meer inzicht kunnen krijgen in de materie (denk aan Dick Swaabs besteller Wij zijn ons brein uit 2010). Ook in de hersenwetenschap heerste een vorm van techno-optimisme, waarin doorschemerde dat het niet lang meer zou duren voor we volledig zouden begrijpen hoe de hersenen werken. Inmiddels weten we beter. ‘Over de werking van de hersenen weten we net zoveel als over het universum’, las ik ooit. Best veel, nauwelijks iets. Al was het maar vanwege de aloude cartesiaanse misvatting dat het feit dat ik denk, bepaalt dat ik ben. Wij zijn ons brein niet.
Desalniettemin is ook de kennis over wat er gebeurt ‘in het hoofd’ van de vertalende mens de afgelopen twee decennia enorm toegenomen. Er blijft veel discussie over wat vertalen is en een begrip als ‘creativiteit’ wordt verre van eenduidig gedefinieerd, maar we weten veel meer dan begin jaren ’90 wat vertalen inhoudt. Je zou verwachten dat ontwikkelaars van vertaalsoftware zich daar dan ook een idee over vormen voor ze aan de slag gaan. Maar dat blijkt een illusie. In ‘Machinevertalingen, singularity en prometeïsche Scham’ (2017) gaan Gys-Walt van Egdom, Henri Bloemen en Winibert Seegers uitgebreid in op de stand van zaken in het onderzoek naar, de filosofische bespiegelingen omtrent en, met name voor de literair vertaler, de praktische toepassing van vertaaltechnologie. Een van de opmerkelijkste zinnetjes in het stuk is het volgende: ‘Software-ontwikkelaars hebben in het verleden geoordeeld over machinevertaling als een blinde over kleuren: ze beweren dat machineoutput goed of, op zijn minst, bruikbaar is, zonder dat ze weten wat vertaling inhoudt.’2
In dit artikel onderzoek ik nut en noodzaak van technologie voor de literair vertaler. Ik maak daarbij in eerste instantie onderscheid tussen vertaaltechnologie (vertaalmachines als GoogleTranslate en aanverwanten) en vertaalgerelateerde technologie. Om met dat laatste te beginnen: die is reeds lang onder ons. Er is geen vertalerswerkplek zonder vertaalgerelateerde technologie als laptop/pc, Word en dus: Shift-F7, Ctrl-f en aanverwanten; het internet verschaft ons daarnaast toegang tot Van Dale en andere één- en tweetalige online woordenboeken, synoniemen.net, woordenlijst.org, Wikipedia, Linguee, alsmede Google en minder kwaadaardige zoekmachines als DuckDuckGo en Startpage. Ook hoogwaardige tekstanalyseprogramma’s schaar ik onder deze noemer: online (vrijwel) gratis beschikbare tekstanalyse-instrumenten als Voyant Tools en Sketch Engine, die de vertaler inzicht kunnen geven in opbouw en stijl van een brontekst (korte/lange alinea’s; korte/lange zinnen; woord- en fraseherhaling, bepaalde vaste combinaties, etc.). Vertalers kunnen die informatie gebruiken bij het nemen van beslissingen over bijvoorbeeld consistentie (concordant vertalen) of het afwijken daarvan.3 Vertaalgeheugens, ten slotte, die middels geavanceerde software kunnen worden samengesteld (de professionele vertaalindustrie maakt er op grote schaal gebruik van) of als do’s-and-don’ts-lijstjes door vertalers zelf worden aangemaakt, wil ik ook rekenen tot vertaalgerelateerde technologie.
De omarming van vertaalgerelateerde technologie staat zeker onder literair vertalers in schril contrast met een meestal afwerende houding tegenover vertaaltechnologie. In 2002 bijvoorbeeld schreef Martin de Haan vier columns voor Filter waarin hij het wonderbaarlijke MT (Machine Translation)-programma ‘Tovertaal’ beschreef.4 In de laatste aflevering onthulde dat hij zélf Tovertaal was. De conclusie was duidelijk: geen literair vertaler heeft werkelijk baat bij vertaaltechnologie.
Van Tovertaal naar CARE
In 2002 vormde Machine Translation nog geen echte bedreiging voor de literair vertaler van vlees en bloed. Ze was zodoende voor De Haan een zittende eend. Maar ‘[i]nmiddels’, stellen Van Egdom et al., ‘is er veel veranderd. De dreiging is reëler’ (19). De reden daarvoor is volgens hen gelegen in de sterk verbeterde kwaliteit van ‘CAT-snufjes’, Google Translate en andere vertaalprogramma’s alsmede de digitalisering van bibliotheken. En dat is nog maar het begin:
De mogelijkheden van de technologie lijken eindeloos. Zo eindeloos dat langzaam maar zeker hele beroepsgroepen binnen de dienstensector door haar van de kaart worden geveegd: vriendelijke diensten worden ras smart services. Dat alles kan niet anders dan beangstigend klinken. Gevaar houd je dan ook beter op afstand. (20)
Niet Ctrl-f, diens hoogwaardiger neefjes Sketchengine en Voyant tools en zoekmachine Google vormen de ‘dreiging’, maar het steeds ‘betere’ GoogleTranslate en diens trawanten DeepL, Systran en (in mindere mate) Reverso: door kunstmatige intelligentie aangezwengelde ‘Neural Machine Translation’ (NMT)-programma’s. De vraag is of die dreiging voor de literair vertaler ook zo reëel is.
Waar voorheen voor vertaalprogramma’s het begrijpen en verwerken van ‘context’ het grootste struikelblok was, is dat steeds minder het geval. Een NMT-programma begint, net als een ‘gewone’ machinevertaling, op woordniveau te vertalen, maar (en hier komt de N van Neural uit de mouw) is steeds beter in staat om, net als de mens met zijn neurale cortex, verbanden, logica, syntaxis en context te gebruiken om een natuurlijke doeltekst te produceren. NMT is bovendien een zelflerend systeem:
De eerste neurale verbindingen zijn door mensen gelegd. Na de trainingsperiode wordt het systeem aan zijn lot overgelaten. Dat betekent echter niet dat het systeem dan is uitgeleerd. NMT is de manuurinvestering enkel waard, omdat het, na een periode van training, in staat is om ‘zelf’ van nieuw materiaal te leren, om zelf verbanden en verbindingen te leggen. (Van Egdom et al. (25n3)
Zelflerende systemen hebben, zeker in de dystopische verbeelding, de neiging de boel over te nemen. Bekende voorbeelden zijn ‘the creature’ in Mary Shelley’s Frankenstein, or the Modern Prometheus, HAL in Stanley Kubricks 2001: A Space Odyssey, en meest recent Adam in Ian McEwans Machines Like Me – niet allemaal zijn ze even succesvol, overigens. Recente ontwikkelingen in het onderzoek naar Kunstmatige Intelligentie (KI) laten zien dat het met een machtsovername zo’n vaart niet hoeft te lopen, tenminste, als de mens zich verantwoordelijk blijft voelen voor zijn eigen schepping. Recent onderzoek naar kunstmatige intelligentie benadert die verantwoordelijkheid middels het (wellicht wat al te optimistische of zelfs eufemistisch geframede) acroniem CARE: Collobaration, Adaptivity, Responsibility en Explanation. Een verantwoorde verhouding tussen tussen KI en mens kan alleen bestaan als aan deze CARE-voorwaarden wordt voldaan:
Ontwikkelingen in het KI-onderzoek worden op dit moment in sterke mate bepaald door deze CARE-factoren en samengebracht onder de noemer ‘hybrid intelligence’ of ‘human-centred articifial intelligence’.
KI is een fascinerend onderzoeksgebied en inmiddels uit het dagelijks leven niet meer weg te denken. Maar dat wil niet zeggen dat door kunstmatige intelligentie aangedreven NMT-programma’s zich inmiddels ook als hoogwaardig literair vertalers kunnen manifesteren. Vertaalsoftware is steeds beter in staat om naast tekst ook context te integreren in het vertaalproces, maar ‘steeds beter’ wil niet zeggen: zo goed als een mens dat kan en dus met optimaal en doordacht gebruik van bijvoorbeeld die CARE-factoren. Menselijke literair vertalers maken allerlei keuzes waaruit je overwegingen kunt distilleren over de noodzakelijke creatieve vrijheid die nodig is om van een literaire brontekst een literaire doeltekst te maken. Het hieronder beschreven experiment toont aan dat dat voor NMT-programma’s nog niet is weggelegd. De dreiging ervan voor het voortbestaan van de literair vertaler is nog steeds zeer relatief.5
Ik vertaalde een brief
Op 2 juli van dit jaar vertaalde ik het kortverhaal ‘I Wrote a Letter...’ (1980) van Donald Barthelme.6 In deze korte satire vertelt iemand dat hij een brief aan de president van de maan heeft geschreven omdat hij er de pest over in heeft dat zijn auto is weggesleept. Zijn eerste vraag is of ze op de maan ook wegsleepzones hebben. Dat blijkt niet het geval en de maan lijkt ook in andere opzichten een steeds aantrekkelijkere vestigingsplaats. De president heeft er zijn zaakjes heel behoorlijk op orde, zo lijkt het. De correspondentie voltrekt zich via steeds idiotere kanalen: brief, telegram, holle boomstam, ‘maanstraal’, zelfgebreide ‘ALGOL-circuits’, een ‘MIRV’d metaphor’, engelenvluchten en ten slotte een asteroïdenregen bestaande uit tweedehands auto’s. Ten slotte vraagt de verteller of het presidentschap ‘of us’ iets voor de president van de maan zou zijn (desnoods in deeltijd). Nee, daar past de president van de maan voor; Dizzy Gillespie worden, dat lijkt hem eventueel wel wat.
‘I Wrote a Letter...’ is een typisch Barthelmeverhaal, waarin het banale en het absurde hand in hand gaan en je nauwelijks greep krijgt op de stijl: het geheel is zorgvuldig geconstrueerd en er komen veel spreektalige elementen in voor. Barthelme’s korte verhalen gebruik ik al jaren als lesmateriaal in de bachelor en master en de intensieve cursussen vertalen, onder het provocerende motto: ‘Als je Barthelme kunt vertalen, kun je alles vertalen.’ Hoe zouden de drie door mij zorgvuldig geselecteerde NMT-programma’s het ervan af brengen?
De eerste stap was het verhaal zélf te vertalen. Voor ik dat deed, voerde ik de brontekst in het programma Voyant Tools (VT) in, dat mij na 4,5 seconde meldde:
This corpus has 1 document with 532 total words and 262 unique word forms.
Vocabulary Density: 0.492 [verhouding aantal woorden totaal / aantal unieke woorden]
Average Words Per Sentence: 19.7
Most frequent words in the corpus: moon (10); dollar (6); president (5); health (4); mental (4)
Wat zegt dat? Belangrijk gegeven is de gemiddelde woordlengte per zin: dat zegt iets over dat specifieke stijlelement. Het zegt ook iets over de te verwachten resultaten uit de vertaalmachines: het is bekend dat hoe langer de zinnen worden, hoe ‘moeilijker’ ze het krijgen. Interessant zijn verder de ‘most frequent words’. Dat ‘moon’ en ‘president’ daartoe behoren is niet verrassend; ‘dollar’, ‘mental’ en ‘health’ zijn interessanter als motieven in het verhaal. Deze analyse door Voyant Tools is een eenvoudig voorbeeld van hoe vertaalrelevante technologie de vertaler een seintje kan geven om op een bepaald element extra gespitst te zijn. Ideaal met name voor langere teksten.
Donald Barthelme
Bij mijn eigen vertaling (in Word) maakte ik gebruik van een aantal standaardinstrumenten als de woordenboeken van Van Dale en Webster-Merriam, Shift-F7, synoniemen.net, Wikipedia en zoekmachine duckduckgo. Ik herzag de doeltekst enkele malen, met name op het niveau van stijl in het algemeen en consistentie, idiomatische uitdrukkingen en spreektaligheid in het bijzonder. De bondige formuleringen en de combinatie van banaliteit en absurditeit dragen sterk bij aan het humoristische gehalte. Ik koos ervoor één pragmatisch element te moderniseren (of te naturaliseren, zo je wilt): de ‘Apple computer’ uit 1980 wordt in 2020 in mijn vertaling een ‘Apple’. Aangezien in het verhaal de Spaceshuttle nog gelanceerd moet worden, is het gevaar dat de lezer de Apple als een iPhone zal interpreteren (hopelijk) verwaarloosbaar. Mijn aanpak was verder voornamelijk exotiserend, hetgeen ironisch genoeg betekent dat de vertaling op één punt nog een graadje ‘exotischer’ wordt dan de brontekst toch al is: ‘MIRV’d metaphor’ zal de brontaallezer de nodige hoofdbrekens bezorgen; vertalen als ‘M.I.R.V.-metafoor’ of ‘ge-MIRVde metafoor’ maakt het voor de doeltaallezer nog exotischer dan het voor de brontaallezer al is. Maar om er nou ‘DMORS-metafoor’ van te maken...7 De versterkte exotisering wordt – zo bedacht ik – verzacht door het feit dat je ‘MIRV’ tenminste nog kunt opzoeken. ‘DMORS’ (probeer maar) levert louter misleiding op.
Ik was met de vertaling in totaal ruim twee uur bezig. Vervolgens liet ik de brontekst door drie verschillende NMT-programma’s vertalen: DeepL, Systran en Google Translate (GT).8 Geen van deze programma’s had meer dan 10 seconden nodig om een doeltekst te realiseren. Het redigeren van deze teksten tot het niveau van een een enigszins adequate literaire tekst werd daarentegen een hoofdpijndossier waarvan ik nog steeds moet bijkomen.
De machines aan het woord
Eerst moest ik de overduidelijke blunders in de gegenereerde teksten corrigeren. De hoeveelheid en aard van binaire fouten verschilden onderling nogal. Systran had duidelijk de meeste moeite vertaling en werkelijkheid op elkaar af te stemmen: opmerkelijk waren ‘vroeg of ze daar naar toe moesten gaan’ voor ‘asked him if they had towaway zones up there’ (van heel ander kaliber is GT: ‘vroeg hem of ze daar weggedoken zones hadden’); ‘Ik heb 75 dollar gekost’; ‘op kleine auto’s plukken’ en het ronduit schitterende ‘ruimtesluiking’ voor ‘space shuttle’. ‘[H]e moonbeamed back’ werd ‘hij heeft zich teruggeschroefd’. Voor ‘ticktacktoe’ weet Systran niks anders te verzinnen dan ‘tikkapper’. DeepL en GT doen het marginaal beter door ‘ticktacktoe’ voor te stellen.9 Alle systemen stellen voor ‘roger’ ‘roger’ voor, waardoor ik ging twijfelen aan mijn eigen vertaling (‘begrepen’). Van Dale geeft ‘ontvangen en begrepen’, wat preciezer dan mijn aanvankelijke vertaling is, maar ook omslachtiger en bovendien enigszins tautologisch. De twijfel die de NMT-programma’s zaaien kan nuttig zijn: door die twijfel ga je je keuzes nog eens bekijken en (eventueel) herzien.
DeepL en GT maakten minder binaire fouten dan Systran, maar beide zorgden toch voor de nodige (vermakelijke) miskleunen. DeepL en Systran vertaalden het typisch spreektalige ‘Well, I needed mental health real bad that week’ met de respectievelijke tegenovergestelden ‘Nou, ik had die week echt een slechte geestelijke gezondheid nodig’ en ‘Die week had ik een slechte geestelijke gezondheid nodig’. Gezond verstand lijken beide systemen in dit geval te ontberen. GT, mogelijk gebruikmakend van de gigantische database die het tot zijn beschikking heeft, kwam met het saaie maar niet incorrecte ‘Nou, ik had die week heel veel geestelijke gezondheid nodig’. Daar staat tegenover dat GT het begrip ‘maanpresident’ voor ‘President of the Moon’ introduceerde en ‘hauling off’ vertaalde met ‘vervoeren’. ‘Maanpresident’ lijkt op dezelfde manier tot stand te komen als ‘porseleinbelofte’ (ook GT). En vergelijk voor ‘convenience cards’ het briljante ‘gemakskrantenkaarten’ (DeepL), ‘gemakskaarten’ (GT) en ‘goedkope kaarten’ (Systran): de programma’s lijken (net als de meeste vertalers van vlees en bloed) realia als grote struikelblokken te ervaren. De ‘default’ keuze lijkt naturalisering te zijn en misschien is dat wel een van de grootste problemen wat betreft de programmatuur: er moet en zal, tenzij het brontaalwoord zoals bij ‘ticktacktoe’ niet in handzame morfeempjes kan worden opgedeeld, vertaald worden (convenience: gemak, voordeel; card: kaart). In dit geval speelt bovendien een pragmatisch probleem: in 1980 was een ‘convenience card’ een (soort) creditcard; vandaag de dag kun je er digitaal mee bankieren.
‘Cabled’ (een telegram gestuurd) is blijkbaar zodanig achterhaald dat de vertaalprogramma’s er geen chocola van konden maken: ‘Ik belde hem’ (DeepL; ook een soort ‘educated guess’ – zie noot 9 – trouwens), ‘Ik gaf hem de opdracht’ (Systran), ‘Ik heb hem bekabeld’ (GT). Dat lijkt me een van de grootste problemen: als ‘uitgestorven’ fenomenen door de NMT’s niet worden herkend, kun je er in het geval van wat oudere bronteksten echt helemaal niks mee.
De vertaling van ‘six-packs’, zelfs in combinatie met ‘Rolling Rock beer to drink’, was blijkbaar ook te veel van het reale: pakjes, pakken, maar nergens treetjes laat staan... sixpacks! De meertaligheid – of tweetaligheid: het Engels is een blijvertje – van het hedendaags Nederlands vormt een pracht van een uitdaging voor de (literair) vertaler. Hoe vertalingen voor begrippen als ‘six-pack’ te programmeren zal programmeurs de nodige hoofdbrekens kosten. Een vertaler die zelf levend en dus (met mate) met Engels doorspekt Nederlands spreekt en schrijft en weet heeft van zijn doelpubliek zal op dit gebied sterk in het voordeel zijn. Vertalen is geen woorden vertalen en al hebben de programma’s redelijk greep op syntaxis, mijn stellige indruk bestaat dat ze niet in staat zijn grotere eenheden of voor het menselijk oog simpele specificaties (‘six-pack’ heeft niks met ‘pakjes’ te maken) vertaalrelevant te begrijpen.
Fouten tellen is geen vertaalkritiek, maar een goed begin is het halve werk. Binaire fouten kun je corrigeren, maar voor veel begrippen zijn meer opties voorradig. Kiezen welke ‘correcte’ optie de meest wenselijke is, gebeurt op basis van verschillende factoren en kost (dus) tijd. Een Apple is geen appel maar een Applecomputer (Systran), een Apple (Kosters), of... een Mac! (die modernisering gaat me net een stap te ver). Een ‘circuit’ is een circuit – of een circuitje (waarmee ikzelf het fröbelige karakter van het hoogtechnologische breiwerkje wilde benadrukken). De keuze voor ‘circuitje’ maakte ik in een milliseconde: zélf kiezen zonder ‘tussenkomst’ van een NMT-oplossing die je eerst moet wegen en waarvoor je vervolgens alternatieven moet verzinnen, kost veel minder tijd dan werken op basis van zo’n NMT-oplossing.
Grammaticale fouten zoals incorrecte inversie in vraagzinnen (het aan Asterix en de Britten herinnerende ‘Hoe zit het met oorlog en vrede? Ik informeerde’ [DeepL en GT] voor ‘What about war and peace? I inquired’)10 zijn irritant, maar relatief eenvoudig te verhelpen (maar de menselijke vertaler maakt dat soort fouten niet en verhelpen kost tijd). Datzelfde geldt voor het gebruik van incorrecte verwijswoorden (die ook de met Engels doordesemde ‘jeugd van tegenwoordig’ hoofdbrekens kost): alles waar met ‘it’ naar wordt verwezen, wordt ‘het’. Argh!
Stijlbreuk
Als iets een keuze is, is het stijl en als íets een vertaalprobleem is, is het stijl. Zoals Cees Koster schrijft, ‘een auteur maakt keuzes uit de mogelijke uitdrukkingsmiddelen van zijn taal om daarmee een bepaald literair of esthetisch effect te bereiken. [...]. De taak van de vertaler is vervolgens om keuzes te maken uit de mogelijke uitdrukkingsmiddelen van zijn taal om daarmee de intentie van de brontekst over te brengen en een evenwaardig beoogd effect tot stand te brengen.’11 Het meest prominente stijlkenmerk van ‘I Wrote a Letter...’ is de (zich in verschillende registers en vaak in lange zinnen manifesterende) spreektaligheid. De zich niet altijd grammaticaal correct uitdrukkende verteller richt zich rechtstreeks tot de lezer (‘You ever notice how the tow trucks pick on little tiny cars? You ever seen them hauling off a Chrysler Imperial? No, you haven’t’) én tot de president van de maan, die evenzo banaal (doch hoffelijk) formulerend terugschrijft. Het banale (ergernis over een weggesleepte Honda; ribbetjes – of moeten dat toch ‘spareribs’ worden...? – in rode saus – of moet dat toch ‘barbecuesaus’ of ‘zoete saus’ worden?! – treetjes bier) en het absurdistisch hoogtechnologische gaan in het verhaal hand in hand. Barthelme’s stijkeuzes op woord- zins-, alinea- én tekstniveau creëren een universum waarin, als klap op de ‘shower of used-car asteroids’, de presidentiële campagnes in de Verenigde Staten worden afgedaan als een moddergooifestijn (of nou ja: een ‘pneumatische Russen’-gooifestijn: de Koude Oorlog vormt een duidelijke achtergrond bij het verhaal).
Kortom, ga er maar aan staan, Kosters, DeepL, Systran en GoogleTranslate:
|
Barthelme |
Kosters |
DeepL |
Systran |
Google Translate |
|
, asked him |
en vroeg ’m |
, vroeg hem |
waarin ik hem vroeg |
En vroeg hem |
|
and I didn’t like it |
en daar had ik de pest over in |
en ik vond het niet leuk |
en ik vond het niet leuk |
en dat beviel me niet |
|
Cost me …, plus |
Kostte me …, nog afgezien van |
Het kostte me ..., plus |
Ik heb 75 dollar gekost, ... plus |
Kostte me ..., plus |
|
You ever notice …? You ever seen…? No you haven’t. |
Nooit opgevallen…? Ooit gezien…? Precies. |
Is het je ooit opgevallen...? Heb je ze ooit... zien...? Nee dat heb je niet gezien. |
Heb je ooit gemerkt...? Heb je ze ooit... zien...? Nee dat heb je niet. |
Heb je ooit opgemerkt...? Heb je ze ooit... zien...? Nee, dat heb je niet. |
|
, and to keep some mental health warm …, and could I interest him… |
en of hij wat van dat mentale welbevinden voor me apart kon houden..., en of ik ’m blij kon maken... |
en om wat geestelijke gezondheid warm te houden ..., en kon ik hem interesseren... |
en om een geestelijke gezondheid warm te houden..., en zou ik hem kunnen interesseren... |
en om wat geestelijke gezondheid warm te houden…, en kan ik hem interesseren |
|
Which I would gladly carry up |
Die ik ... graag voor hem zou meebrengen |
Wat ik graag voor hem zou doen |
Welke zou ik graag naar hem doorzetten |
Wat zou ik hem graag verder vertellen |
|
and, by the way, what was the apartment situation up there? |
en, tussen twee haakjes, hoe was eigenlijk de situatie op de appartementenmarkt daarboven? |
en trouwens, wat was de situatie in het appartement daarboven? |
En trouwens, wat was de appartementsituatie daar?*
|
en trouwens, wat was de situatie daarboven? |
|
but what could he do? |
maar kon hij het helpen? |
maar wat kon hij doen? |
maar wat kon hij doen? |
maar wat kon hij doen? |
|
’cause of me being a friend of the moon. |
omdat ik een vriend van de maan enzo was. |
omdat ik een vriend van de maan ben. |
want ik ben een vriend van de maan. |
omdat ik een vriend van de maan ben. |
|
pretty nice place |
behoorlijk aantrekkelijk |
een mooie plek |
een mooie plek |
een mooie plek |
|
dat ticktacktoe was about as far as they’d got in that direction |
dat boter-kaas-en-eieren daar zo’n beetje het dichtst bij in de buurt kwam |
dat ticktacktoe ongeveer zo ver was als ze die kant op waren gegaan |
dat de tikkapper ongeveer zo ver ging als ze in die richting hadden gestaan |
dat ticktacktoe ongeveer zover was als ze in die richting waren gekomen |
|
it looked to me like he had things pretty well in hand up there |
het leek of hij het daarboven allemaal aardig op orde had |
dat het er voor mij op leek dat hij de dingen daarboven vrij goed in de hand had |
dat het naar mij leek alsof hij daar behoorlijk goed in de hand had |
dat het mij leek alsof hij het daar redelijk goed voor elkaar had |
|
Part-time if need be? |
Parttime eventueel? |
Deeltijd als dat nodig is? |
Deeltijd indien nodig? |
Parttime indien nodig? |
* Het enige moment waarop een programma ‘ingreep’ in de syntaxis: het maakte van één zin twee zinnen.
NB ‘I Wrote a Letter’ én de vier vertalingen zijn hier te lezen
Er is vast van alles af te dingen op mijn keuzes en er zijn ongetwijfeld allerlei mooie alternatieven mogelijk met minder ‘vrijheden’ ten opzichte van de brontekst. Maar dat is hier het punt niet. Als vertaler interpreteerde ik de stijl van de brontekst als een sterk spreektalige, die heen en weer beweegt tussen verontwaardiging en hoop op verlossing. Die interpretatie bood mij ruimte om functioneel afstand te nemen, zonder afstand te doen, van de brontekst: dát is literair vertalen en dát vinden de drie geraadpleegde machines het allermoeilijkst.
Om dit terug te koppelen naar het idee van CARE: de ‘collaboration’ tussen machine en brontekst is uitermate gebrekkig, omdat de machine niet ‘weet’ dat de brontekst een toon hanteert die op een mens een bepaald humoristisch effect heeft: de machine ziet de tekst sec als tekst. ‘Adaptivity’ zie je een klein beetje terug in wat Systran doet als die het niet meer ‘weet’, maar de ‘educated guess’ slaat de plank in geen enkel geval raak. (De uitzondering is ‘gebeld’ voor ‘cabled’ door DeepL, waarin nog een zekere logica is te bespeuren.) ‘Responsibility’ speelt in deze vertaalopdracht nauwelijks (het vertalen van taboewoorden is niet aan de orde, bijvoorbeeld; de machine wordt niet verleid tot onetisch handelen), al zou je het splitsen van die ene lange zin door Systran een vorm van (maar in mijn ogen dan weer misplaatste) ‘responsibilty’ (richting lezer) kunnen noemen. ‘Explanation’ is wellicht een element dat een rol kan spelen bij de verdere ontwikkeling van vertaalmachines die geschikter zijn voor het daadwerkelijk vertalen van literaire teksten. Zo zou een stijlanalyse zoals Voyant Tools die biedt onderdeel van de software kunnen worden. Hoe de ‘vertaalslag’ te maken naar de opdracht dat de vertaling vervolgens rekening houdt met stijl en de daardoor geëffectueerde toon, is mij een raadsel, maar een beetje programmeur vast niet. En het kan natuurlijk zijn dat het zelflerende aspect deze vertaalslag gaandeweg ‘zelf’ oppikt en daardoor steeds beter in staat wordt hoogwaardigere literaire vertalingen af te leveren.
Anno 2020 lijkt de belangrijkste vraag of we vertaaltechnologie als een bedreiging van de menselijke vertaler moeten zien. Ik maakte in dit artikel aanvankelijk het onderscheid tussen vertaaltechnologie en vertaalgerelateerde technologie, maar ik zou als conclusie willen stellen dat het voorlopig vruchtbaarder is om ook vertaaltechnologie als vertaalgerelateerde technologie te beschouwen. Softwareontwikkelaars lijken nog steeds niet te begrijpen wat literair vertalen inhoudt; vertaalprogramma’s verzamelen op voorgeprogrammeerde wijze data die tot resultaten leiden die tot op zekere hoogte bruikbaar zijn, maar toch vooral mank gaan en waarvan de reparatie veel tijd kost. Evenmin als hard-op-denkprotocollen geeft NMT blijk van inzicht in wat er gebeurt in de ‘little black box’ van het brein van de literair vertaler. Wat NMT wél kan, heeft weinig met literair vertalen te maken. Een literair vertaler Engels-Nederlands12 kan een GT of DeepL-vertaling van een literaire tekst als grofmazig naslagwerk gebruiken en in die zin kan zo’n programma heel misschien een tijdsbesparing opleveren. Machinevertalingen gebruiken als basis voor een middels post-editing tot stand te brengen literair eindproduct, lijkt vooralsnog een u(of dys-)topie.
Noten
1 Holmes, James. 1988. ‘The Name and Nature of Translation Studies’, in: Translated! Papers on Literary Translation and Translation Studies. Amsterdam: Rodopi, p. 67-80 (72).
2 Egdom, Gys-Walt van, Henri Bloemen en Winibert Seegers. 2017. ‘Machinevertalingen, singularity en prometeïsche Scham’, in: Filter, 24:2, p. 19-26 (24, mijn cursivering).
3 Zie bijvoorbeeld De Haan, Martin. 2002. ‘De vertaalmachine. Aflevering 1: Laten we de dingen beter maken’, Filter 9, 1, 25-27.
4 Lisa Horenberg studeerde in 2019 af in de Master Vertalen aan de Universiteit Utrecht met een belangrijke studie naar de toepassing van Sketchengine en Voyant Tools. De twee artikelen die ze in het verlengde hiervan schreef zijn te vinden in de Kennisbank van het ELV.
5 In ‘Vertalen met Googletranslate’ doet Robbert-Jan Henkes een vergelijkbaar onderzoekje met de Engelse vertaling van Reve’s De avonden.
6 Barthelme, Donald. 1980. ‘I Wrote a Letter’, in The Teachings of Don B. Berkeley: Counterpoint, 1992, p. 11-12. Verhaal en de vertalingen zijn na te lezen in dit dossier.
7 (D[raagraket van] M[eervoudige] O[nafhankelijke] R[ichtbare] S[pringkoppen]).
8 Reverso.net laat ik buiten beschouwing; de kracht ervan staat in geen verhouding tot de andere drie programma’s.
9 Systran en DeepL maken gebruik van een menselijke doch nog niet geheel tot volle wasdom gekomen strategie die je ‘educated guessing’ zou kunnen noemen. Bij een onbekend begrip, doet het programma een gokje op grond van in het onbekende begrip aangetroffen mogelijke betekeniselementen. Maar hoe ‘ruimtesluiking’, ‘teruggeschroefd’ en ‘tikkapper’ daaruit voortvloeien, is mij een raadsel.
10 Alsmede ‘Ik zocht naar’ (Systran).
11 Koster, Cees. 2011. ‘Alles verandert altijd (en blijft ook hetzelfde): Vertaling en stijl.’ Filter, 18:4, p. 3-13.
12 Verschillende talenparen leveren ongetwijfeld zeer verschillende resultaten op in NMT-programma’s. Engels is dusdanig dominant en de database van Google is zo enorm, dat er nog wel wat uit te halen valt. Ik waag te betwijfelen of vertalers, ik zeg maar wat, Sloveens-Arabisch, veel zullen hebben aan deze NMT’s.
Onno Kosters is Universitair Docent Engelse letterkunde en Vertalen aan de Universiteit Utrecht. Aandachtsgebieden in onderwijs en onderzoek zijn Engelse en Anglo-Ierse literatuur van 1700-heden en theorie en praktijk van het (literair) vertalen. Kosters promoveerde in 1999 op het werk van James Joyce (Ending in Progress: Final Sections in James Joyce's Prose Fictions) en publiceerde vertalingen van en studies over onder anderen Joyce, Samuel Beckett, T.S. Eliot, E.E. Cummings, Seamus Heaney, Weldon Kees, Derek Walcott. Voor zijn vertaling van Samuel Becketts roman Watt (Uitgeverij IJzer, 2006) ontving hij de Filter Vertaalprijs.
Reageren? info@tijdschrift-filter.nl.