Evaluating GPT -5 Literary Metaphor Translation from English into Arabic through Recognition, Interpretation, and Rendering
Diese Studie evaluiert die Übersetzung literarischer Metaphern von Englisch nach Arabisch durch GPT-5 unter Verwendung eines stufenbewussten Frameworks und zeigt auf, dass das Modell zwar exzellent in der Erkennung und Interpretation von Metaphern ist, sich jedoch bei deren Wiedergabe im Vergleich zu sowohl DeepL als auch menschlicher Übersetzung erheblich schwer tut, wodurch eine kritische Lücke zwischen Verständnis und kreativer Produktion in der KI offengelegt wird.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Sprache ist mehr als nur ein Code für den Austausch von Fakten; sie ist eine Landschaft aus Bildern, in der ein Autor ein schweres Herz als einen Stein oder eine verblassende Erinnerung als einen Nebel beschreiben kann. Wenn ein Übersetzer eine Geschichte von einer Sprache in eine andere überträgt, muss er nicht nur die Fakten der Handlung, sondern auch diese zarten Bilder mitnehmen. Dies gilt insbesondere für Metaphern, die bildliche Sprache, die der Literatur ihre emotionale Tiefe verleiht. Jahrzehntelang waren menschliche Übersetzer die Einzigen, denen man vertraute, um dieses Terrain zu navigieren, doch der Aufstieg der künstlichen Intelligenz hat das Gespräch verändert. Große Sprachmodelle, die leistungsstarken Computersysteme hinter modernen Chatbots, können nun flüssige Übersetzungen erstellen, die reibungslos klingen und grammatikalisch Sinn ergeben. Doch eine entscheidende Frage bleibt: Wenn diese Maschinen auf eine Metapher stoßen, verstehen sie dann wirklich das Bild hinter den Worten, oder stellen sie lediglich die Möbel um, während sie das Bild zurücklassen?
Forscher der Qassim University machten sich daran, dies zu beantworten, indem sie in die Black Box der künstlichen Intelligenz blickten. Sie konzentrierten sich auf eine spezifische Art von Maschine, ein Modell namens GPT-5, und testeten dessen Fähigkeit, die literarischen Metaphern in Kazuo Ishiguros Roman The Buried Giant zu handhaben. Anstatt die Maschine einfach nur einen Satz übersetzen zu lassen und das Endergebnis zu beurteilen, unterteilten die Forscher den Prozess in drei deutliche Schritte. Zuerium fragten sie die Maschine zuerst, lediglich zu identifizieren, welche Wörter Metaphern waren. Zweitens baten sie sie, zu erklären, was diese Metaphern innerhalb der Geschichte bedeuteten. Schließlich baten sie sie, die Passage ins Arabische zu übersetzen. Durch die Trennung dieser Aufgaben konnte das Team genau sehen, an welcher Stelle die Maschine Erfolg hatte und wo sie stolperte, anstatt nur zu raten, warum eine endgültige Übersetzung fehlgeschlagen sein könnte.
Die Studie untersuchte 20 metaphorische Ausdrücke aus den ersten zwei Kapiteln des Romans. Die Ergebnisse offenbarten eine überraschende Lücke zwischen Verstehen und Tun. Die künstliche Intelligenz war in den ersten beiden Schritten bemerkenswert gut. Sie identifizierte die Metaphern im Text korrekt und lieferte präzise Erklärungen ihrer Bedeutung, wobei sie oft die Leistung eines menschlichen Experten erreichte. Sie wusste, dass ein „willkommener Gegengift zum Mittagssonnenlicht“ eine Metapher für Erleichterung von der Hitze war, und konnte diese Verbindung klar erklären. Als die Maschine jedoch gebeten wurde, die Passage tatsächlich ins Arabische zu übersetzen, sank ihre Leistung signifikant. Obwohl sie das Konzept verstand, hatte sie Schwierigkeiten, das Bild in der neuen Sprache wiederzugeben. In mehr als einem Drittel der Fälle entfernte die Maschine die Metapher entweder vollständig, wodurch sie ein lebhaftes Bild in eine schlichte Aussage verwandelte, oder sie verzerrte die Bedeutung so, dass das ursprüngliche Bild verloren ging.
Um zu sehen, wie sich dies im Vergleich zu anderen Methoden verhielt, stellten die Forscher die Maschine zwei anderen Übersetzern gegenüber: einer spezialisierten Übersetzungssoftware namens DeepL und einer veröffentlichten arabischen Übersetzung durch eine professionelle menschliche Übersetzerin namens Kholoud Amro. Die professionelle menschliche Übersetzung war der klare Gewinner, da sie die Bildsprache und das emotionale Gewicht des Originaltextes weitaus besser bewahrte als die beiden Maschinen. Die spezialisierte Software, DeepL, schnitt besser ab als der allgemeine Chatbot, blieb aber hinter dem menschlichen Standard zurück. Die Studie fand heraus, dass der Chatbot zwar flüssige Sätze produzieren konnte, aber oft daran scheiterte, die Konsistenz der Bilder über die Geschichte hinweg aufrechtzuerhalten. Wenn beispielsweise ein Charakter in einem Satz als „Bootmann“ beschrieben wurde, nannte die Maschine ihn im nächsten vielleicht ein „Schiff“, was den Fluss der Erzählung unterbrach. Die menschliche Übersetzerin hingegen bewahrte ein konsistentes und lebendiges Bild.
Die Forscher identifizierten vier Hauptgründe, warum die Maschinen Schwierigkeiten hatten. Erstens konnten sie oft nicht das richtige Äquivalentwort im Arabischen finden, das das gleiche kulturelle Gewicht trug. Zweitens gelang es ihnen nicht, die Bilder im Verlauf der Geschichte konsistent zu halten. Drittens missverstanden sie manchmal den Kontext, was zu einer Übersetzung führte, die für sich genommen zwar Sinn ergab, aber falsch für die Geschichte war. Viertens, und vielleicht am wichtigsten, fehlte den Maschinen die Fähigkeit, eine Metapher kreativ neu aufzubauen. Wenn eine direkte Übersetzung nicht funktionierte, könnte eine menschliche Übersetzerin das Bild leicht anpassen, um es an die neue Sprache anzupassen, während sie das Gefühl beibehält. Die Maschinen hingegen neigten dazu, entweder starr an den Originalworten festzuhalten oder das Bild ganz fallen zu lassen.
Diese Studie legt nahe, dass die aktuelle Art und Weise, wie wir künstliche Intelligenz in der Übersetzung bewerten, zu großzügig sein könnte. Wenn wir nur darauf achten, ob eine Übersetzung flüssig oder grammatikalisch korrekt ist, übersehen wir vielleicht die Tatsache, dass die Seele des Textes – die Metaphern und die Bildsprache – verloren gegangen ist. Die Maschine kann Ihnen sagen, was eine Metapher bedeutet, aber sie kann noch nicht das Erlebnis dieser Metapher in einer neuen Sprache mit derselben Geschicklichkeit wie ein Mensch wiedergeben. Während diese Werkzeuge leistungsstark sind und sich verbessern, fehlt ihnen noch immer das tiefe, intuitive Verständnis von Kultur und Bildsprache, das es einer menschlichen Übersetzerin ermöglicht, eine Geschichte in einer anderen Sprache lebendig wirken zu lassen. Die Lücke zwischen dem Erkennen einer Metapher und dem erfolgreichen Neumalen dieser Metapher in einer neuen Sprache bleibt eine bedeutende Hürde, die die künstliche Intelligenz noch zu überwinden hat.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.