تا چند سال پیش، ترجمه برای بسیاری از مردم یک کار تخصصی بود. اگر متنی به زبانی دیگر نوشته شده بود، یا باید آن زبان را می‌دانستیم، یا سراغ مترجم می‌رفتیم، یا قید خواندن متن را می‌زدیم. ترجمه ماشینی این وضعیت را به‌تدریج تغییر داد و مدل‌های زبانی این تغییر را بسیار سریع‌تر کردند. حالا فاصله میان یک متن خارجی و خواننده گاهی فقط چند ثانیه است.
این اتفاق در نگاه اول خبر خوبی به حساب می‌آید. مقاله‌ای که پیش‌تر خواندنش برای کسی ممکن نبود، حالا قابل فهم است. دانشجو می‌تواند پیش از تصمیم به خواندن یک کتاب یا مقاله، تصویری از محتوای آن به دست آورد. کسی که زبان خارجی نمی‌داند می‌تواند یک نامه، راهنما یا صفحه اینترنتی را بفهمد. حتی مترجم حرفه‌ای هم می‌تواند از ماشین برای پیدا کردن معادل‌ها، مقایسه گزینه‌ها یا تهیه پیش‌نویس استفاده کند.
مسئله از جایی آغاز می‌شود که «قابل فهم بودن» را با «درست ترجمه شدن» یکی بگیریم.
مدل‌های زبانی در ساختن جمله‌های طبیعی مهارت زیادی دارند. معمولاً می‌توانند متنی تولید کنند که از نظر فارسی روان باشد و کمتر کسی هنگام خواندنش احساس کند با یک ترجمه خام و مکانیکی روبه‌رو است. همین ویژگی، در بعضی موقعیت‌ها مزیت بزرگی است و در بعضی دیگر خطر. ترجمه‌ای که بد نوشته شده باشد، خواننده را به شک می‌اندازد؛ ترجمه‌ای که روان اما نادرست باشد، ممکن است اصلاً چنین فرصتی به او ندهد.
این تفاوت در متون ساده اهمیت چندانی ندارد. اگر کسی بخواهد بفهمد یک دستگاه چه کاربردی دارد یا یک خبر کوتاه درباره چه موضوعی است، احتمالاً نیازی به ترجمه‌ای ادبی و موشکافانه ندارد. هدف او فهمیدن کلیت مطلب است و هوش مصنوعی در چنین موقعیت‌هایی می‌تواند ابزار بسیار خوبی باشد.
اما هرچه نقش متن مهم‌تر شود، ماجرا عوض می‌شود. در یک قرارداد، تغییر یک واژه ممکن است معنای یک تعهد را عوض کند. در متن پزشکی، یک تعبیر نادرست می‌تواند پیامد عملی داشته باشد. در فلسفه، ممکن است یک واژه بار مفهومی داشته باشد که با نزدیک‌ترین معادل فرهنگ لغت منتقل نشود. در ادبیات هم مسئله فقط این نیست که جمله چه می‌گوید؛ لحن، ریتم، ابهام، تکرار، سکوت و حتی انتخاب عامدانه یک کلمه بخشی از معنای اثرند.
اینجا دیگر نمی‌توان از ترجمه فقط به عنوان انتقال اطلاعات حرف زد.
یکی از مشکلات ترجمه با مدل‌های زبانی این است که ماشین معمولاً علاقه دارد متن را برای ما مرتب و روشن کند. این ویژگی در بسیاری از کارهای روزمره مفید است، اما ادبیات و بعضی متون نظری دقیقاً از جایی آغاز می‌شوند که متن کاملاً روشن و بی‌ابهام نیست. نویسنده ممکن است جمله‌ای را عمداً دوپهلو نوشته باشد. ممکن است یک واژه را چند بار تکرار کرده باشد، در حالی که مترجم وسوسه می‌شود برای جلوگیری از تکرار، آن را هر بار با واژه‌ای متفاوت برگرداند. ممکن است جمله‌ای در ظاهر زائد باشد اما در ساختار اثر نقش داشته باشد.
مدل زبانی ممکن است این تفاوت‌ها را بفهمد، اما مسئله اینجاست که نمی‌توان صرفاً از روان بودن خروجی نتیجه گرفت که آنها را درست فهمیده است.
از سوی دیگر، استفاده از این ابزارها فقط مسئله کیفیت ترجمه نیست. بازار کار ترجمه هم ناگزیر از تغییر است. وقتی تهیه یک پیش‌نویس اولیه چند دقیقه طول می‌کشد، طبیعی است که بخشی از کارهایی که قبلاً به مترجم سپرده می‌شد، دیگر همان شکل سابق را نداشته باشد. این تغییر الزاماً به معنای حذف مترجم نیست. بخشی از کار مترجم می‌تواند از تولید جمله به بررسی، انتخاب، اصلاح و تصمیم‌گیری منتقل شود.
ولی همین‌جا یک خطر اقتصادی وجود دارد: ممکن است بازار به جای آنکه از مترجم متخصص برای نظارت بر ماشین استفاده کند، از مترجم بخواهد با سرعت ماشین کار کند و دستمزد کاری را بگیرد که همچنان مسئولیت انسانی آن بر عهده اوست. در چنین شرایطی، فناوری به جای آنکه ابزار مترجم باشد، به معیاری برای پایین آوردن قیمت و بالا بردن سرعت کار تبدیل می‌شود.
این مسئله فقط مترجم را تحت تأثیر قرار نمی‌دهد. اگر ترجمه ماشینی به شکل گسترده جای خواندن متن اصلی را بگیرد، رابطه ما با زبان‌های دیگر نیز تغییر می‌کند. کسی که همیشه متن را ترجمه‌شده می‌خواند، لزوماً فرصتی برای یادگیری از خود متن ندارد. دشواری خواندن زبان خارجی، با همه زحمتی که دارد، بخشی از فرایند یادگیری است. وقتی این دشواری کاملاً حذف شود، چیزی از این فرایند هم حذف می‌شود.
با این حال، نباید از این موضوع نتیجه گرفت که استفاده از ترجمه ماشینی حتماً به کاهش توانایی زبانی منجر می‌شود. برای کسی که زبان خارجی را نمی‌داند، همین ابزار می‌تواند نخستین راه ورود به یک زبان باشد. کسی که با متن اصلی و ترجمه آن همزمان کار می‌کند، می‌تواند از ماشین به عنوان وسیله‌ای برای یادگیری استفاده کند. تفاوت اصلی در شیوه استفاده است، نه صرفاً در وجود فناوری.
موضوع دیگری که کمتر دیده می‌شود، مسئله زبان‌های کم‌منبع است. کیفیت یک مدل برای همه زبان‌ها یکسان نیست و حتی در یک زبان نیز کیفیت ترجمه بسته به موضوع، گونه زبانی و نوع متن تغییر می‌کند. فارسی هم از این قاعده مستثنا نیست. اصطلاحات محاوره‌ای، ضرب‌المثل‌ها، ارجاعات فرهنگی، بازی‌های زبانی و بسیاری از ظرافت‌هایی که برای یک فارسی‌زبان بدیهی‌اند، ممکن است برای مدل دشوار باشند. این مشکل فقط با بهتر شدن الگوریتم حل نمی‌شود؛ به داده‌های بهتر، متن‌های باکیفیت‌تر و حضور جدی‌تر زبان فارسی در منابع دیجیتال هم نیاز دارد.
از این جهت، شاید مهم‌ترین تغییر ترجمه با هوش مصنوعی این نباشد که ماشین جای مترجم را گرفته است. تغییر مهم‌تر این است که ترجمه از یک فعالیت تخصصی به چیزی نزدیک شده که تقریباً هر کاربر اینترنت می‌تواند آن را امتحان کند. این اتفاق مرز میان «خواننده» و «مترجم» را کمرنگ کرده است.
اما این مرز هنوز کاملاً از میان نرفته. ترجمه کردن فقط پیدا کردن معادل کلمات نیست. مترجم باید در مواردی تصمیم بگیرد که هیچ فرهنگ لغتی جواب قطعی برایشان ندارد: کدام معنا در این جمله مهم‌تر است؟ ابهام نویسنده را باید حفظ کرد یا از میان برد؟ یک اصطلاح را باید ترجمه کرد یا توضیح داد؟ لحن عامیانه را باید به زبان مقصد منتقل کرد یا به قیمت از دست رفتن بخشی از فضای متن، به زبانی رسمی‌تر برگرداند؟
این تصمیم‌ها همان جایی هستند که ترجمه از تبدیل متن به متن دیگر فاصله می‌گیرد و به تفسیر نزدیک می‌شود.
بنابراین شاید بهتر باشد درباره ترجمه با هوش مصنوعی نه با زبان «نجات مترجم» حرف بزنیم و نه با زبان «پایان ترجمه». هر دو تصویر ساده‌تر از واقعیت‌اند. این فناوری بعضی کارهای ترجمه را واقعاً آسان‌تر کرده و بعضی از آنها را کم‌هزینه‌تر؛ در مقابل، در کارهایی که دقت، مسئولیت و حساسیت معنایی اهمیت دارد، هنوز نمی‌توان روانی متن را معیار کافی دانست.
قاعده ساده‌ای می‌تواند راهنمای استفاده از آن باشد: هرچه پیامد خطا کمتر باشد، می‌توان بیشتر به ترجمه ماشینی تکیه کرد؛ هرچه هزینه یک اشتباه بالاتر برود، نیاز به انسان بیشتر می‌شود.
در نهایت، شاید ارزش مترجم در آینده کمتر از امروز نشود، بلکه شکل ارزش او تغییر کند. مترجم آینده ممکن است کمتر از گذشته صرفاً تولیدکننده جمله باشد و بیشتر کسی باشد که می‌داند کجا به ماشین اعتماد کند، کجا به آن شک کند و کجا اصلاً اجازه ندهد ماشین تصمیم نهایی را بگیرد.
مشکل اصلی ترجمه با هوش مصنوعی این نیست که ماشین نمی‌تواند ترجمه کند. اتفاقاً می‌تواند؛ گاهی هم بسیار خوب. مشکل از لحظه‌ای شروع می‌شود که روان بودن ترجمه را با فهمیدن متن اشتباه بگیریم.