Статья посвящена трансформации профессиональных компетенций переводчика в эпоху повсеместного внедрения генеративных нейросетей. Актуальность исследования обусловлена тем, что системы нейронного машинного перевода (NMT) и большие языковые модели (LLM) продуцируют всё более беглые (fluent), но потенциально недостоверные тексты, что делает традиционный навык постредактирования недостаточным для обеспечения качества перевода. Исследование опирается на анализ современных научных работ по проблеме галлюцинаций в машинном переводе, а также на эмпирический материал — переводы, выполненные различными NMT-системами и LLM, которые были проанализированы авторами с целью выявления устойчивых типов ошибок. На основе проведенного анализа предложена расширенная типология ошибок и галлюцинаций, характерных для генеративных моделей (detached, oscillatory, factual, detail, style hallucination и др.). Обосновывается необходимость перехода в подготовке переводчиков от узконаправленного обучения постредактированию к формированию комплексных компетенций редактирования переводов при помощи ГИИ, включающих текстологический анализ, критическое мышление, промпт-инжиниринг и работу с данными. Предлагается обновленная модель профессиональной подготовки, нацеленная на формирование переводчика нового типа — интерпретатора смысла и аудитора качества, способного эффективно взаимодействовать с генеративными технологиями.
ISSN: ...
DOI: ...