linmgouВопросы современной лингвистикиKey Issues of Contemporary Linguistics2949-50592949-5075Federal State University of Education10.18384/2949-5075-2025-S1-29-42linmgou-1846Research ArticleТЕОРЕТИЧЕСКАЯ, ПРИКЛАДНАЯ И СРАВНИТЕЛЬНО-СОПОСТАВИТЕЛЬНАЯ ЛИНГВИСТИКАTHEORETICAL, APPLIED AND COMPARATIVE LINGUISTICSНейронный машинный перевод в военной сфере: оценка эффективности, ограничений и перспектив использованияNeural Machine Translation in the Military Sphere: Evaluation of Efficiency, Limitations, and Prospects of Usehttps://orcid.org/0000-0002-8066-2519СербинВ. А.SerbinV. A.

Сербин Владимир Алексеевич – кандидат филологических наук, доцент Военного учебного центра

Москва

Vladimir A. Serbin – Cand. Sci. (Philology), Assoc. Prof., Military Training Center

 Moscow

vietvladimir@gmail.comМосковский государственный лингвистический университетРоссияMoscow State Linguistic UniversityRussian Federation20251202202501S2942Copyright © Сербин В.А., 20252025Сербин В.А.Serbin V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.linguamgou.ru/jour/article/view/1846

Цель исследования – оценить эффективность нейронного машинного перевода (НМП) для военных текстов различных стилей на английском и вьетнамском языках, выявить преимущества и ограничения технологии.

Процедура и методы. Методы включают эксперимент с НМП-системами (Google Translate, ChatGPT, Gemini) и сравнительный анализ их переводов с работами профессиональных переводчиков. Качество оценивалось по точности содержания, терминологической корректности, стилистическому соответствию и уровню ошибок.

Результаты показали, что НМП обеспечивает высокую скорость и приемлемое качество перевода научных и официально-деловых текстов, но испытывает трудности с художественными и разговорными текстами, где важна стилистическая выразительность.

Теоретическая и практическая значимость работы заключается в уточнении границ применимости НМП, рекомендациях по его использованию в военном переводе и обосновании необходимости отечественных офлайн-решений для повышения качества перевода и безопасности данных. 

Aim

Aim. To evaluate the effectiveness of neural machine translation (NMT) for military texts of various styles in English and Vietnamese, identifying its advantages and limitations.

Methodology

Methodology. An experiment was conducted with NMT systems (Google Translate, ChatGPT, Gemini) and a comparative analysis of their translations against those of professional translators. Quality was assessed based on content accuracy, terminological precision, stylistic consistency, and error rates.

Results

Results. The study shows that NMT ensures high speed and acceptable quality for scientific and official texts but encounters difficulties with literary and conversational texts requiring stylistic expressiveness.

Research implications

Research implications. This research clarifies the applicability of NMT, provides recommendations for its use in military translation, and highlights the need for domestic offline solutions to enhance translation quality and ensure data security. 

нейронный машинный переводвоенный переводфункциональные стилиперевод текстовавтоматизация переводапостредактированиетерминологиявьетнамский языканглийский языкneural machine translationmilitary translationfunctional stylestext translationtranslation automationpost-editingVietnamese languageEnglish languageReferencesРаренко М. Б. Машинный перевод как вызов // Вестник Московского университета. Серия 22: Теория перевода. 2021. № 2. С. 117–126.Rarenko, M. B. (2021). Machine translation as a challehge. In: Lomonosov Translation Studies Jounal, 2, 117–126 (in Russ.).Марчук Ю. Н. Компьютерная лингвистика: учебное пособие. М.: Восток – Запад, 2007. 318 с.Marchuk, Yu. N. (2007). Computer linguistics. Moscow: Vostok – Zapad publ. (in Russ.)Kirkedal A. Tree-based Hybrid Machine Translation // Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (Avignon, France, April 23–27, 2012). Stroudsburg, PA: Association for Computational Linguistics, 2012. P. 77–86.Kirkedal, A. (2012). Tree-based Hybrid Machine Translation. In: Proceedings of the 13th Conference of the European Chapter of the Association for Computational Linguistics (Avignon, France, April 23–27, 2012). Stroudsburg, PA: Association for Computational Linguistics, pp. 77–86.Искусственный интеллект в технологиях машинного перевода / К. К. Колин, А. А. Хорошилов, Ю. В. Никитин, С. И. Пшеничный, А. А. Хорошилов // Социальные новации и социальные науки. 2021. № 2 (4). С. 64–80. DOI: 10.31249/snsn/2021.02.05.Kolin, K. K., Khoroshilov, A. A., Nikitin, Yu. V., Pshenichny, S. I. & Khoroshilov, A. A. (2021). Artificial intelligence in machine translation technologies. In: Social Novelties and Social Sciences, 2 (4), 64–80. DOI: 10.31249/snsn/2021.02.05 (in Russ.).Раренко М. Б. Машинный перевод: от перевода «по правилам» к нейронному переводу // Социальные и гуманитарные науки. Отечественная и зарубежная литература. Серия 6: Языкознание. 2021. № 3. С. 70–79. DOI: 10.31249/ling/2021.03.05.Rarenko, M. B. (2021). Machine Translation: From Translation “by the Rules” to Neural Translation. In: Social Sciences and Humanities. Russian and Foreign Literature. Series 6: Linguistics, 3, 70–79. DOI: 10.31249/ling/2021.03.05 (in Russ.).Мифтахова Р. Г., Морозкина Е. А. Машинный перевод. Нейроперевод // Вестник Башкирского университета. 2019. Т. 24. № 2. С. 497–502.Miftakhova, R. G. & Morozkina, E. A. (2019). Machine Translation. Neural Translation. In: Bulletin of the Bashkir State University, 24 (2), 497–502 (in Russ.).Калинин С. М. Актуальные подходы к улучшению точности нейронного машинного перевода // Вестник Брянского государственного университета. 2017. № 1 (31). С. 284–287.Kalinin, S. M. (2017). Topical approaches to the improvement of neural machine translation. In: The Bryansk State University Herald, 1 (31), 284–287 (in Russ.).Гарбовский Н. К., Костикова О. И. Интеллект для перевода: искусный или искусственный? // Вестник Московского университета. Серия 22: Теория перевода. 2019. № 4. С. 3–25.Garbovsky, N. K. & Kostikova, O. I. (2019). Intelligence in translation: artful and artificial? In: Lomonosov Translation Studies Jounal, 4, 3–25 (in Russ.).Касьянов В. К., Федулова В. В. Основные проблемы нейронного машинного перевода // Успехи в химии и химической технологии. 2021. Т. 35. № 11 (246). С. 43–45.Kasianov, V. K. & Fedulova, V. V. (2021). Main problems of neural machine translation. In: Advances in chemistry and chemical technology, 11 (246), 43–45 (in Russ.).Сдобников В. В. Искусственный интеллект в переводе: уточнение понятий // Военно-филологический журнал. 2024. № 4. С. 38–47.Sdobnikov, V. V. (2024). Artificial intelligence in translation: specification of concepts. In: Journal of Military Philology, 4, 38–47 (in Russ.).Легостина М. С. Метрики оценки качества машинного перевода // Инноватика-2019: сборник материалов XV Международной школы-конференции студентов, аспирантов и молодых ученых (Томск, 25–27 апреля 2019 г.). Томск: СТТ, 2019. С. 490–493.Legostina, M. S. (2019). Metrics of quality assessment of machine translate. In: Innovations-2019: collection of materials of the XV International School-Conference of Students, Postgraduates and Young Scientists (Tomsk, April 25–27, 2019). Tomsk: STT Publ., pp. 490–493 (in Russ.).Улиткин И. А. Автоматическая оценка качества машинного перевода научного текста: 5 лет спустя // Вестник Московского государственного областного университета. Серия: Лингвистика. 2022. № 1. С. 47–59. DOI: 10.18384/2310-712X-2022-1-47-59Ulitkin, I. A. (2022). Automatic evaluation of machine translation quality of a scientific text: five years later.In: Bulletin of the Moscow Region State University. Series: Linguistics, 1, 47–59. DOI: 10.18384/2310- 712X-2022-1-47-59 (in Russ.).

The authors declare that there are no conflicts of interest present.