1.082 prevodov je vsebovalo besedo v napačnem abecednem sistemu. Naše preverjanje je vsakega od njih potrdilo.
Jeziki
31. oktobra smo na enem od naših spletnih mest našli madžarski stavek, v katerem so bile na sredini kitajske besede. V shranjenih prevodih vseh spletnih mest, ki jih upravljamo, smo poiskali črke, ki ne spadajo v njihov jezik, in našli 1.082 takšnih prevodov, od tega 581 na objavljenih straneh. Vsak od njih je bil uspešno opravljen z našimi preverjanji.
Kaj smo našli
Vse je napisalo lokalno prevajalsko umetno inteligenco, ki prevaja naša spletna mesta, in vse gre za isto napako: ena ali dve besedi v drugem jeziku. Iz shranjenih prevodov in iz tistih, ki so bili od takrat zavrnjeni:
- Kitajščina v drugih jezikih: "they are" kot 它们是 sredi tajskega stavka; kitajski izraz za "track", 跟踪, z madžarsko končnico ("támadók跟踪ására"); podobne besede v poljščini in grščini.
- Ruščina v grščini, arménščini, hebrejščini in slovenščini: "full house" v grščini je bil preveden kot "φουλ хаус", pri čemer je bila druga beseda v cirilici.
- Podobne črke: cirilična "о" ali "а" na koncu finske ali češke besede. Bralci strani tega ne bi opazili; iskalnik ali bralnik zaslona pa bi.
- Sosednji pisave: bengalska črka v kannada besedi, devanagari v kannada besedi.
- Cele vrstice v tajščini na khmerskih straneh: naslovi, oznake in celice tabel na khmerskih straneh dveh spletnih mest so bile preprosto napisane v tajščini.
Naša trgovina je imela sedem takšnih vrstic. V eni so se "planted values" v romunščini izpisale kot "valori植入".
Zakaj so jih preverjanja spustila skozi
Preverjanje pisave je spraševalo, ali je vsaj 45 % črk v prevodu v pisavi njegovega jezika. To ujame angleščino, ki je ostala na mestu, kar je bil tudi namen preverjanja. Dve kitajski črki v madžarskem stavku s sto črkami ne spremenita deleža, ena sama cirilična črka pa ga spremeni še manj.
Za kratka besedila je veljalo drugačno pravilo. Pri manj kot 25 črkah angleškega besedila je preverjanje samo zagotovilo, da odgovor ni ostal v angleščini. Khmerska celica tabele, napisana v tajščini, ne vsebuje sploh nobene angleščine, zato je uspela.
Pravilo, ki jih ujame
Črka, ki pripada pisavi, ki je jezik ne uporablja, in ki je ni v angleškem izvirniku, je napaka. Tri izjeme preprečujejo, da bi pravilo lažno alarmiralo:
- Latinične črke so vedno dovoljene: imena blagovnih znamk, koda in enote se pojavljajo v vsakem jeziku.
- Kitajščina, japonščina in korejščina niso preverjene, ker japonščina meša kano in kandžije, korejščina pa lahko uporablja hanje.
- Srbščina in pandžabščina, vsaka zapisana v dveh pisavah, sta preverjeni samo glede kitajskih, japonskih in korejskih črk.
Pravilo smo uporabili za vse, kar so naši spletni strani shranile, in vsaka vrstica, ki jo je označilo in smo jo prebrali, je bila napačna. Od 31. oktobra je zavrnilo 1.652 prevodov, ko so nastali, od tega 1.549 v khmerščini: model ni nehal pisati tajščine za khmerščino, a zdaj ga znova prosijo namesto da bi objavili.
Čiščenje
Shranjeni prevodi so znova preverjeni samo, ko je njihov jezik znova preveden, zato so bili vsi prizadeti jeziki znova prevedeni: 61 jih je na enajstih spletnih straneh. Dve vrstici sta se vrnili z isto napako drugič: romunski »valori植入« in grška vrstica z 面向 v njej. Ti dve vrstici smo napisali ročno. 2. novembra nobena objavljena stran pri nas ni imela črke iz druge pisave.
Kje je pravilo zdaj
Nahaja se v translation-checks 1.1.0, brezplačno na GitHubu, poleg nove preverbe, da se vsako število vrne in ve, da je »3 million« v japonščini 300万. Pri preverjanju 568.574 sprejetih prevodov na naših straneh nove preverbe niso povzročile nobenega lažnega alarma. Polyglot 1.1.0 jih vsebuje tudi. Prvič, ko so bile naše preverbe težava, je v prejšnji opombi.