DeepL หรือ Google Translate: งานไทยเชิงวิชาการยังต้องตรวจทุกย่อหน้า

DeepL และ Google Translate ใช้แปลไทย–อังกฤษได้ทั้งคู่: รายการภาษาของ DeepL Translator มีทั้งภาษาไทยและอังกฤษ ส่วน หน้าแปลภาษาไทยของ Google Translate เปิดให้เลือกภาษาอังกฤษเป็นภาษาปลายทาง การรองรับภาษาเป็นจุดเริ่มต้นของการเลือกเครื่องมือ แต่ยังบอกไม่ได้ว่าระบบใดถ่ายทอดข้อค้นพบทางวิชาการจากภาษาไทยได้แม่นยำกว่า

สำหรับข้อความทั่วไป เลือกผลแปลที่รักษาเจตนาและบริบทของข้อความจริงได้ดีกว่า สำหรับเอกสาร ให้ดูชนิดไฟล์ ข้อจำกัดการอัปโหลด และสิ่งที่ปรากฏในไฟล์ผลลัพธ์ ส่วนบทคัดย่อหรือรายงานที่จะเผยแพร่ ควรใช้คำแปลจากทั้งสองบริการเป็นร่างและตรวจเทียบต้นฉบับทุกย่อหน้า เพราะประโยคที่อ่านคล่องอาจเชื่อมวิธีวิจัย ผล และข้อสรุปผิดไปได้

ข้อความทั่วไป: ความลื่นไหลยังไม่ใช่เกณฑ์ตัดสิน

อีเมลสั้น คำอธิบายสินค้า และข้อความประชาสัมพันธ์ต้องการความถูกต้องต่างกัน หากต้องการเพียงทราบว่าอีกฝ่ายนัดหมายเมื่อใด ความผิดพลาดเล็กน้อยด้านสำนวนอาจแก้ได้ทันที แต่ถ้าข้อความระบุเงื่อนไขการคืนสินค้า การเปลี่ยนคำว่า “อาจ” เป็นคำยืนยัน หรือทำคำปฏิเสธหาย ย่อมเปลี่ยนสารที่ผู้รับจะใช้ตัดสินใจ เกณฑ์แรกจึงเป็นความหมายของประโยค ไม่ใช่ความเป็นธรรมชาติของภาษาอังกฤษเพียงอย่างเดียว

การเทียบ DeepL กับ Google Translate สำหรับงานของตนควรเริ่มจากข้อความประเภทที่จะใช้งานจริง ข้อความประกาศที่มีรายชื่อหน่วยงานไม่ได้ทดสอบสิ่งเดียวกับย่อหน้าที่อธิบายเหตุและผลในรายงาน ถ้าใช้ต้นฉบับคนละชุด หรือส่งให้ระบบหนึ่งพร้อมบริบทแต่ตัดบริบทออกจากอีกระบบ ผลที่ดูต่างกันก็แยกไม่ออกว่าเกิดจากเครื่องมือหรือข้อมูลที่ป้อนเข้าไป

ภาษาไทยมักปล่อยให้ผู้อ่านใช้บริบทช่วยระบุประธานและความสัมพันธ์ระหว่างวลี เมื่อเปลี่ยนเป็นภาษาอังกฤษ ผู้แปลต้องเลือกว่าใครเป็นผู้กระทำ และข้อความส่วนใดขยายคำนามใด หากระบบเลือกผิด ประโยคอาจยังถูกไวยากรณ์แต่กล่าวหรือตอบรับผิดคน จุดนี้มองเห็นได้ชัดขึ้นเมื่ออ่านข้อความก่อนหน้าและหลังหน้าคำแปล ไม่ใช่อ่านเฉพาะประโยคที่คัดออกมา

อีกเกณฑ์หนึ่งคือความสม่ำเสมอของคำเฉพาะ ชื่อโครงการ ชื่อสถาบัน หรือคำที่องค์กรกำหนดไว้ควรใช้รูปเดียวกันตลอดข้อความ การแปลคำเดียวกันสลับไปมาหลายรูปอาจทำให้ผู้อ่านเข้าใจว่าเป็นคนละหน่วยงานหรือคนละตัวแปร แม้แต่ข้อความทั่วไปก็ได้รับผลจากปัญหานี้เมื่อชื่อสินค้าและชื่อหน่วยงานเป็นส่วนที่ผู้รับต้องค้นต่อ

การลองข้อความเดียวกันกับสองบริการจึงให้คำตอบเฉพาะงานมากกว่าการเลือกจากตัวอย่างประโยคที่แต่ละบริษัทนำเสนอ อ่านผลแปลโดยถามว่าผู้รับจะเข้าใจผู้กระทำ เวลา เงื่อนไข และสิ่งที่ต้องทำตรงกับต้นฉบับหรือไม่ หากสองฉบับใช้คำต่างกันแต่รักษาองค์ประกอบเหล่านี้ครบ ความต่างด้านสำนวนอาจเป็นเรื่องความเหมาะกับผู้รับ มากกว่าความผิดถูกแบบตัดสินได้จากประโยคเดียว

เอกสาร: ชนิดไฟล์ที่รับได้ต่างจากเนื้อหาที่แปลครบ

สำหรับไฟล์บนหน้าเว็บ คู่มือแปลเอกสารของ Google ระบุว่ารับไฟล์ .docx, .pdf, .pptx และ .xlsx ขนาดไม่เกิน 10 MB โดย PDF ต้องไม่เกิน 300 หน้า และการแปลเอกสารยังใช้ไม่ได้บนอุปกรณ์มือถือหรือจอขนาดเล็ก ข้อกำหนดนี้ช่วยตัดสินได้ทันทีว่าไฟล์ที่มีอยู่จะเริ่มงานผ่านหน้าเว็บนั้นได้หรือไม่

ไฟล์ที่อัปโหลดผ่านไม่ได้รับประกันว่าผู้อ่านจะได้ข้อความครบทุกส่วน หลังดาวน์โหลดผลลัพธ์ ควรเทียบหัวข้อ ลำดับย่อหน้า ตาราง และคำอธิบายภาพกับต้นฉบับ หากข้อมูลสำคัญอยู่ในภาพที่ฝังไว้หรือหน้า PDF เป็นภาพสแกน ให้ตรวจส่วนดังกล่าวโดยตรง แทนการอนุมานว่าข้อความทุกจุดถูกแปลเพราะไฟล์เปิดได้

DeepL นำเสนอบริการแปลเอกสารและการรักษารูปแบบหน้าไว้ด้วย แต่ความสะดวกด้านหน้าตาต้องพิจารณาแยกจากความถูกต้องของประโยค รายงานที่จัดหน้าใกล้ต้นฉบับอาจช่วยให้หาตารางและเชิงอรรถได้ง่ายขึ้น ขณะเดียวกันคำในเซลล์หนึ่งอาจถูกตีความผิด หรือข้อความในคำอธิบายภาพอาจไม่สอดคล้องกับผลในเนื้อเรื่อง การตรวจไฟล์จึงมีทั้งชั้นของโครงสร้างและชั้นของความหมาย

รูปแบบไฟล์ยังมีผลต่อวิธีแก้งาน หากต้องแก้คำศัพท์จำนวนมาก การมีต้นฉบับที่แก้ไขได้ย่อมตรวจข้อความทีละย่อหน้าได้สะดวกกว่าไฟล์ที่เป็นภาพ การแปลงไฟล์ก่อนแปลอาจทำให้หัวข้อและเชิงอรรถเคลื่อนจากตำแหน่งเดิม จึงควรเก็บต้นฉบับไว้เทียบกับไฟล์ผลลัพธ์เสมอ โดยเฉพาะเอกสารที่มีตารางหลายหน้าและการอ้างถึงรูปภาพจากเนื้อความ

สำหรับงานวิชาการ ความสัมพันธ์ระหว่างส่วนต่าง ๆ สำคัญพอ ๆ กับเนื้อความหลัก ตัวเลขในตารางต้องยังผูกกับหัวคอลัมน์ที่ถูกต้อง คำย่อในคำอธิบายภาพต้องตรงกับคำที่นิยามไว้ และข้อความอ้างถึงตารางต้องพาผู้อ่านไปยังตารางเดียวกัน หากส่วนเหล่านี้หลุดจากกันระหว่างแปลหรือจัดหน้า ผลงานอาจดูเรียบร้อยแต่ทำให้ข้อค้นพบอ่านผิด

ตัวเลขคุณภาพของ DeepL ตอบคำถามงานไทยได้เพียงบางส่วน

ข้อมูลคุณภาพที่ DeepL เผยแพร่ ระบุว่าการทดสอบแบบปกปิดชื่อในเดือนมีนาคม 2026 ให้ DeepL ชนะ Google Translate ใน 16 จาก 16 คู่ภาษาที่นำมาเทียบ และระบุว่าบริการแปลเอกสารรองรับมากกว่า 100 ภาษา ผลดังกล่าวเป็นข้ออ้างจากการประเมินที่บริษัทเผยแพร่เอง โดยหน้าที่แสดงผลไม่ได้แจกแจงว่าคู่ภาษาไทย–อังกฤษหรือบทคัดย่อไทยรวมอยู่ในการเทียบกับ Google Translate หรือไม่

วิธีอ่านตัวเลขนี้ต้องรักษาหน่วยของผลลัพธ์ไว้ คำว่า “ชนะทุกคู่ภาษาที่ทดสอบ” หมายถึงชุดคู่ภาษาที่อยู่ในการประเมินครั้งนั้น ไม่ได้หมายถึงทุกคู่ภาษาที่บริการรองรับ และไม่ได้หมายถึงเอกสารทุกชนิด คะแนนของข้อความธุรกิจทั่วไปจะตอบแทนผลลัพธ์ของบทคัดย่อประวัติศาสตร์ไทยไม่ได้ หากหัวข้อ คำศัพท์ และความรู้พื้นหลังของผู้อ่านต่างกัน

การปกปิดชื่อบริการจากผู้ประเมินช่วยลดอิทธิพลของชื่อแบรนด์ต่อการตัดสิน แต่คำถามเรื่องความตรงกับงานของผู้อ่านยังอยู่ ข้อความต้นทางเป็นประเภทใด ผู้ประเมินให้ความสำคัญกับความหมายหรือสำนวนมากเพียงใด และมีตัวอย่างภาษาไทยในสาขาที่ต้องใช้หรือไม่ ล้วนกำหนดว่าผลรวมหนึ่งชุดจะนำมาใช้กับบทคัดย่อของตนได้แค่ไหน

ผลที่บริษัทเผยแพร่จึงมีประโยชน์ในฐานะข้อมูลเกี่ยวกับวิธีประเมินและคู่ภาษาที่บริษัทเลือก ไม่ควรยกเป็นคำตัดสินว่าบทคัดย่อไทยจาก DeepL ดีกว่าจาก Google Translate โดยอัตโนมัติ ขณะเดียวกัน การที่ยังไม่มีผลเปรียบเทียบตรงในหลักฐานชุดนี้ก็ไม่ใช่เหตุให้สรุปกลับด้านว่า Google Translate ดีกว่า การเลือกสำหรับงานไทยต้องกลับมาดูตัวอย่างข้อความที่มีลักษณะเดียวกับงานจริง

คำกล่าวเรื่องการรักษารูปแบบเอกสารควรอยู่คนละช่องกับคำถามเรื่องคุณภาพภาษา รูปแบบที่คงอยู่ช่วยให้ผู้ตรวจหาองค์ประกอบของไฟล์ได้ แต่ไม่บอกว่าชื่อเฉพาะแปลตรงหรือความสัมพันธ์ของข้อค้นพบยังถูกต้อง หากไฟล์มีทั้งข้อความ ตาราง และเชิงอรรถ เครื่องมือที่ช่วยรักษาตำแหน่งได้ดีอาจลดเวลาจัดหน้า แต่ยังต้องมีคนตรวจเนื้อหาที่จะเผยแพร่

หลักฐานจากบทคัดย่อไทยบอกอะไร และบอกไม่ได้อะไร

งานวิจัยของ Tongpoon-Patanasorn และ Griffith ที่เผยแพร่ในปี 2020 ศึกษาบทคัดย่อภาษาไทย 54 ชิ้นซึ่งแปลเป็นอังกฤษด้วย Google Translate รุ่นที่ใช้ในเดือนตุลาคม 2016 ผู้วิจัยให้ผู้ประเมินสองคนดูทั้งความเข้าใจได้และความพร้อมใช้เป็นข้อความวิชาการ ผลเฉลี่ยของทั้งสองด้านอยู่ระดับปานกลาง และข้อผิดพลาดที่พบมากที่สุดเกี่ยวกับอักษรพิมพ์ใหญ่ เครื่องหมายวรรคตอน และข้อความที่แตกเป็นส่วนไม่สมบูรณ์

ความเข้าใจได้กับความพร้อมใช้เป็นคนละคำถาม ผู้อ่านอาจพอจับได้ว่าบทคัดย่อศึกษาปัญหาใด แต่ยังไม่สามารถนำภาษาอังกฤษนั้นไปเป็นฉบับส่งวารสาร หากประโยคผลการศึกษาขาดประธาน หรือวลีที่ระบุขอบเขตตัวอย่างถูกแยกไปอยู่ผิดประโยค การอ่านออกคร่าว ๆ จึงไม่ได้เท่ากับความพร้อมเผยแพร่

ขอบเขตของงานศึกษานี้ใกล้กับคำถามของนักวิจัยไทย เพราะใช้ต้นทางภาษาไทยและปลายทางภาษาอังกฤษจริง แต่ผลผูกกับบริการและช่วงเวลาที่เก็บข้อมูล งานไม่ได้ทดสอบ DeepL และไม่ได้วัด Google Translate รุ่นที่ให้บริการในปัจจุบัน จึงใช้ผลระดับปานกลางเป็นคะแนนเปรียบเทียบสองระบบวันนี้ไม่ได้ สิ่งที่ยังนำมาใช้ได้คือประเภทความผิดพลาดซึ่งช่วยกำหนดว่าจะตรวจจุดใดในบทคัดย่อ

ข้อผิดพลาดด้านตัวพิมพ์ใหญ่หรือจุดอาจดูเหมือนงานเกลาภาษา แต่บางกรณีทำให้โครงสร้างสารเปลี่ยน เมื่อจุดถูกวางกลางรายการแนวคิด ผู้อ่านอาจคิดว่าความคิดถัดไปเป็นข้อค้นพบใหม่ แทนที่จะเป็นส่วนหนึ่งของรายการเดิม หากประโยคขาดกริยาหรือประธาน การเติมเครื่องหมายให้ถูกโดยไม่ย้อนดูต้นฉบับก็อาจยังคงความหมายผิดไว้

ความรู้เฉพาะสาขาเพิ่มความยากอีกชั้น ชื่อแนวคิดทางประวัติศาสตร์หรือเครื่องดนตรีพื้นถิ่นอาจไม่มีคำอังกฤษตรงตัวที่ผู้อ่านทั่วไปจะเข้าใจ การเลือกคำที่ดูคุ้นเคยแต่ชี้ไปยังสิ่งอื่นทำให้บทคัดย่ออ่านง่ายขึ้นอย่างหลอกตา สำหรับคำเหล่านี้ รูปสะกดที่ผู้เขียนใช้ในงานวิชาการเดิมและคำอธิบายสั้น ๆ ในต้นฉบับมีน้ำหนักมากกว่าคำที่เครื่องมือเลือกจากความลื่นไหล

ตัวอย่างสาธารณะเผยให้เห็นความเสี่ยงคนละแบบ

ตัวอย่างเกี่ยวกับระบบสารสนเทศบุคลากรในงานศึกษาข้างต้นแสดงปัญหาที่เกิดเมื่อรายการแนวคิดถูกตัดเป็นประโยคใหม่ ส่วนที่ควรอธิบายความคาดหวังและอิทธิพลทางสังคมกลายเป็นข้อความที่เชื่อมกับประโยคข้างหน้าไม่ชัด ผู้อ่านภาษาอังกฤษจึงอาจไม่รู้ว่าข้อความกล่าวถึงตัวแปรหลายตัวในกรอบเดียวกัน หรือกำลังขึ้นประเด็นใหม่

อีกตัวอย่างเป็นบทคัดย่อด้านการจัดการทรัพยากรมนุษย์ ฉบับแปลมีถ้อยคำที่ดูคล้ายคำสั่งแทรกอยู่ระหว่างคำอธิบายแนวคิดกับรายการคุณลักษณะของบุคลากร จากนั้นใช้สรรพนามที่ไม่ชัดว่าอ้างถึงสิ่งใด ปัญหานี้แก้ด้วยการเปลี่ยนศัพท์เพียงคำเดียวไม่ได้ ต้องรู้ก่อนว่าผู้เขียนต้องการให้รายการนั้นสัมพันธ์กับแนวคิดใด

ตัวอย่างด้านศิลปะการแสดงเผยความเสี่ยงอีกชนิด คำเฉพาะของเครื่องดนตรีและหนังตะลุงถูกถ่ายทอดเป็นคำอังกฤษที่พาผู้อ่านไปนึกถึงสิ่งอื่น เมื่อคำหลักคลาดเคลื่อน รายละเอียดเรื่องส่วนประกอบและจังหวะที่ตามมาจึงยิ่งตีความยาก งานเช่นนี้ต้องอาศัยผู้รู้เนื้อหาเพื่อแยกชื่อเรียกท้องถิ่นออกจากคำสามัญที่มีความหมายใกล้เคียง

ตัวอย่างบทคัดย่อเรื่องรีสอร์ทและสิ่งแวดล้อมช่วยเห็นอีกด้านหนึ่ง ฉบับแปลยังรักษาใจความเรื่องทรัพยากรธรรมชาติและความรับผิดชอบไว้ได้ แต่มีวลีที่ถูกตัดขาดจากประโยคหลัก ผู้ตรวจภาษาในงานศึกษาปรับการเชื่อมประโยคและถ้อยคำให้เหมาะกับภาษาอังกฤษวิชาการ โดยรักษาเจตนาของข้อความไทยไว้ ตัวอย่างนี้แสดงว่าคำแปลเครื่องอาจเป็นร่างที่ใช้ต่อได้เมื่อมีผู้ตรวจความหมายและสำนวน

ตัวอย่างเหล่านี้เป็นข้อความที่เผยแพร่ในงานวิจัย ไม่ใช่ผลทดลองใหม่ของ DeepL หรือ Google Translate ในปัจจุบัน คุณค่าของมันอยู่ที่การแยกประเภทความผิดพลาด: บางแห่งเป็นขอบเขตประโยค บางแห่งเป็นคำอ้างอิงที่ไม่ชัด และบางแห่งเป็นศัพท์วัฒนธรรมที่ต้องใช้ความรู้เฉพาะ การแก้แต่ละแบบต้องย้อนดูคนละส่วนของต้นฉบับ

เลือกเครื่องมือแล้วตรวจอะไรในฉบับที่จะใช้จริง

ถ้าเป้าหมายคืออ่านเอาใจความจากข้อความทั่วไป ทั้งสองบริการเป็นจุดเริ่มได้ หากต้องจัดการไฟล์ ให้เลือกจากชนิดไฟล์ที่รับได้และตรวจผลลัพธ์ที่เปิดจริง หากเป้าหมายคือส่งบทคัดย่อ รายงานวิจัย หรือข้อความที่ผู้อื่นจะอ้างอิง ให้พิจารณาว่าผลแปลฉบับใดต้องแก้ความหมายน้อยกว่า แล้วตรวจต้นฉบับไทยประกอบทุกย่อหน้า

การเทียบผลแปลของงานตนเองควรใช้ข้อความเดียวกันและเก็บหัวข้อกับประโยคก่อนหน้าไว้ครบ สำหรับบทคัดย่อ ให้ดูส่วนที่กล่าววัตถุประสงค์ วิธีวิจัย ผล และข้อสรุปแยกกัน หากระบบหนึ่งเขียนผลได้ลื่นกว่าแต่เปลี่ยนคำจำกัดความของกลุ่มตัวอย่าง ข้อได้เปรียบด้านสำนวนก็ไม่ช่วยงานที่จะเผยแพร่

เช็กลิสต์ต่อไปนี้ครอบคลุมทั้งจุดที่ปรากฏในตัวอย่างสาธารณะและองค์ประกอบของไฟล์ที่ต้องใช้ต่อ:

• ชื่อเฉพาะและศัพท์สาขา: เทียบชื่อคน สถาบัน พื้นที่ เครื่องมือ และตัวแปรกับรูปที่ผู้เขียนกำหนด ตรวจว่าคำเดียวกันใช้รูปเดิมตลอดเอกสาร
• ขอบเขตประโยค: ดูว่าจุดและจุลภาคทำให้รายการ เหตุผล หรือผลการศึกษาถูกแยกผิดหรือไม่ ประโยคอังกฤษแต่ละประโยคควรมีใจความครบ
• ความสัมพันธ์ของข้อค้นพบ: ตรวจว่าใครเป็นผู้กระทำ อะไรเป็นเงื่อนไข อะไรเป็นผล และคำปฏิเสธหรือระดับความมั่นใจยังอยู่ตรงต้นฉบับ
• คำอ้างอิงและเครื่องหมาย: สรรพนามต้องมีสิ่งที่อ้างถึงชัดเจน ส่วนอักษรพิมพ์ใหญ่ วงเล็บ และเครื่องหมายวรรคตอนต้องช่วยให้ผู้อ่านเห็นโครงสร้างที่ผู้เขียนตั้งใจ
• องค์ประกอบเอกสาร: เปิดไฟล์ผลลัพธ์ตรวจหัวข้อ ตาราง คำอธิบายภาพ เชิงอรรถ และรายการอ้างอิง รวมถึงข้อความสำคัญที่อยู่ในภาพหรือหน้า PDF สแกน

เมื่อผลแปลสองบริการต่างกัน จุดตัดสินคือข้อความไทยและความรู้ในสาขา ไม่ใช่จำนวนประโยคที่ฟังเป็นภาษาอังกฤษสวยกว่า ผู้รู้เนื้อหาช่วยยืนยันข้อค้นพบและศัพท์เฉพาะ ส่วนผู้ตรวจภาษาอังกฤษช่วยทำให้ฉบับสุดท้ายอ่านได้ตามธรรมเนียมงานวิชาการ การตรวจสองด้านนี้ตอบปัญหาคนละส่วนของเอกสารเดียวกัน

อ่านเพิ่มเติม:

• Google Calendar หรือ Calendly: ลิงก์จองฟรีพอ จนทีมต้องจัดคิวลูกค้า
• Google Workspace หรือ Microsoft 365: AI ที่แถมมาอาจไม่ใช่ตัวที่ทีมต้องใช้