Во введении объясняется, почему автоматический перевод стал привычным инструментом учёбы и общения, но всё ещё требует проверки. Здесь формулируются проблема, цель, задачи и предполагаемый результат проекта, обозначаются объект и предмет исследования. Также кратко описывается практический подход: сопоставление переводов одинаковых фраз и анализ обнаруженных различий.

В этом разделе раскрывается, что называют моделью перевода и какие задачи она решает при преобразовании исходного текста. Описываются основные этапы обработки: анализ входной последовательности, выбор соответствий и формирование текста на целевом языке. Раздел помогает отделить сам метод перевода от конкретного приложения или сайта, в котором этот метод используется.

Раздел знакомит с основными этапами развития компьютерного перевода: системами на основе правил, статистическими моделями и нейронными подходами. Для каждого этапа поясняется, какие данные и способы обработки использовались, а также какие ограничения мешали получать естественный перевод. Историческая последовательность нужна, чтобы понять, почему современные сервисы устроены иначе, чем ранние программы.

Здесь рассматриваются два подхода, предшествовавших широкому применению нейронных систем. Правиловые модели опираются на составленные специалистами словари и грамматические правила, а статистические оценивают вероятные соответствия по примерам переводов. Сравнение позволит объяснить, почему эти методы по-разному справляются с новыми словами, порядком слов и языковыми исключениями.

В разделе объясняется, как нейронная модель обрабатывает последовательности слов и использует контекст для выбора перевода. Рассматриваются понятия обучения на примерах, токенов и внимания без сложных математических выкладок. Отдельно отмечаются сильные стороны таких систем — связность текста — и ограничения, включая зависимость от данных и риск правдоподобных смысловых ошибок.

Этот пункт посвящён способам определить, насколько перевод соответствует исходному тексту. Объясняется различие между автоматическим сравнением с эталонным вариантом и оценкой человеком, который проверяет точность смысла, грамматику и естественность. Раздел задаёт критерии, по которым в практической части можно сравнивать результаты без опоры только на личное впечатление.

В практической части подбирается небольшой набор предложений, включающий многозначные слова, грамматические конструкции и устойчивые выражения. Одни и те же примеры переводятся несколькими доступными системами, после чего результаты заносятся в таблицу. Для каждого расхождения указывается, изменился ли смысл, форма или естественность текста, а сомнительные варианты проверяются по словарям.

В этом разделе результаты сравнения группируются по типам ошибок: неверный выбор значения, буквальный перевод выражения, нарушение грамматики или потеря части смысла. На конкретных фразах определяется, какие случаи требуют обязательной проверки человеком. Завершает пункт памятка с практическими рекомендациями: учитывать контекст, сверять термины и не использовать машинный вариант без редактирования в ответственных ситуациях.

В заключении кратко соотносятся полученные наблюдения с задачами проекта и подводится итог сравнения моделей. Указывается, какие типы фраз оказались наиболее трудными и какие признаки помогли заметить ошибки. Здесь формулируются практические выводы о возможностях и ограничениях автоматического перевода, а также обозначаются направления для дальнейшего сравнения, например тестирование текстов другой тематики.

В список включаются использованные учебные и справочные источники о машинном переводе, публикации о нейронных моделях и материалы разработчиков переводческих систем. Для веб-страниц указываются название ресурса, ссылка и дата обращения, а для книг и статей — автор, название и выходные данные. Этот раздел позволяет проверить факты проекта и отличить сведения из источников от собственных наблюдений.