Av Sarah Glaser, Laëtitia Joly och Katia Pinquier, studenter som studerar för en Masterexamen i tillämpade främmande språk vid Grenoble Alpes universitet.

I – AI:s uppgång inom översättning 

Utvecklingen av AI och dess integration i översättning

AI har genomgått stora framsteg under de senaste decennierna och har påverkat flera sektorer, inklusive språköversättning. Användningen av AI inom översättning började på 1950-talet med skapandet av regelbaserad maskinöversättning (RBMT) (Vinson, 2025). Den förlitade sig på fördefinierade språkliga regler för att översätta text från ett språk till ett annat. Reglerna var dock tvungna att matas in manuellt, vilket tog mycket tid, och översättningarna var inte särskilt exakta.

Sedan dök statistisk maskinöversättning (SMT) upp på 1980-talet. Den gjorde det möjligt för datorer att analysera stora tvåspråkiga korpusar för att justera ord och fraser med hjälp av statistik. Det var dock svårt att korrekt översätta mellan språk med stora grammatiska skillnader, till exempel engelska och japanska.

Under 2010-talet medförde neural maskinöversättning (NMT) en stor förändring inom området. I likhet med SMT tränades datorn med hjälp av stora tvåspråkiga korpusar, men tack vare djupinlärningsalgoritmer och neurala nätverk var översättningarna mer exakta än någonsin tidigare ("History of AI Translation", 2022). Denna noggrannhet gjorde NMT i hög grad populärt, vilket skapade ett stort skifte i översättningsbranschen.

Sedan början av 2020-talet har generativa AI-modeller framkommit. Europeiska unionens AI-lag (2023, artikel 28 b(4)) definierar generativ AI som "grundmodeller som används i AI-system som specifikt är avsedda att generera, med varierande nivåer av autonomi, innehåll såsom komplex text, bilder, ljud eller video." Den skiljer sig från traditionell AI, som fokuserar på specifika uppgifter, såsom klassificering, förutsägelse eller definierad problemlösning. Generativ AI syftar till att producera ny data som liknar mänskligt skapat innehåll. Generativa modeller, som OpenAI:s ChatGPT, har visat sig vara skickliga i språkförståelse och översättning, och kan producera kontextuellt korrekta översättningar även om de inte är översättningsprogram i sig.

Översättningsverktyg och deras beroende av AI

Översättningsbranschen har sett en ökning av AI-drivna verktyg för att göra översättning mer effektiv och lättillgänglig.

Översättningsverktyg, som DeepL eller Google Translate, använder AI för att förbättra sina översättningar. Även om dessa verktyg erbjuder vissa fördelar har de fortfarande sina begränsningar. Till exempel är feltolkning av kontext, missförstånd av kulturella nyanser och felaktig översättning av idiomatiska uttryck återkommande problem vid AI-översättning. Dessutom kan AI-genererade översättningar ha problem med mycket specialiserat eller känsligt innehåll där mänsklig expertis fortfarande är avgörande.

Även om AI har förändrat översättningsbranschen i grunden, är den ännu inte kapabel att helt ersätta mänskliga översättare. Även om den utmärker sig i att hantera stora textvolymer snabbt, tillhandahåller mänskliga översättare viktiga element, såsom kulturell känslighet, kreativ anpassning och djupgående kontextuell förståelse.

II – Datainsamling och etiska frågor

Precis som med alla digitala system behöver AI eller översättningsmodeller "utbildas". I det här sammanhanget talar vi om att "träna" systemet, vilket kräver att man samlar in färdig data varhelst de är tillgängliga. Men i vår digitaliserade era där allt behöver vara effektivare och snabbare tenderar lagar om hur dessa system fungerar att bli eftersatta. AI-programmerare och leverantörer antar då att de har fria händer att agera som de vill. tills beslut fattas. På senare tid har mer betydande organisationer försökt öka medvetenheten om de etiska frågor som uppstår vid driften av AI-system.

Behovet av stora datamängder inom AI-utbildning

När det gäller AI-modeller behövs en stor datamängd för att fungera korrekt. Låt oss ta förklaringen som ges på wonk.ai webbplats (Mohammed et al., 2024) som erbjuder AI-översättningsmodeller för olika företag. Enligt dem tränas deras översättningsmodell genom följande fem steg. Det första steget är att samla in språkdata från webbplatser, ordlistor, språkdatabaser, dokument etc. Detta hjälper systemet att integrera språkregler, definierade termer från ordlistor, tonfall eller skrivstil. Det andra steget innebär att extrahera språkparen från den insamlade datan för att hitta meningspar som hjälper systemet att bättre förstå sammanhanget och förbättra översättningsresultatet. Det tredje steget är bearbetning, dvs. validering, rengöring och kombination av språkdata för utbildningen. Detta är nödvändigt eftersom översättningar av vissa insamlade texter finns någon annanstans och behöver paras ihop. Det fjärde steget är själva AI-utbildningen när den insamlade datan sammanförs i en utbildningskorpus, och utbildningen fortsätter tills AI-utdata är tillräckligt bra för utvärdering. Det femte och sista steget är betygsättningen av kunderna, som är översättningschefer.

Efter allt detta fortsätter AI-modellen att lära sig, vilket är anledningen till att den anses vara användbar inom olika områden. För att göra det är korrekturläsning avgörande för att ge feedback till systemet och därigenom förbättra det. Naturligtvis tar det tid och kostar pengar att få fram en bra AI-översättningsmodell, och varje AI-leverantör försöker nå "mänsklig kvalitetsnivå".

Denna datainsamling är dock starkt beroende av systemets slutanvändare och språkparet. Inom översättning varierar tonen, terminologin och fraseologin mycket från domän till domän. De senaste åren har AI-översättningssystem i allt högre grad använts för juridisk översättning, främst för att minska kostnader och förbättra effektiviteten. Det är då utbildningsfasen är avgörande: juridiska texter behövs för att träna översättningssystemet, men de kan inte hittas eller användas så lätt. Dessutom skiljer sig rättssystemen från land till land, vilket är ytterligare en parameter att implementera under utbildningsfasen. Som slutsatsen i en studie som publicerades i mars 2024 (Moneus & Sahari, 2024) är, finns det också frågan om skillnader mellan språk: kinesiska är abstrakt och metaforisk medan engelska är linjär och logisk. Detta innebär att AI-system fortfarande behöver förbättras, och det skulle kunna underlättas med mer tillgänglighet till tvåspråkig data för ytterligare och mer sällsynta språk.

Etiska konsekvenser av datakälla

Generativa AI-system, såsom ChatGPT, är baserade på en mängd data hämtade från böcker, artiklar, webbplatser, inlägg på sociala medier etc. Som vi sa tidigare kräver de en träningsfas under vilken "en stor mängd textdata används för att instruera talbehandlingsalgoritmerna" (Lucchi, 2024, s. 617). Detta leder till en mängd olika problem gällande IP eftersom de källor som används kan innehålla upphovsrättsskyddade verk samt juridiska överväganden. I detta sammanhang "har programmerarna som ansvarar för utveckling och träning av ChatGPT ansvaret för att säkerställa att träningsdata förblir fria från upphovsrättsintrång" (Lucchi, 2024, s. 617). Det är därför de senaste rekommendationerna efterfrågar mer transparens gällande de källor som används eller hur dessa system fungerar.  

Ur programmerarens synvinkel är det acceptabelt att använda fritt tillgänglig upphovsrättsskyddad data eftersom systemet använder informationen som en inspirationskälla för att presentera nytt material och innovativa resultat. AI-algoritmer förlitar sig mestadels på enorma mängder data som är avgörande för att förbättra systemets prestanda, därför skulle det första steget vara att upprätta uttryckliga datadelningsavtal mellan dataleverantörer och AI-programmerare. Det skulle tillåta laglig användning av upphovsrättsskyddad data för utbildningsändamål.

Det största problemet ligger i att AI inte kan generera autentiska idéer. Tvärtom förlitar den sig på data den har tränats med för att generera omstrukturerade texter. När texten är skriven av en människa ses det som ett moraliskt ansvar att citera de källor som har använts, samt ett sätt att undvika plagiat och säkerställa tillförlitligheten i sitt arbete. Men om vi tar ChatGPT som exempel, är dess svar, även om det baseras på en stor mängd träningsdata, inte alltid korrekt och kan "glömma" att citera sina källor. Även när användaren frågar efter dem, uppfinner den ibland till och med icke-existerande verk, vilket ytterligare ökar bristen på trovärdighet. Det är därför oinformerade användare kanske inte vet att de har använt någon annans verk. Dessutom är de ursprungliga skaparna av dessa träningsdata inte medvetna om att deras arbete blir stulet!

III – Immateriella rättigheter och juridiska utmaningar

När vi diskuterar obehörig användning av en upphovsmans verk hänvisar vi till intrång i immateriella rättigheter. Kärnan i immaterialrätten ligger begreppet upphovsrätt. Detta koncept, som härstammar från den anglosaxiska rättstraditionen, ger upphovsmän exklusiva rättigheter över sitt originalverk, vilket säkerställer att de har kontroll över reproduktion, distribution och anpassning. Numera överensstämmer det med det europeiska begreppet upphovsrätt. upphovsrätt, motsvarigheten till upphovsrätt, och lägger till dimensionen av "moraliska rättigheter". Dessa rättigheter betonar en författares personliga koppling till sitt verk, inklusive rätten att bli erkänd som skapare (Blésius, 2008). Vi ska se hur dessa är relevanta i samband med en översättning.

Äganderätt till översättningar: Mänsklig översättning

Äganderätten till översättningar väcker viktiga frågor. Det är intressant att veta vem som har upphovsrätten till en översättning, både ur ett ekonomiskt och ett erkännandeperspektiv. Faktum är att ägarfrågan är dubbel, särskilt om ett verktyg som SDL Trados Studio används. används – Vem äger det slutliga översättningsarbetet mellan översättaren och beställaren? Kan äganderätt tillskrivas AI-genererade översättningar? Vem äger innehållet som genereras från en prompt?

Översättning är inte bara ett uttrycksmedel, utan också en konstform och är som sådan skyddad av olika rättsliga ramar som skyddar dess skapares upphovsrätt. Till exempel, enligt artikel 2(3) i Bernkonventionen för skydd av litterära och konstnärliga verk (nd, avsnitt FI, .2), ska "Översättningar, bearbetningar, arrangemang av musik och andra ändringar av ett litterärt eller konstnärligt verk skyddas som originalverk utan att det påverkar upphovsrätten till originalverket." Enligt TRIPS-avtalet från 1994 anger artikel 10(2) att "[s]ammanställningar av data eller annat material, oavsett om det är i maskinläsbar eller annan form, som på grund av urvalet eller arrangemanget av sitt innehåll utgör intellektuella skapelser ska skyddas som sådana."

Som anges i dessa internationella konventioner är översättningar som produceras av en översättare skyddade precis som alla andra konstnärliga verk och är därför också en källa till upphovsrätt. Svaret på den första frågan borde vara enkelt. Eftersom en översättning betraktas som ett originalverk och är skyddad av upphovsrätt, tillhör dessa upphovsrätter översättaren.

Svaret är dock inte så enkelt. Först måste vi skilja mellan frilansöversättare och översättare anställda av en byrå. För översättare anställda av en byrå "överlåter arbetstagare automatiskt, enligt många länders arbetslagstiftning, immateriella rättigheter till de verk de skapar till sina arbetsgivare" (Smith, 2009, s. 8). I denna situation är det tydligt att den skapade översättningen tillhör företaget, som sedan säljer den till den klient som beställde den. Detta gäller även för översättningsminnena, oavsett om de tillhandahålls av byrån eller av klienten: "när det gäller tjänstemän som skapar termbanker eller TM, kommer dessa rättigheter automatiskt att överföras till de organisationer de arbetar för" (op.cit.).

För frilansöversättare handlar allt om ett avtal med klienten. En översättare kommer alltid att vara den första ägaren av upphovsrätten. Genom att sälja sitt arbete till sin klient ger de bort den upphovsrätten. Men även när upphovsrätten överförs är översättaren inte ansvarig för obehöriga ändringar som gjorts av klienten (Blésius, 2008). Detta gäller även för översättningsminnen och termbanker som skapats av en översättare för ett givet verk, "såvida inte upphovsrätten tidigare överförts enligt avtal, tillhör översättningsminnen de översättare som skapar dem" (Smith, 2009, s. 8).

Men hur är det med en översättning genererad av AI?

Äganderätt till översättningar: AI-system

Som tidigare nämnts i den här artikeln fungerar generativa AI-system genom att träna på och införliva stora datamängder i sina algoritmer. Dessa data förvärvas inte alltid lagligt, och algoritmer anger i de flesta fall inte sina källor när de svarar på en fråga. System som ChatGPT (amerikanskt) eller Mistral (franskt) kan tillhandahålla nästan människoliknande översättningar och skapar därmed rädslan för "slutet på mänsklig översättning". AI är ett snabbt utvecklande system teknik som finns inom nästan alla områden och har blivit en integrerad del av översättningsarbetet. Med detta uppstår nya juridiska frågor som bör beaktas – Vem ska äganderätten till en sådan översättning beviljas? Kunden av AI-verktyget, utvecklaren eller helt enkelt själva systemet? 

År 2022 lämnades en grupptalan in i USA mot Stability AI av bildkonstnärer som hävdade att företaget använde deras upphovsrättsskyddade verk för att träna deras AI-modell utan deras samtycke. Domstolen biföll delvis och avslog delvis de tilltalades yrkanden. Domstolen tillät att det direkta upphovsrättsintrångstalan fortsatte, medveten om att frågan om huruvida AI-modeller gör intrång i upphovsrätten är oavgjord och beror på omständigheterna i varje enskilt fall (Madigan, 2024). 

Nyligen fattades ett nytt beslut av den amerikanska regeringen den 29 januari 2025 (Dreyfus Law Firm, 2025). Det betonar kraven som krävs för att acceptera AI-genererat innehåll som ett upphovsrättsskyddat verk. Enligt detta beslut kan AI-genererat innehåll upphovsrättsskyddas under följande villkor: Det finns tillräckligt mänskligt engagemang i den kreativa processen, dvs. materialet genereras inte enbart av AI, och AI används som ett verktyg för att främja mänsklig kreativitet. Det förklarar också vikten av uppmaningar som ges till systemet, vilket måste vara tillräckligt kreativt. I denna idé, om en konstnär modifierar, arrangerar eller väljer element av AI-genererat innehåll, kommer detta innehåll... skulle kunna vara berättigade till partiellt upphovsrättsskydd.

Ur ett globalt perspektiv hanterar varje land AI- och upphovsrättsfrågor på olika sätt. Till exempel nämner Europeiska unionens AI-lag, som publicerades den 6 augusti 2023, skyldigheten för AI-system att följa immateriella rättigheter, vilket innebär att leverantörer av AI-modeller är skyldiga att "offentligt dela en detaljerad sammanfattning av den text och de data som används vid träning av deras AI-modeller" (Fitzpatrick, 2025).

Eftersom det rättsliga ramverket fortfarande utvecklas för att anpassa sig till dessa nya tekniker, kanske vi inte kan ge ett tydligt svar angående upphovsrätt som involverar AI i konst eller översättning. AI-utvecklare bör dock se till att de följer lagen gällande de data de förvärvar för sina träningsmodeller. Detta innebär att erhålla lämpliga licenser och kompensera de individer som äger den immateriella egendom som de vill införliva i sina träningsdataset (Deloitte AI Institute, nd).

Slutsats 

AI-världen förändras ständigt. Tekniken i sig förbättras dag för dag och införlivas i allt fler domäner och aspekter av våra liv. Tyvärr kan lagar inte utvecklas lika snabbt – inte ens i en digitaliserad värld. AI har verkligen potential för kreativitet eller att accelerera arbetsuppgifter, men på grund av hur den utvecklas bryter den mot flera lagar. Som vi såg spelar IP en stor roll inom kreativitetsområdet, men AI-programmerare verkar inte bry sig så mycket, och dessutom är de inte tvungna att följa lagen, eftersom det finns en tydlig brist på reglering gällande AI och upphovsrätt. Denna teknik kan bara använda det den har matats med, vilket till största delen är upphovsrättsskyddade verk. 

Flera lösningar har redan föreslagits, och ett ökande antal företag, organisationer och länder försöker för närvarande belysa de juridiska frågorna kring AI inom olika områden. Det första påståendet gäller mer transparens kring de källor som används av AI-system för utbildning eller generering av svar, och transparens när det gäller dess övergripande funktionssätt, vilket kan vara dödligt för AI-programmerare. Vissa länder har sina egna lösningar, och europeiska unionen leder vägen i kampen för transparens.

Mer nyligen, i februari 2025, hölls AI Action Summit i Paris. Syftet var att "gemensamt etablera vetenskapliga grunder, lösningar och standarder för mer hållbar AI i arbete för kollektiva framsteg och i allmänhetens intresse" (France Diplomacy, 2025) med mer än 800 deltagare. Resultaten visade följande: viljan att skapa en hållbar, säker, pålitlig och transparent AI och att använda den klokt där den behövs som mest, såsom hälso- och sjukvård och/eller utbildning. Medan 62 länder undertecknade det slutliga avtalet, gjorde USA – trots att de var en av ledarna inom AI-området – det inte.
 

Bibliografi

Avtal om handelsrelaterade aspekter av immateriella rättigheter (TRIPS-avtalet). (nd). WIPO Lex. Hämtad 16 februari 2025, från https://www.wipo.int/wipolex/en/treaties/details/231

AI Action Summit (10 och 11 februari 2025)(2025). Frankrikes diplomati - Europa- och utrikesministeriet. https://www.diplomatie.gouv.fr/en/french-foreign-policy/digital-diplomacy/news/article/ai-action-summit-10-11-feb-2025

AI Action Summit-konferens: AI, vetenskap och samhälle. (2025, 6 februari). Institut Polytechnique de Paris. https://www.ip-paris.fr/en/news/ai-action-summit-conference-ai-science-and-society-ip-paris

AI och upphovsrätt: Att förstå US Copyright Offices andra rapport om upphovsrättsbarhet(2025 februari 10). Dreyfus. https://www.dreyfus.fr/en/2025/02/10/ai-and-copyright-understanding-the-u-s-copyright-offices-second-report-on-copyrightability/

Artificiell intelligens och immateriella rättigheter. (nd). WIPO Pearl. Hämtad 16 februari 2025, från https://www.wipo.int/about-ip/en/frontier_technologies/ai_and_ip.html

Bernkonventionen för skydd av litterära och konstnärliga verk. (nd). WIPO Pearl. Hämtad 16 februari 2025, från https://www.wipo.int/treaties/en/ip/berne/index.html

Bharati, RK (2024). AI och immateriella rättigheter: Rättsliga ramverk och framtida inriktningar. Internationell tidskrift för juridik, rättvisa och rättsvetenskap, 4(2), 207-215. https://doi.org/10.22271/2790-0673.2024.v4.i2c.141

Bird & Bird LLP, Generaldirektoratet för översättning (Europeiska kommissionen), Debussche, J., & Troussel, J.-C. (2014). Översättning och immateriella rättigheter: slutrapportEuropeiska unionens publikationsbyrå. https://data.europa.eu/doi/10.2782/72107

Blésius, C. (även känd). Upphovsrätt och översättaren. Vem äger dina översättningar? Hämtad 16 februari 2025 från https://cblesius.co.uk/articles/CopyrightAndTheTranslator-WhoOwnsYourTranslations.html

Creamer, E. (2024 april 16). Undersökning visar att generativ AI är ett stort hot mot översättares arbete. The Guardian. https://www.theguardian.com/books/2024/apr/16/survey-finds-generative-ai-proving-major-threat-to-the-work-of-translators

Devin, V. (2025 januari 29). Från det förflutna till framtiden: AI:s inverkan på översättningsteknik - Lokalisera artiklarLokalisera. https://localizejs.com/articles/the-impact-of-ai-on-translation-technology

Fitzpatrick, D. (2025 februari 3). Nytt upphovsrättsbeslut har precis gjort AI-färdigheter till den största fördelenForbes. https://www.forbes.com/sites/danfitzpatrick/2025/02/03/new-copyright-ruling-just-made-ai-skills-the-biggest-advantage/

Gil, A., Juliana, N., & David, AS (2023 april 7). Generativ AI har ett problem med immateriella rättigheterHarvard Business Review. https://hbr.org/2023/04/generative-ai-has-an-intellectual-property-problem

Guadamuz, A. (2017 oktober 1). L'intelligence artificielle et le droit d'auteurTidskriften OMPI. https://www.wipo.int/fr/web/wipo-magazine/article-details/?assetRef=40141&title=artificial-intelligence-and-copyright

Hartley, V. (även känd). AI-översättning eller maskinöversättning: Vad är skillnaden? Language Wire. Hämtad 16 februari 2025, från https://www.languagewire.com/en/blog/ai-translation-vs-machine-translation

Hur man använder AI för juridiska översättningar: Fördelar, begränsningar och bästa praxis. (2024 juli 1). LegalTranslations.com. https://www.legaltranslations.com/fr/blog/how-to-use-ai-for-legal-translations

Immateriella rättigheter i ChatGPT. (2023 februari 20). Europeiska kommissionen. https://intellectual-property-helpdesk.ec.europa.eu/news-events/news/intellectual-property-chatgpt-2023-02-20_en

Introduktion till AI-översättningens och populär programvaras historia. (2022 december 19). Humanvetenskaplig vetenskap AB https://www.science.co.jp/nmt/blog/32553/

Kupferschmid, K. (2024 december 12). Insikter från domstolsbeslut i mål om upphovsrättsintrång inom AI. Copyright Alliance. https://copyrightalliance.org/ai-copyright-infringement-cases-insights/

Lacruz Mantecón, ML (2023). Författarskap och rättighetsägande i maskinöversättningens era. I H. Moniz & C. Parra Escartín (red.), Mot ansvarsfull maskinöversättning: Etiska och juridiska överväganden vid maskinöversättning (s. 71–92). Springer International Publishing. https://doi.org/10.1007/978-3-031-14689-3_5

Leschen, S. (2024, 27 september). Översättning, en konst värd att skyddaInstitutet för översättning och tolkning. https://www.iti.org.uk/resource/translation-an-art-worth-protecting.html

Lucchi, N. (september 2024). ChatGPT: En fallstudie om upphovsrättsutmaningar för generativa artificiella intelligenssystem. Cambridge University Press. https://www.cambridge.org/core/journals/european-journal-of-risk-regulation/article/chatgpt-a-case-study-on-copyright-challenges-for-generative-artificial-intelligence-systems/CEDCE34DED599CC4EB201289BB161965

Madigan, K. (2024 augusti 29). Viktiga slutsatser från Order i Andersen v. Stability AI Copyright-målet. Copyright Alliance. https://copyrightalliance.org/andersen-v-stability-ai-copyright-case/

Mohamed, YA, Khanan, A., Bashir, M., Mohamed, AHHM, Adiel, MAE, & Elsadig, MA (2024a). Artificiell intelligens inverkan på språköversättning: En översikt. IEEE-åtkomst, 12, 25553-25579. https://doi.org/10.1109/ACCESS.2024.3366802

Moneus, AM, & Sahari, Y. (2024). Artificiell intelligens och mänsklig översättning: En kontrasterande studie baserad på juridiska texter. Heliyon, 10(6). https://doi.org/10.1016/j.heliyon.2024.e28106

Ong, J., Lo Khai Yi och Winn Wong, HW (2024, 3 september). EU:s AI-lag: Den viktigaste guiden till efterlevnad av upphovsrättsregler för allmänna AI-modellerChambers and Partners. https://chambers.com/articles/eu-ai-act-the-essential-guide-to-copyright-compliance-for-general-purpose-ai-models

Smith, R. (2009 november 19). Upphovsrättsfrågor i ägande av översättningsminnen. Översättning och datorns handlingar 31TC 2009, London, Storbritannien. https://aclanthology.org/2009.tc-1.13/

Uttalande om inkluderande och hållbar artificiell intelligens för människor och planeten. (2025 februari 11). Élysée. https://www.elysee.fr/en/emmanuel-macron/2025/02/11/statement-on-inclusive-and-sustainable-artificial-intelligence-for-people-and-the-planet

De juridiska konsekvenserna av generativ AI. (nd). Deloitte AI Institute. Hämtad 16 februari 2025, från https://www2.deloitte.com/us/en/pages/consulting/articles/generative-ai-legal-issues.html

Tränade översättningsmodeller. (nd). Wonk.Ai. Hämtad 16 februari 2025, från https://wonk.ai/en/training-of-translation-models/

Dela den här artikeln: