Характерные особенности машинного перевода концептуальной и интенциональной информации на русский язык (на материале английских специальных текстов) тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Борунов Иван Александрович

• Борунов Иван Александрович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Борунов Иван Александрович

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ И МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ МАШИННОГО ПЕРЕВОДА: ИСТОРИЯ, ПОДХОДЫ И ПЕРСПЕКТИВЫ

1.1. Научное осмысление перевода как формы двуязычной коммуникации

1.2. Основные этапы развития машинного перевода: от инженерных прототипов до искусственного интеллекта

1.3. Концептуальная и интенциональная информация, представленная в специальных (финансовых, юридических, технических) текстах

1.4. Когнитивно-функциональная классификация моделей машинного перевода

Выводы по Главе

ГЛАВА 2. ХАРАКТЕРНЫЕ ОСОБЕННОСТИ ПЕРЕДАЧИ КОНЦЕПТУАЛЬНОЙ И ИНТЕНЦИОНАЛЬНОЙ ИНФОРМАЦИИ СОВРЕМЕННЫМИ СИСТЕМАМИ МАШИННОГО ПЕРЕВОДА

2.1. Методология экспертной оценки адекватности машинного перевода: критерии концептуальной точности и интенциональной сохранности

2.2. Особенности передачи концептуальной и интенциональной информации в машинном переводе юридических текстов

2.3. Особенности передачи концептуальной и интенциональной информации в машинном переводе финансовых текстов

2.4. Особенности передачи концептуальной и интенциональной информации в машинном переводе технических текстов

2.5. Исследование возможностей больших языковых моделей (LLM) в передаче интенционально-концептуальной информации при переводе

Выводы по Главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение А

Приложение Б

Приложение В

Приложение Г

Приложение Д

Приложение Е

Введение диссертации (часть автореферата) на тему «Характерные особенности машинного перевода концептуальной и интенциональной информации на русский язык (на материале английских специальных текстов)»

ВВЕДЕНИЕ

Диссертационное исследование затрагивает актуальные вопросы машинного перевода, связанные с обработкой концептуальной и интенциональной информации. Изучение способов представления и интерпретации таких данных в системах перевода позволяет выявить ключевые проблемы, возникающие на различных уровнях: семантическом, прагматическом, когнитивном и др. Анализ механизмов взаимодействия языковых структур и смысловых интенций способствует разработке более точных моделей, обеспечивающих адекватность перевода в контексте межъязыковой коммуникации.

В последние десятилетия машинный перевод переживает значительное развитие благодаря росту вычислительных мощностей и инновационным достижениям в области искусственного интеллекта. Тем не менее, большинство существующих систем машинного перевода по-прежнему сталкиваются с трудностями в точном распознавании и передаче концептуальных и интенциональных значений текста. Данная тема нашла свое отражение в работах следующих исследователей:

- Переводоведение: И.А. Борунов «ММТ-перевод - основные модели, оценка качества» [Борунов, 2024]; И.А. Улиткин «Автоматическая оценка качества машинного перевода научно-технического текста» [Улиткин, 2016]; И.А. Улиткин «Автоматическая оценка качества машинного перевода научного текста: 5 лет спустя» [Улиткин, 2022]; Н.К. Гарбовский «Интеллект для перевода: искусный или искусственный?» [Гарбовский, 2019]; Т.В. Устинова «Коммуникативная деятельность и профессиональная компетентность переводчика в век машинного перевода» [Устинова, 2021].

- Языкознание: Ю.Н. Марчук «Лингвистические основания системы машинного перевода по переводным соответствиям» [Марчук, 1979]; Л.Л. Нелюбин «Компьютерная лингвистика и машинный перевод» [Нелюбин, 1991]; П.Н. Хроменков «Анализ и оценка эффективности

современных систем машинного перевода» [Хроменков, 2000]; О.В. Митренина «Как и какой перевод (не) оценивают компьютеры» [Митренина, 2021]; Е.В. Котельникова «Когнитивная составляющая перевода с использованием искусственного интеллекта» [Котельникова, 2010]; А.Е. Кибрик «Модель автоматического анализа письменного текста (на материале ограниченного военного подъязыка)» [Кибрик, 2017]; А.Д. Дмитриева «Квантитативное исследование стратегий упрощения на материале адаптированных текстов для изучающих РКИ» [Дмитриева, 2021]; В.Е. Черняковская «Лингвистика текста» [Черняковская, 2012]. - Математика и информационные технологии: А.А. Хорошилов «Теоретические основы и методы построения систем фразеологического машинного перевода» [Хорошилов, 2006]; А.А. Животнова «Математическая модель, алгоритмы и программный комплекс для повышения качества машинного перевода узкоспециальных технических текстов на английский язык» [Животнова, 2024], Б. Бенгфорт «Прикладной анализ текстовых данных на Python. Машинное обучение и создание приложений обработки естественного языка» [Бенгфорт, 2019].

Степень проработанности. Значительное количество исследований в области теории и практики перевода сформировало широкий диапазон задач, рассмотренных в статьях, диссертациях и монографиях отечественных и зарубежных авторов. В частности, проблемы точности и адекватности машинного перевода исследовали О.И. Максименко [Максименко, 2014], Ю.Н. Марчук [Марчук, 2000], И.А. Улиткин [Улиткин, 2022], D. Jurafsky [Jurafsky, 2019], K. Papineni [Papineni, 2002]; семантические и когнитивные аспекты обработки текста в системах машинного перевода рассматривали И.Г. Жирова [Жирова, 2022], Н.Г. Епифанцева [Епифанцева, 2022], И.Н. Филиппова [Филиппова, 2022], J. Tiedemann [Tiedemann, 2011], M. Post [Post, 2018] и др.; вопросы внедрения интенциональных данных в алгоритмы перевода обсуждали P. Koehn [Koehn, 2009], Y. Bengio [Bengio, 2015] и т.д.

Теоретическая база играет ключевую роль в детальном исследовании процесса перевода, поскольку она предоставляет возможность глубже осмыслить его сложность и многоаспектность.

Актуальность исследования проблем перевода концептуальной и интенциональной информации средствами машинного перевода обусловлена следующими факторами:

1. Современные системы машинного перевода сталкиваются с трудностями при передаче сложных смысловых конструкций, особенно в текстах, насыщенных концептуально и интенционально значимой информацией. Ошибки в интерпретации могут приводить к смысловым искажениям, что особенно критично в профессиональной, юридической и академической среде.

2. Несмотря на прогресс в области статистического и нейронного перевода, большинство алгоритмов опираются на анализ последовательностей слов и не способны полноценно учитывать глубинные контекстуальные зависимости. Это приводит к ошибкам в передаче переносных значений, метафор, идиом и сложных когнитивных конструкций, что особенно заметно при переводе художественных и специализированных текстов.

3. В научной, юридической, медицинской и культурной коммуникации некорректный перевод может стать причиной серьезных последствий — от потери точности в передаче данных до искажения нормативных и правовых документов. Введение методов, учитывающих концептуальную и интенциональную информацию, позволит минимизировать такие риски.

4. Использование концептуальных структур и интенционального анализа в системах машинного перевода открывает перспективы для создания интеллектуальных моделей, способных глубже понимать смысловые связи в тексте. Это позволит улучшить обработку многозначных терминов, специализированных понятий и прагматических элементов языка.

5. Совмещение методов когнитивной лингвистики с машинным обучением и искусственным интеллектом создает условия для разработки более

адаптивных и точных алгоритмов перевода. Такие системы смогут не только переводить текст на уровне лексики, но и учитывать его смысловые, прагматические и когнитивные аспекты, обеспечивая более естественное и осмысленное представление информации на целевом языке.

Общая гипотеза исследования заключается в том, что учет концептуальных и интенциональных аспектов текста в машинном переводе способствует повышению точности и адекватности передачи смыслов. Включение в процесс перевода когнитивных моделей интерпретации значений, семантических структур и прагматической информации позволяет снизить уровень смысловых искажений, особенно в контекстуально нагруженных текстах, где традиционные статистические и нейросетевые методы демонстрируют ограниченную эффективность.

Объект исследования - процесс машинного перевода в контексте передачи контекстуальной и смысловой информации средствами машинного перевода. Современные системы машинного перевода, основанные на нейросетевых моделях, демонстрируют значительный прогресс в обработке текстов, однако по-прежнему сталкиваются с проблемами точности и адекватности передачи значений, особенно в случае контекстуально сложных выражений, метафор, многозначных слов и культурно обусловленных конструкций.

Предмет исследования - лингвистические аспекты представления концептуальной и интенциональной информации в системах машинного перевода. Особое внимание уделяется способам учета когнитивных и семантических характеристик текста, влияющих на корректность перевода. Исследование направлено на выявление факторов, способствующих адекватной передаче смыслов, включая учет прагматической информации, дискурсивных связей и когнитивных моделей интерпретации значений.

Материал исследования составляют специальные тексты (юридические, финансовые, технические), характеризующиеся высокой концептуальной и интенциональной сложностью, что создает существенные

проблемы для систем машинного перевода. Эти категории текстов выбраны из-за их особой коммуникативной специфики: юридические документы требуют абсолютной точности, однозначности и формальной строгости, финансовые — четкости и последовательности, а технические — терминологической выверенности. В работе изучаются ключевые аспекты перевода таких материалов, включая терминологические особенности, прагматические тонкости, скрытые смыслы и культурно-зависимые коннотации. Кроме того, исследуются примеры переводов, выполненных современными системами машинного перевода — как нейросетевыми моделями (ММТ), так и языковыми моделями (ЬЬМ), — с целью выявления типичных ошибок и ограничений в передаче смыслового и интенционального содержания. Для теоретической основы также учитываются более ранние подходы к машинному переводу.

Цель исследования - определить лингвистические механизмы учета концептуальной и интенциональной информации в машинном переводе для повышения точности и адекватности передачи смыслов в контекстуально сложных текстах.

Для достижения данной цели были сформулированы следующие задачи:

1. Провести анализ существующих методов теории перевода и когнитивной лингвистики в частности и их влияния на процессы интерпретации и передачи смысловой информации в машинном переводе.

2. Исследовать текущее состояние инструментов машинного перевода, научную освещенность, существующие классификации. Выявить недостатки и предложить решения для перспективы дальнейшего развития.

3. Изучить способы репрезентации концептуальной структуры текста и их значимость для корректного перевода многозначных и контекстуально зависимых выражений.

4. Исследовать роль интенциональных аспектов в определении прагматического значения текста и их влияние на переводческие стратегии.

5. Оценить, каким образом современные системы машинного перевода обрабатывают концептуально сложные тексты, выявить основные ошибки и ограничения.

6. Провести сравнительный анализ перевода контекстуально нагруженных фрагментов в различных системах машинного перевода для выявления закономерностей и проблемных зон.

7. Разработать рекомендации по совершенствованию учета концептуальной и интенциональной информации в машинном переводе с опорой на лингвистические подходы.

Методология исследования основывается на методах когнитивной лингвистики, направленных на моделирование ментальных репрезентаций (включая концепты и интенции) и их формализации в виде структур данных. В исследовании применяются методы анализа и синтеза, теоретического обобщения, а также сравнительный анализ методов машинного перевода и моделирования лексической семантики.

Теоретическое осмысление вопросов, связанных с передачей концептуальной и интенциональной информации в машинном переводе, потребовало тщательного изучения работ отечественных и зарубежных исследователей, посвященных когнитивной лингвистике, семантике и прагматике перевода.

Так, теоретико-методологическую базу составили работы в следующих областях:

- Машинный перевод: Н.Д. Андреев (1976), А.Д. Бакулов (1990), О.Г. Капанадзе (1989), О.С. Кулагина (1979), Н.Н. Леонтьева (1989), О.И. Максименко (2020), Ю.Н. Марчук (1979), Р.Г. Пиотровский (1979), Н.К. Рябцева (1986), И.А. Улиткин (2022), З.М. Шаляпина (1975), З.М. Шаляпина (1990), H. Alshawi (1992), D. Arnold (1994), R. Brown (1996), B.J. Dorr (1993), W.J. Hutchins (1986), S. Nirenburg (1987), J. Slocum (1988), A. Trujillo (1999) и др.

- Теория и практика перевода: Ю.Д. Апресян (1966), Л.С. Бархударов (2008), М.П. Брандес (2001), Е.В. Бреус (2001), Ю.В. Ванников (1982), Н.Г. Епифанцева (2022), И.Г. Жирова (2022), В.Н. Комиссаров (2002), А.А. Лебедева (2018), Т.Р. Левицкая (1963), Л.Л. Нелюбин (2014), О.В. Петрова (2006), Я.И. Рецкер (1974), В.В. Сдобников (2006), И.А. Улиткин (2016), А.В. Федоров (2002), И.Н. Филиппова (2022), И.И. Халеева (1989), Г.Т. Хухуни (1999), А.Д. Швейцер (1988) и др.

- Теория языка: Ю.Д. Апресян (1995), Н.Д. Арутюнова (1999), Л.С. Бархударов (1975), Т.Г. Винокур (1971), Н.Г. Епифанцева (2022), И.Г. Жирова (2022), В.Н. Комиссаров (1990), В.В. Красных (2001), Е.С. Кубрякова (2004), М.А. Лобанова (2009), О.А. Макарихина (2007), О.И. Максименко (2020), Ю.С. Маслов (1983), С.А. Массина (1991), Г.П. Мельников (1991), Л.Л. Нелюбин (1999), А.А. Реформатский (1975), Я.И. Рецкер (1950), В.М. Савицкий (1987), Л.З. Самигуллина (2018), Н.В. Сандалова (2010), Н.В. Сербиновская (2019), Л.И. Скворцов (1980), Э.А. Сорокина (2016), И.А. Стернин (2003), А.В. Суперанская (1989), А.В. Федоров (1983), Филиппова (2022), Г.Т. Хухуни (1999), Л.В. Щерба (1957) и др.

- Компьютерная лингвистика: Т.А. Грязнухина (1990), Н.Ф. Клименко (1990), О.И. Максименко (2017), Ю.Н. Марчук (2000), Э.В. Попов (1987), Р.К. Потапова (1989), J.R. Galliers (1995), K. Kilby (1995), J.K. Sparck (1995) и др.

- История машинного перевода: О.С. Кулагина (1991), Т.М. Николаева (2008), K. Harper (1961), W.J. Hutchins (1986), M. Kay, M. Gawron, P. Norvig (1994), M. Vasconcellous (1984) и др.

Специфика объекта и предмета исследования, а также поставленные задачи обусловили применение ряда методологических подходов, направленных на изучение механизмов обработки концептуальной и интенциональной информации в системах машинного перевода. В данной работе были использованы следующие методы:

1. Общенаучные методы:

а Описательно-аналитический метод - предполагает детальное изучение эмпирического и теоретического материала, включая анализ текстов, содержащих концептуально нагруженную лексику и интенциональные структуры. Также в рамках этого метода проводится обзор современных исследований в области машинного перевода, систем обработки естественного языка (МСР) и когнитивной семантики. Исследуются существующие модели представления концептов в лексико-семантических базах, таких как WordNet, FrameNet и ВаЬеШе^ а также механизмы обработки прагматической информации в нейросетевых архитектурах.

Ь Сопоставительный анализ - используется для выявления различий в передаче концептуальной информации при переводе текстов различной семантической сложности. В рамках данного метода анализируются переводы с одного языка на другой, выполненные различными системами машинного перевода, с целью выявления расхождений в передаче скрытых смыслов, контекстуально обусловленных значений и интенциональных аспектов коммуникации.

с Метод количественного анализа данных - применяется для оценки качества перевода с точки зрения точности, адекватности и сохранения концептуальной структуры текста.

2. Частнонаучные методы:

а Метод когнитивного моделирования - заключается в создании формальных моделей концептуального представления информации в системах машинного перевода. Данный метод предполагает анализ онтологий и семантических графов, используемых для структурирования знаний, а также моделирование когнитивных механизмов интерпретации смыслов при машинном переводе.

Ь Метод трансформационного анализа - применяется для изучения способов обработки концептуальной информации в процессах автоматического перевода. Включает исследование трансформаций (лексических,

синтаксических, семантических), выполняемых системами машинного перевода при обработке сложных текстов. Особое внимание уделяется выявлению механизмов деформации концептуальных структур, возникающих при переходе от одного языкового представления к другому. c Интроспективный метод анализа ошибок - направлен на выявление системных проблем в передаче интенциональной информации при машинном переводе. Включает изучение аномалий перевода, связанных с неадекватной передачей прагматических аспектов, модальности и речевых актов, а также анализ механизмов, компенсирующих потери смыслов в процессах автоматического перевода. d Метод экспериментального моделирования - заключается в тестировании различных алгоритмов машинного перевода на специально подобранных корпусах текстов с высоким уровнем концептуальной и прагматической сложности. Данный метод позволяет оценить эффективность различных архитектур нейросетевого машинного перевода (например, Transformer, BERT, GPT) в обработке многозначных конструкций, метафорических выражений и интенциональных стратегий коммуникации.

Новизна работы заключается в следующем:

1. В работе представлено системное исследование проблем машинного перевода концептуальной и интенциональной информации. Установлено, что традиционные методы автоматического перевода не в полной мере учитывают когнитивные и прагматические аспекты текста, что приводит к потере смыслов, искажению интенции автора и недостаточной точности передачи концептов. Проведен сравнительный анализ существующих моделей обработки концептуальной информации, выявлены их ограничения и предложены пути совершенствования

2. Предложена новая классификация существующих на данный момент средств машинного перевода. Новая классификация ставит во главе угла способность системы передавать не только фактуальную, но и концептуальную и интенциональную информацию, что соответствует

когнитивной природе процесса перевода. В отличие от традиционных подходов, ориентированных на технические параметры (метод обучения, языковая пара, архитектура), новая классификация учитывает когнитивные параметры: способность к моделированию ментальных репрезентаций, распознаванию и воспроизведению коммуникативной цели автора, адаптивность к контексту и стилю оригинала. Такой подход позволяет не только точнее оценивать возможности существующих систем, но и формировать ориентиры для дальнейших исследований и разработки переводческих технологий, приближенных к человеческому пониманию языка и смысла.

3. Разработаны теоретические основания для интеграции онтологических и семантических моделей в алгоритмы машинного перевода. Обоснована необходимость использования структурированного представления знаний, таких как онтологии и семантические сети, для повышения качества передачи концептов. Определены ключевые параметры концептуальных структур, критически важных для сохранения смысловой целостности текста при машинном переводе.

4. Введены новые подходы к анализу интенциональной информации в автоматическом переводе. Исследованы способы моделирования коммуникативного намерения автора и его влияние на адекватность перевода. Разработана классификация ошибок, связанных с обработкой прагматических аспектов речи, таких как модальность, пресуппозиция, импликатура и речевые акты.

5. Определены ключевые проблемы, возникающие при обработке многозначных конструкций, метафорических выражений и культурно обусловленных концептов в нейросетевых системах машинного перевода. Проведен анализ механизмов интерпретации сложных языковых единиц, а также предложены способы их адаптации с учетом контекстуальной и прагматической информации.

Научно-теоретическая значимость диссертационного исследования состоит в комплексном анализе проблем машинного перевода концептуальной и интенциональной информации с позиций когнитивной лингвистики, семантики и искусственного интеллекта. В работе обоснована необходимость интеграции онтологических и семантических моделей в системы автоматического перевода, что позволяет учитывать сложные смысловые связи и коммуникативные намерения автора. Разработаны теоретические основания для анализа прагматических аспектов перевода, включая модальность, пресуппозиции и импликатуры, что способствует повышению точности и адекватности машинного перевода. Определены ключевые параметры оценки качества перевода концептуально сложных текстов, что расширяет возможности применения существующих моделей нейросетевого машинного перевода и открывает перспективы для дальнейших исследований в области обработки естественного языка.

Практическая значимость исследования заключается в разработке методов и подходов, направленных на улучшение качества машинного перевода концептуальной и интенциональной информации. Полученные результаты могут быть применены при создании и совершенствовании алгоритмов нейросетевого машинного перевода, особенно в области обработки сложных текстов, содержащих многозначные конструкции, метафоры и прагматически значимые элементы. Разработанная методология оценки качества перевода может быть использована для автоматического контроля точности передачи концептуальных структур и коммуникативных интенций автора. Кроме того, предложенные в работе принципы интеграции онтологических и семантических моделей в системы машинного перевода могут быть внедрены в современные МЬР-приложения, что повысит их способность к обработке специализированных текстов, включая финансовые, юридические и технические документы.

Основные положения, выносимые на защиту:

1. Представление концептов и интенциональной информации в структурированной форме позволяет выявлять и формализовать скрытые смысловые связи в тексте, что особенно важно при передаче сложных когнитивных структур в процессе машинного перевода. Формализация концептов через семантические сети, онтологии и фреймовые модели способствует более точному учету контекстуально обусловленных значений, что снижает вероятность смысловых потерь при переводе.

2. Когнитивно-ориентированные методы анализа текста позволяют учитывать семантические, прагматические и дискурсивные особенности оригинала, что значительно повышает адекватность перевода. Включение в процесс машинного перевода механизмов обработки пресуппозиций, импликатур, прагматических меток и модальности речи способствует более точному воспроизведению коммуникативных интенций автора и предотвращает искажения смысла, вызванные лексико-синтаксическими преобразованиями.

3. Существующие научные классификации машинного перевода преимущественно игнорируют когнитивные аспекты переводческой деятельности, сосредотачиваясь на архитектурных или формальных параметрах моделей. Предложенная в диссертации когнитивно-функциональная классификация включает в себя уровень моделирования смысла, степень передачи интенции автора и контекст использования, что делает ее более пригодной для научной оценки перспектив ИИ-перевода.

4. Сопоставительный анализ переводов, выполненных с учетом концептуально-интенционального подхода, подтверждает, что модели, ориентированные на когнитивные и прагматические характеристики текста, обеспечивают более точную передачу оригинального смысла по сравнению с традиционными методами нейросетевого машинного перевода. Особенно это проявляется при обработке текстов, насыщенных культурно-специфической лексикой, терминологией, метафорическими выражениями и эксплицитными интенциями автора.

5. Личность переводчика как интерпретатора смыслов отсутствует в системах машинного перевода, что существенно влияет на конечный результат. В отличие от человека, который использует индивидуальный опыт, фоновые знания, культурную компетенцию и эмпатию для интерпретации текста, машинный перевод лишен субъективного понимания, что приводит к утрате экспрессивных и интенциональных элементов оригинала. Это особенно критично для художественных, философских и публицистических текстов, в которых смысл передается не только через буквальные значения слов, но и через прагматику, стилистические приемы и авторскую интенцию.

6. Современные нейросетевые модели машинного перевода (NMT), несмотря на высокую синтаксическую и лексическую точность, демонстрируют ограниченные возможности в передаче концептуальной и интенциональной информации. Это подтверждает необходимость дополнения архитектур NMT элементами когнитивного моделирования — онтологической разметкой, фреймовой семантикой и прагматическим анализом.

7. Интеграция средств искусственного интеллекта (включая большие языковые модели и мультимодальные системы) в переводческую практику требует их оценки не только по метрикам BLEU, METEOR и т.д., но и по когнитивно-прагматическим критериям. Это связано с задачей воспроизведения не только языка, но и смысла, цели и авторской установки, которые являются центральными категориями в когнитивной лингвистике перевода.

8. Разработка переводческих систем нового поколения невозможна без учета когнитивной теории перевода, где центральным понятием выступает понимание как реконструкция ментальной модели текста. Только при наличии таких механизмов машинный перевод сможет приблизиться к уровням концептуальной и прагматической эквивалентности, достигаемых в профессиональном человеческом переводе.

Обоснованность и достоверность научных выводов, представленных в диссертационном исследовании, обусловлены применением объективных методологических подходов, соответствующих предмету и объекту исследования, а также использованием репрезентативной и обширной эмпирической базы. Надежность результатов подкрепляется обращением к фундаментальным и актуальным теоретическим исследованиям в области машинного перевода, когнитивной лингвистики и прагматики, а также анализом авторитетных лексикографических и корпусных источников. Значимость и востребованность работы подтверждаются личным вкладом автора, апробацией ключевых положений на международных научных конференциях, а также публикацией результатов в рецензируемых изданиях, рекомендованных ВАК Минобрнауки РФ.

Апробация работы. Основные положения и результаты исследования были обсуждены на научных конференциях, проводимых Институтом лингвистики и межкультурной коммуникации Государственного университета просвещения («Роль и место лингвокультурной адаптации художественного текста в теории и практике перевода. Переводческие стратегии и тактики» (2023-2025 гг.). Три статьи напечатаны в изданиях, рекомендованных ВАК при Министерстве науки и высшего образования Российской Федерации.

Список литературы диссертационного исследования кандидат наук Борунов Иван Александрович, 2026 год

Список электронных источников

185. Яндекс Переводчик. - URL: https://translate.yandex.ru/ (дата обращения: 11.11.2024).

186. Apple Inc. Quarterly Earnings Report Q4 2023. - URL: https://www.apple.com/investor/ (дата обращения: 11.11.2024).

187. AWS Well-Architected Framework. - URL: https://docs.aws.amazon.com/wellarchitected/latest/framework/wellarchitect ed-framework.pdf (дата обращения: 21.08.2025).

188. ChatGPT. - URL: https://chatgpt.com (дата обращения: 15.01.2026).

189. Confidentiality and Data Processing Agreement (Standard Form). International Legal Materials Corpus (ILMC). - 2022. - URL: https://www.ilmc.org/contracts/confidentiality-data-processing-agreement (дата обращения: 15.01.2026).

190. DeepSeek. - URL: https://chat.deepseek.com. (дата обращения:

11.11.2024).

191. Engineering Systems Performance Report: Structural Integrity and Signal Processing, 2024. - URL: https://www.ieee.org/engsys/performance2024 (дата обращения: 14.10.2025).

192. European Court of Commercial Arbitration: Selected Decisions 2024. - URL: https://www.legalinsight.eu/arbitration-decisions2024 (дата обращения:

13.10.2025).

193. FreeBSD Handbook: Daemons. - URL: https://docs.freebsd.org/ (дата обращения: 11.11.2024).

194. IETF RFC 9110: HTTP Semantics. - URL: https://www.rfc-editor.org/rfc/rfc9110.pdf (дата обращения: 21.08.2025).

195. Industrial Air Compressors: Operation and Maintenance Guidelines 2025. -URL: https://www.engineeringstandards.org/aircompressors2025 (дата обращения: 13.10.2025).

196. International Financial Reporting Standards (IFRS): Consolidated Reporting Guidelines 2024. - URL: https://www.ifrsfoundation.org/library/reports2024 (дата обращения: 13.10.2025).

197. International Sale Contract (ICC Model). - URL: https://iccwbo.org/content/uploads/sites/3/2020/12/icc-model-international-sale-contract-english.pdf (дата обращения: 17.01.2025).

198. ISO 9001:2015 Quality Management Systems — Requirements. - URL: https://www.iso.org/standard/62085.html (preview available) (дата обращения: 21.08.2025).

199. Jiao W., Wang W., Huang J.-t., Wang X., Shi S., Tu Z. Is ChatGPT A Good Translator? Yes With GPT-4 As The Engine // arXiv. 2023. arXiv:2301.08745. DOI: 10.48550/arXiv.2301.08745. URL: https://arxiv.org/abs/2301.08745 (дата обращения: 12.07.2025).

200. Jurafsky D., Martin J. H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (3rd ed.): online manuscript. — 2019. — URL: https://web.stanford.edu/~jurafsky/slp3/ (дата обращения: 09.02.2025).

201. Legal English for International Contracts: Drafting and Interpretation Practices. - URL: https://www.lexisnexis.com/en-us/terms/default.page (дата обращения: 13.08.2025).

202. Master Services Agreement — Microsoft Cloud Agreement. - URL: https://www.microsoft.com/licensing/docs/download/Microsoft-Cloud-Agreement-ENG.pdf (дата обращения: 17.01.2025).

203. SEC. Asset Purchase Agreement Template. - URL: https://www.sec.gov/Archives/edgar/data/0000000000/0000000000-00-000000-index.htm (дата обращения: 11.11.2024).

204. Software License Agreement - Oracle Standard.- URL: https://www.oracle.com/assets/standard-license-agreement-3606396.pdf (дата обращения: 17.01.2025).

205. Technical Specification ETSI EN 303 645 V2.1.1: Cyber Security for Consumer Internet of Things. - URL: https://www.etsi.org/deliver/etsi_en/303600_303699/303645/02.01.01_60/en _303645v020101p.pdf (дата обращения: 23.08.2025).

Корпусы и базы данных текстов:

206. arXiv Dataset. - URL: https://www.kaggle.com/datasets/Cornell-University/arxiv

207. British National Corpus (BNC). - URL: https://www.english-corpora.org/bnc/

208. Cambridge Corpus of Legal English. - URL: https://www.cambridge.org/elt/corpus/corpora_legal.htm (дата обращения: 15.08.2025).

209. Corpus of Contemporary American English (COCA). - URL: https://www.english-corpora.org/coca/

210. FiQA Sentiment Analysis Dataset. - URL: https://www.kaggle.com/datasets/ankurzing/sentiment-analysis-for-financial-news

211. International Classification for Standards. - URL: https://www.iso.org/files/live/sites/isoorg/files/archive/pdf/en/international_c lassification_for_standards.pdf

212. iWeb: The Intelligent Web-based Corpus. - URL: https://www.english-corpora.org/iweb/

213. Legal Case Reports Corpus (BAILII). URL: https://www.bailii.org/

214. SEC Edgar 10-K/10-Q Filings 2008 - 2023. - URL: https: //www.kaggle. com/datasets/j amesglang/sec-edgar-company-facts-september2023

Приложение А

Архитектурно-функциональная классификация моделей машинного перевода по способу и возможности

обработки концептуальной и интенциональной информации

Категория Когнитивно-архитектурный Прагматическая Прикладной контекст и Прогнозируемые

профиль адаптивность примеры проблемы

1. Формально- Архитектура: правила или Нулевая. Перевод Контекст: черновой Концепты: полная

статистические статистика n-грамм. буквальный. макроперевод для зависимость от словаря;

модели Знания: жесткие Игнорирует речевые последующей полной ручной полисемия не разрешается.

правила/таблицы соответствий. акты, модальность, правки. Интенция: не

Смысл: не моделируется. коннотации. Примеры: RBMT (PROMT), распознается и не

SMT (ранний Google передается.

Translate).

2. Контекстуальн Архитектура: нейросети Ограниченная. Мож Контекст: массовый онлайн- Концепты: проблемы с

о-нейросетевые (Transformer), обученные на ет передавать явные перевод для общего редкими и

модели (NMT) параллельных корпусах. модальные маркеры, понимания; основа для институциональными

Знания: Имплицитные, но не различает их постредактирования. терминами.

извлеченные в эмбеддинги. прагматическую Примеры: современные Интенция: смешение

Смысл: Контекстуально- силу. Слабо Google Translate, Yandex регистров модальности

обусловленные представления реагирует на Translate, базовый DeepL. (должен/следует); потеря

на уровне предложения/абзаца. косвенные речевые авторской оценки.

акты.

Категория Когнитивно-архитектурный Прагматическая Прикладной контекст и Прогнозируемые

профиль адаптивность примеры проблемы

3. Универсальны Архитектура: генеративные Избирательно- Контекст: сложные/творческ Концепты: «Галлюцинаци

е языковые модели, предобученные на высокая. Могут ие тексты; интеллектуальный и» - генерация

модели (ЦЬМ) в гигантских разнородных адаптировать стиль помощник переводчика. правдоподобных, но

режиме перевода данных. по инструкции. Риск Примеры: GPT-5, Claude, неточных терминов.

Знания: экстралингвистически галлюцинаций. Gemini в режиме перевода; Интенция: Нарушение

е. DeepL Write. баланса между

Смысл: способность к адекватностью и

семантическим рассуждениям креативностью в

и широкому контексту. специальных текстах.

4. Гибридные Архитектура: комбинация Целевая. направлена Контекст: специализированн Концепты: Высокая

системы LLM со структурированными на точность в узкой ые домены (юриспруденция, точность терминов, но

(усиленные внешними источниками (RAG) области или на медицина); перевод ограниченность

знаниями / Знания: верифицируемые адекватность в мультимедиа. привязанными

мультимодальны внешние данные + конкретной ситуации. Примеры: источниками.

е) генеративные способности. экспериментальные RAG- Интенция: Проблема

Смысл: попытка системы; переводчики в AR- интерпретации прагматики

управляемого семантического очках; сервисы перевода с через структурированные

моделирования. анализом изображений. данные.

Методология экспертной оценки перевода концептуальной и интенциональной информации в специальных

текстах

Критерий Теоретическое обоснование Параметры оценки Типичные ошибки машинного перевода Примеры

1. Интенциональная «Интенция - это 1.1. Интерпретация • Подмена иллокутивной Оригинал: It is

сохранность целеустановка речевых актов: силы (напр., recommended that the

Оценка точности высказывания, его • Констатация рекомендации на procedure be followed.

передачи прагматическая • Предписание предписание). Ошибка МП: Необходимо

коммуникативного направленность на • Рекомендация • Неразличение следовать

намерения автора достижение • Условие обязывающей и процедуре. (подмена

определенного эффекта» 1.2. Передача рекомендательной интенции)

[Сдобников, 2006, с. 45]. модальности: модальности. Верно: Рекомендуется

• Долженствование • Нейтрализация соблюдать процедуру.

• Возможность оценочных маркеров, —

• Вероятность утрата градуальности. Оригинал: The contractor

1.3. Сохранение shall ensure compliance.

авторской оценки: Ошибка МП: Подрядчик

• Степень должен обеспечить

достоверности соответствие.(ослабление

Критерий Теоретическое обоснование Параметры оценки Типичные ошибки машинного перевода Примеры

• Важность модальности)

• Новизна Верно: Подрядчик обязуется обеспечить соответствие.

2. Концептуальная «Переводчик должен 2.1. Адекватность • Игнорирование Оригинал: penalty clause

точность уметь вычленять передачи типа онтологии концепта Ошибка МП: штрафной

Оценка адекватности инвариантное ядро концепта (на основе (напр., перевод пункт (искажение

репрезентации значения и находить функционально- системного термина как дефинитивного концепта)

ключевых концептов и средства его адекватного онтологической общеупотребительного Верно: неустойка

их системных связей выражения на языке классификации): слова). ---

перевода» [Комиссаров, • Дефинитивные • Разрыв системных Оригинал: a pledge as an

1990, с. 118]. (нормативные) связей между encumbrance

• Системно- концептами. Ошибка МП: залог как

структурные • Буквальный перевод обременение (потеря

• Процедурные институционально- системной связи)

(сценарные) зависимых концептов без Верно: залог как вид

• Институционально- учета правового поля. обременения

зависимые • Приуменьшение или ---

Критерий Теоретическое обоснование Параметры оценки Типичные ошибки машинного перевода Примеры

• Количественно- усиление градуальности Оригинал: catastrophic risk

параметрические в оценочных концептах. Ошибка МП: серьезный

• Оценочно- риск (потеря

рисковые градуальности)

2.2. Сохранение Верно: катастрофический

концептуальных риск

связей:

• Иерархия (род-вид)

• Логика процесса

• Причинно-

следственные связи

3. Когнитивная «Текст является не 3.1. Логическая • Нарушение логики Оригинал: The system is

согласованность простой связность: аргументации из-за efficient. It reduces costs.

Оценка связности и последовательностью • Корректность ошибок в переводе Ошибка МП: Система

логической предложений, а передачи союзов и союзов (напр., provided эффективна. Они снижают

непротиворечивости сложным структурно- логических that ^ если вместо при затраты.(ошибка

текста после смысловым единством» операторов. условии что). референции)

перевода [Гальперин, 1981, с. 18]. • Сохранение • Ошибки в согласовании Верно: Система

Критерий Теоретическое обоснование Параметры оценки Типичные ошибки машинного перевода Примеры

временных и местоимений, ведущие к эффективна. Она снижает

причинно- неясности референции. затраты.

следственных • Нарушение связности

отношений. текста на стыке

3.2. предложений.

Референциальная

точность:

• Правильное

разрешение анафоры

(местоимений).

• Корректная

передача дейксиса.

Уровень искажения Интенциональный сбой Концептуальное следствие Пример Системная причина

Каскадное Подмена рекомендации на предписание Потеря градуальности обязательства should ^ должны (Yandex/DeepL) Неразличение шкалы модальности в жанре

Редуктивное Упрощение модальности Детерминологизация концепта shall ^ обязан (Yandex) vs обязуется Отсутствие жанрового прагматического модуля

Системное Искожение юридической интенции Искажение процедурного аспекта pierce ^ заглянуть (Yandex) Локальность анализа vs. деятельностная природа правовых актов

Онтологическое Потеря юридической интенции Подмена институционального концепта бытовым equity ^ справедливость (все системы) Отсутствие доступа к правовым онтологиям

Контекстуальное Буквальная передача формулы Прагматическое искажение гарантии to the best of knowledge ^ насколько известно Неспособность к прагматической адаптации устоявшихся формул

Уровень искажения Интенциональны Концептуальное Пример из анализа Системная

й сбой следствие причина

Каскадное Ослабление или Искажение оценки «subject to» ^ «с учетом» Неспособность

усиление риска, изменение (Google): ограничение ^ фон. моделировать

модального оттенка прогнозной картины «should disclose» ^ «должна градуированную

(вероятности, раскрывать» шкалу модальности

уверенности) (Google/Yandex): рекомендация ^ импер атив. в рамках аналитического жанра.

Редуктивное Нивелирование Подмена «tightening cycle» ^ «ужесточение Обработка лексем

оценочной или терминологизированной денежно-кредитной вне их

прогностической метафоры ее буквальным политики» (Google). Образ цикла- терминосистемных

интенции, или прямым значением, сжатия ^ прямое описание. связей;

заложенной в потеря концептуальной нераспознавание

метафоре емкости метафоры как целостного терминологическог о концепта.

Уровень искажения Интенциональны Концептуальное Пример из анализа Системная

й сбой следствие причина

Системное Локальное Разрыв причинно- Подмена «fiscal consolidation» (концепт Локальный

(когерентности) сохранение следственных или макроэкономической политики) контекстуальный

интенции иерархических связей на «консолидация анализ

высказывания между концептами в бюджета» (конкретная процедура) недостаточен для

рамках текста (DeepL). Нарушает связь с концептами построения

«суверенный долг» и «устойчивый целостной модели

рост». текста.

Онтологическое Искажение Подмена или «fairly present» ^ «достоверно Отсутствие доступа

прагматической размывание финансово- отражает» (Yandex): концепт к

роли субъекта учетного концепта, «справедливого профессиональным

(автора/агента) ведущее к смене его представления» ^ общее дискурсивным

дискурсивной функции утверждение. онтологиям (напр.,

«to the best of knowledge» ^ «по МСФО,

мнению» (DeepL): констатация аудиторские

пределов стандарты),

осведомленности ^ субъективное определяющим

мнение. функции и значения

концептов.

Уровень искажения Интенциональны Концептуальное Пример из анализа Системная

й сбой следствие причина

Калькирующее Формальная Создание «liquidity cushion» ^ «подушка Преобладание

передача интенции немотивированной или ликвидности» (Google). Функциональны статистических

описания стилистически й резерв ^ буквальный образ, не соответствий из

чужеродной кальки укорененный в норме русского параллельных

вместо устоявшегося профессионального дискурса. корпусов над

термина моделированием системы терминообразовани я целевого языка.

Уровень искажения Интенциональный Концептуальное Пример из анализа Системная причина

сбой следствие

Каскадное Унификация или Создание «must be shut down» ^ Неспособность

ослабление степени семантически «необходимо выключить» моделировать и

категоричности «плоского» текста, где (Yandex): прямое предписание к передавать

предписаний. критические объекту ^ безличная необходимость. деонтическую иерархию

требования «should be disconnected» ^ «должно (must > should >

неотличимы от быть отключено» recommended) в рамках

рекомендаций. Это (Google): рекомендация передана той регламентирующего

размывает иерархию же формой, что и обязательное дискурса инструкций.

безопасности. «must», стирая разницу.

Редуктивное Устранение образной Потеря когнитивной «bottleneck» ^ «временное Обработка лексем вне их

компоненты термина модели и ограничение пропускной укорененной в

при сохранении объяснительной силы способности» профессиональном

описательной логики. термина. Концепт (Google/Yandex/DeepL): устоявшаяся сознании образной

теряет целостность, метафора «узкое место» заменена основы. Алгоритм

превращаясь в сухим описанием. стремится к буквальной

формальное описание. «resilience» ^ «устойчивость» или максимально

(Google): концепт «живучести» нейтральной передаче,

Уровень искажения Интенциональный сбой Концептуальное следствие Пример из анализа Системная причина

(способности к восстановлению) сведен к статичному свойству. игнорируя терминологизированные метафоры.

Системное Искажение последовательности или субъекта действия в инструкции. Нарушение регламента эксплуатации или обслуживания. В текст вносится не предусмотренная оригиналом операция. «inspected by qualified personnel» ^ «передать для проверки квалифицированному персоналу» (DeepL): предписание об осмотре ^ предписание о передаче. Добавляется лишний, потенциально опасный этап. Локальный синтаксический анализ без учета деятельностного контекста жанра. Система не оперирует целостными процедурными схемами, характерными для технических руководств.

Онтологическое Подмена технического концепта более общим или смежным понятием. Нарушение точности описания системы, что может привести к ошибкам в идентификации компонентов или процедур. «mechanical frame» ^ «механическая конструкция» (Yandex): конкретный тип несущей конструкции («рама», «каркас») ^ общее понятие. «safety guards» ^ «защитные устройства» (Yandex): конкретные Отсутствие доступа к узкоспециальным онтологиям и таксономиям технических систем, где важна дифференциация частных понятий.

Уровень искажения Интенциональный Концептуальное Пример из анализа Системная причина

сбой следствие

«ограждения» ^ более широкий

класс устройств.

Калькирующее Буквальный перенос Создание «thermal/heat drift» ^ «тепловой Преобладание

формы термина стилистически дрейф» (калька, особенно статистических

вместо использования чужеродных, Google/DeepL): менее соответствий из

устоявшегося аналога. «неестественных» для употребительный вариант против параллельных корпусов

целевого языка устоявшегося «температурное (где кальки частотны)

терминов, снижающих смещение/дрейф». над моделированием

восприятие текста как «stress test» ^ «стресс-тест» естественных для

профессионального. (калька):допустимо, но в ряде целевого языка систем

контекстов менее точно, чем терминообразования и

«испытание на прочность». стилистических норм

жанра.

Приложение Е

Перечень ответов языковой модели ChatGPT 5.2 на последовательные инструкции по переводу

юридического текста

Промпт Результат

«Переведи на русский язык следующий фрагмент договора: [текст]. Раздел 3. Обязанности Получающей стороны 3.1. Получающая сторона обязуется хранить и обеспечивать сохранность Конфиденциальной информации в строжайшей тайне исключительно в интересах и на благо Раскрывающей стороны. 3.2. Получающая сторона не вправе прямо или косвенно раскрывать, публиковать либо иным образом предоставлять какую-либо Конфиденциальную информацию третьим лицам, за исключением случаев, когда такое раскрытие прямо разрешено Раскрывающей стороной в письменной форме. 3.3. Получающая сторона обязана внедрять и поддерживать надлежащие технические и организационные меры для обеспечения уровня безопасности, соразмерного рискам, включая, помимо прочего, предотвращение несанкционированного «обратного проектирования» или «декомпиляции» переданного программного обеспечения. 3.4. Получающая сторона вправе хранить одну архивную копию Конфиденциальной информации исключительно в целях соблюдения требований законодательства и нормативного регулирования, при условии, что такая копия остается полностью подчиненной всем обязательствам, предусмотренным настоящим Соглашением. 3.5. Получающей стороне рекомендуется проводить оценку воздействия на конфиденциальность (privacy impact assessment) до внесения любых существенных изменений в свою деятельность по обработке информации.

Промпт Результат

3.6. Получающая сторона должна незамедлительно уведомить Раскрывающую сторону при обнаружении любого фактического или предполагаемого нарушения безопасности, при этом такое уведомление не рассматривается как признание вины или ответственности. 3.7. В случае возникновения спора Стороны обязуются в первую очередь стремиться к его разрешению путем переговоров добросовестно. В случае если спор не будет урегулирован таким образом, любая из Сторон вправе инициировать обязательный арбитраж. 3.8. Ничто в настоящем Соглашении не направлено на создание между Сторонами отношений совместного предприятия, партнерства либо агентских отношений.

«Ты — профессиональный юридический переводчик. Переведи на русский язык следующий фрагмент договора, используя адекватную русскую юридическую терминологию и сохраняя стиль документа: [текст]». Раздел 3. Обязанности Принимающей стороны 3.1. Принимающая сторона обязуется сохранять Конфиденциальную информацию в режиме строгой конфиденциальности и обеспечивать ее защиту исключительно в интересах Раскрывающей стороны. 3.2. Принимающая сторона не вправе без предварительного письменного согласия Раскрывающей стороны прямо либо косвенно раскрывать, публиковать или иным образом делать доступной Конфиденциальную информацию каким-либо третьим лицам, за исключением случаев, прямо предусмотренных таким письменным разрешением. 3.3. Принимающая сторона обязуется внедрять и поддерживать надлежащие технические и организационные меры защиты, обеспечивающие уровень безопасности, соразмерный соответствующим рискам, включая, в числе прочего, предотвращение несанкционированного обратного проектирования (reverse engineering) и декомпиляции переданного программного обеспечения. 3.4. Принимающая сторона вправе хранить одну архивную копию Конфиденциальной информации исключительно в целях соблюдения требований законодательства и нормативного регулирования, при

Промпт Результат

условии, что такая копия в полном объеме подпадает под действие всех обязательств, установленных настоящим Соглашением. 3.5. Принимающей стороне рекомендуется до внесения любых существенных изменений в осуществляемую ею деятельность по обработке информации провести оценку воздействия на защиту персональных данных и конфиденциальность (privacy impact assessment). 3.6. Принимающая сторона обязуется безотлагательно уведомить Раскрывающую сторону о любом выявленном либо предполагаемом инциденте информационной безопасности; при этом такое уведомление не считается признанием вины или ответственности Принимающей стороны. 3.7. В случае возникновения спора из настоящего Соглашения или в связи с ним Стороны обязуются прежде всего предпринять меры по его урегулированию путем добросовестных переговоров. В случае недостижения соглашения любая из Сторон вправе передать спор на разрешение в обязательный арбитраж. 3.8. Ничто в настоящем Соглашении не подлежит толкованию как создание между Сторонами отношений совместной деятельности (joint venture), партнерства либо агентских отношений.

«Ты выполняешь перевод для исследования по когнитивной лингвистике. Проанализируй интенциональную структуру данного фрагмента договора [текст]. Определи типы речевых актов (предписание, Фрагмент относится к типичному нормативно-регулятивному дискурсу договора о конфиденциальности. Доминирующая интенция — установление обязанностей и ограничений Принимающей стороны, с вторичными интенциями смягчения ответственности и процедурного урегулирования. Системные связи Иерархия норм: 3.1-3.3 формируют ядро строгих обязательств; 3.4-3.6 — периферийные, смягченные или факультативные нормы. Компенсаторная конструкция: 3.6 сочетает обязанность уведомления с отказом от презумпции вины.

Промпт Результат

разрешение, рекомендация) и силу модальности (shall, must, should и т.д.). Затем выполни перевод на русский, максимально сохраняя: а) тип и силу выявленных речевых актов, б) точность юридических терминов (концептов), в) системные связи между ними. Свой краткий анализ и перевод оформи в виде ответа». Метадискурсивный «предохранитель»: 3.8 блокирует расширительное толкование договора. 2. Перевод с сохранением интенциональной структуры Раздел 3. Обязанности Принимающей стороны 3.1. Принимающая сторона обязуется хранить и обеспечивать сохранность Конфиденциальной информации в режиме строжайшей конфиденциальности исключительно в интересах Раскрывающей стороны. 3.2. Принимающая сторона не вправе прямо либо косвенно раскрывать, публиковать или иным образом предоставлять Конфиденциальную информацию любым третьим лицам, за исключением случаев, когда такое раскрытие прямо разрешено Раскрывающей стороной в письменной форме. 3.3. Принимающая сторона обязана внедрять и поддерживать надлежащие технические и организационные меры, обеспечивающие уровень безопасности, соразмерный соответствующим рискам, включая, в частности, предотвращение несанкционированного обратного проектирования (reverse engineering) либо декомпиляции переданного программного обеспечения. 3.4. Принимающая сторона вправе хранить одну архивную копию Конфиденциальной информации исключительно в целях соблюдения требований законодательства и нормативного регулирования, при условии, что такая копия остается полностью подчиненной всем обязательствам, предусмотренным настоящим Соглашением. 3.5. Принимающей стороне рекомендуется до внесения любых существенных изменений в осуществляемую ею деятельность по обработке информации провести оценку воздействия на конфиденциальность (privacy impact assessment).

Промпт Результат

3.6. Принимающая сторона должна без промедления уведомить Раскрывающую сторону о любом выявленном либо предполагаемом нарушении безопасности; при этом такое уведомление не подлежит толкованию как признание вины или ответственности. 3.7. В случае возникновения спора Стороны обязуются в первую очередь стремиться к его урегулированию путем добросовестных переговоров. В случае недостижения соглашения любая из Сторон вправе инициировать обязательный арбитраж. 3.8. Ничто в настоящем Соглашении не направлено и не подлежит толкованию как создание между Сторонами отношений совместного предприятия, партнерства либо агентских отношений.

«Переведи фразу "the Court must look beyond the corporate veil" на русский юридический язык. Перед переводом выполни пошаговое рассуждение: 1) Раскрой смысл идиоматического юридического концепта "pierce/look beyond the corporate veil". 2) Определи интенцию высказывания (что должен сделать суд?). 3) Подбери устоявшийся русский Ниже — краткий, профессиональный анализ без избыточного рассуждения, с последующим итоговым переводом. 1) Смысл юридического концепта "Pierce / look beyond the corporate veil" — доктринальный институт корпоративного права (преимущественно common law), означающий игнорирование принципа самостоятельной правосубъектности юридического лица и возложение ответственности на контролирующих лиц (учредителей, бенефициаров, директоров), когда корпоративная форма используется злоупотребительно (fraud, sham, alter ego). 2) Интенция высказывания Высказывание предписывает суду не ограничиваться формальным существованием юридического лица, а оценивать реальное экономическое и контрольное содержание отношений за корпоративной оболочкой. 3) Устоявшийся русский юридический эквивалент В русском юридическом дискурсе используются следующие эквиваленты:

Промпт Результат

эквивалент этого концепта. 4) Учти, что модальный глагол "must" выражает категоричное предписание. На основе этого рассуждения дай итоговый перевод.» «преодолеть корпоративную вуаль» «снять (преодолеть) корпоративную завесу» «игнорировать корпоративную оболочку» (менее терминологично) Наиболее нейтральный и академически устоявшийся вариант — «преодоление корпоративной вуали». 4) Учет модальности must Модальный глагол must выражает категоричное, императивное предписание, что в русском юридическом языке передается через: «обязан» «должен» Итоговый перевод «Суд обязан преодолеть корпоративную вуаль.» Допустимый расширенный вариант (в контексте мотивировочной части): «Суд обязан выйти за пределы формальной корпоративной структуры и преодолеть корпоративную вуаль.»