现代技术与语言翻译的未来

前言：

语言翻译领域从未如此令人兴奋。由于人工智能、机器学习和自然语言处理的不断发展，翻译管理系统生成准确的实时翻译的机会很多。在这篇文章中，Adriano Raiano 讨论了语言翻译平台的演变，详细介绍了我们如何走到今天这一步，以及在未来几年中我们可以期待的进展。

多语种内容开发带来了一系列困难，需要密切关注语言翻译并使用合适的工具。令人兴奋的是，随着时间的推移，翻译技术取得了显著的进步。

在这篇文章中，我们将探讨翻译技术的发展历程，以及它的起源，并将重点讨论机器翻译和人工智能（AI）在处理翻译时是否真的胜过传统方法。在这个过程中，我们将讨论自动化语言翻译方法所提供的令人着迷的机遇，同时分析它们的优势和潜在的缺点。

最后，我们将展望语言翻译的未来，特别是 OpenAI 和 Google 在争夺 AI 领域主导地位的激动人心的竞争。

翻译技术的演进

翻译技术可以追溯到 阿尔-金迪（Al-Kindi）有关解密密码信息的手稿。然而，随着 20 世纪中叶计算机的出现，翻译技术开始成型。多年来，重要的里程碑标志着翻译技术的演进，塑造了翻译执行的方式，并增强了语言专业人员的能力。

图片来源: Reddit. (Large preview)

在 1950 年代，乔治敦大学和 IBM 进行了所谓的 乔治敦-IBM实验。该实验的主要目的是通过展示机器翻译的能力来吸引政府和公众的兴趣和资金支持。然而，该系统远未达到完整功能。这个早期系统是基于规则和词典的，导致可靠性低且翻译速度慢。尽管存在缺点，但它为未来该领域的进步奠定了基础。

20 世纪 80 年代末和 90 年代初，IBM 的研究人员开创了 统计机器翻译（SMT） 的兴起。通过利用双语语料库，SMT 改进了翻译准确性，并为更高级的翻译技术奠定了基础。

在 90 年代初，商业化的 计算机辅助翻译（CAT) 工具开始广泛应用，赋予翻译人员更强大的能力，并提高生产效率。这些工具利用翻译记忆、词汇表和其他资源来支持翻译过程，增强了效率。

20 世纪 90 年代末，IBM 推出了一个 基于规则的统计翻译引擎(pdf)，成为进入新世纪的行业标准。IBM 的翻译引擎引入了预测算法和统计翻译，将机器翻译带到了语言翻译技术的前沿。

进入 21 世纪初，市场上开始出现第一批 基于云的翻译管理系统（TMS） 。虽然在 20 世纪 80 年代中期已经有一些非云端的版本，但这些现代化的系统通过允许团队成员更加灵活地合作，并与公司其他成员进行协作，彻底改变了翻译流程。基于云的方法改善了可访问性、可扩展性和协作能力，完全改变了翻译项目的管理方式。

2006 年是翻译管理领域的一个重要里程碑，因为这一年标志着 谷歌翻译（Google Translate） 的推出。谷歌翻译利用预测算法和统计翻译，将机器翻译带给大众，成为在线多语种翻译的事实标准工具。尽管谷歌翻译具有强大的功能，但它因不准确的翻译而声名狼藉。然而，它在让更多人了解和使用翻译技术方面发挥了关键作用，为未来的进步铺平了道路。

图片来源: Bureau Works. (Large preview)

在 2016 年，谷歌翻译迈出了重要的一步，引入了 神经网络机器翻译（NMT）。NMT 超越了之前的翻译工具，提供了更高质量、更流畅和更保留上下文的翻译结果。

NMT 确立了新的商业标准，并推动了这一领域的进步。到了 2017 年，DeepL 作为一个以人工智能为动力的机器翻译系统崭露头角，以其高质量的翻译和自然流畅的输出而闻名。DeepL 的能力进一步展示了翻译技术领域所取得的进步。

从 2018 年开始，重点一直放在提升 NMT 模型上，它继续优于传统的 统计机器翻译（SMT） 方法。NMT 在提高翻译准确性方面表现出色，并已成为当今许多翻译应用中首选的方法。

这些年来出现了哪些翻译技术

翻译技术在多年来取得了显著进步，提供了各种工具来增强翻译过程。主要类型的翻译技术包括：

• 计算机辅助翻译（Computer-assisted translation）这些软件应用程序通过提供先前翻译的数据库、翻译记忆、词汇表以及高级搜索和导航工具来支持翻译人员。CAT 工具通过提高效率，使翻译人员能够更专注于翻译本身，彻底改变了翻译过程。

• 机器翻译（Machine translation，MT）机器翻译是一种自动化系统，可以在无人干预的情况下生成翻译内容。它可以分为基于规则的（RBMT）、统计的（SMT）或神经网络的（NMT）等不同的方法。机器翻译的输出质量因语言对、主题内容、预处理、可用的训练数据和后编辑资源而异。对于影响较小的内容，可以使用原始机器翻译，而对于影响较大或敏感的内容，建议由人工翻译人员进行后编辑。

• 翻译管理系统（Translation management systems，TMS）翻译管理系统平台简化了翻译项目管理，提供对多种语言和文件格式的支持，实时协作，与计算机辅助翻译工具和机器翻译的集成，报告功能以及定制选项。翻译管理系统解决方案确保有组织的工作流程和可伸缩性，以便高效地处理翻译项目。

翻译技术的进步改变了翻译过程，使其更加高效、具有成本效益和可伸缩性。

找到合适的翻译方法：机器翻译 vs 人工翻译

寻找合适的翻译方法涉及权衡机器翻译（MT）和人工翻译之间的优势和缺点。每种方法都有其自身的优势和需要考虑的因素。

由专业语言学家和相关领域专家进行的人工翻译，提供了高准确性，尤其适用于法律和技术等复杂文件的翻译。人类可以理解语言的复杂性，运用自己的经验和直觉，提供高质量的翻译。他们可以深入分析一种语言，确保正确理解文化细微差别，并注入创意，使内容更加引人入胜。

与 人工翻译人员 合作，可以直接沟通，降低错过项目目标的可能性，并减少修订的需要。

图片来源: TechTalks. (Large preview)

尽管如此，人工翻译也存在一些缺点，主要体现在相比机器翻译，它需要大量资源和耗费时间。如果你曾经参与过多语种项目，那么你就了解人工翻译所涉及的成本——并非每个团队都有内部翻译人员，为特定项目找到一个合适的翻译人员可能非常困难。这往往导致成本较高，并且这个过程可能不符合紧迫的时间表或将速度置于上下文准确性之上的项目。

然而，当涉及本地化和捕捉特定目标受众的信息要义时，人工翻译在对内容进行微调方面表现出色。机器翻译无法复制人工翻译人员为内容带来的细腻触感。

另一方面，机器翻译 ——由人工智能和先进算法驱动——正在迅速改进其对上下文和文化细微差别的理解。与手动翻译相比，机器翻译提供了更快的速度和更高的成本效益，使其适用于那些优先考虑快速反馈且上下文准确性并非主要关注点的项目。

现代的翻译管理系统通常整合了机器和人工翻译能力，允许用户选择最合适的方法来满足其特定需求。将人工翻译人员与机器翻译工具结合起来可以创建一个强大的翻译工作流程。机器翻译可以作为起点，并与人工后编辑相结合，以确保语言准确性、文化适应性和整体质量。

翻译管理系统通常提供同时使用这两种方法的选项，从而允许根据内容性质、时间限制、预算和期望的结果进行灵活和优化。最终，找到适合的翻译方法取决于内容的性质、所需的准确性水平、项目目标、预算考虑以及时间限制。评估这些因素，并考虑人工翻译和机器翻译的优缺点，将指导您做出符合您或团队需求和目标的明智决策。

人工智能与机器翻译

由于机器学习和人工智能的进步，翻译技术近年来取得了长足的进展。然而，完全的翻译自动化目前尚不可行，因为人工翻译人员和专用的机器翻译工具提供了彼此互补的独特优势。

虽然OpenAI的模型，包括ChatGPT，可以执行机器翻译任务，但它们可能不具备与Google翻译和DeepL相同的专业化水平和领域特定知识。

OpenAI 的语言模型的主要目标是生成连贯和上下文适当的文本，而不是专门针对机器翻译对其模型进行精细调整。

与 ChatGPT 相比，Google 翻译和 DeepL 在处理 领域特定 句子时表现优秀，并考虑到了翻译过程中的障碍，例如接收音频输入时的背景声音。从这个意义上说，Google 翻译和 DeepL 已经展示出它们有效处理现实世界翻译挑战的能力，显示了它们不断改进和适应不同语言环境的能力。

机器翻译的未来

总体而言，就机器翻译而言，Google 翻译和 DeepL 已经确立自己作为该领域的领导者，专注于提供高质量的翻译。它们丰富的经验和持续改进的重点有助于它们在准确性和流畅性方面的声誉。虽然 OpenAI 的 ChatGPT 模型在技术上具备翻译功能，但可能没有同样专门针对机器翻译任务的优化或专业化水平。

值得注意的是，机器翻译领域不断发展，不同平台的相对优势可能随着时间变化。虽然 Google 翻译和 DeepL 在翻译质量方面已经表现出优越性，但值得考虑的是，OpenAI 对语言生成和自然语言处理研究的重点可能有助于未来改进其机器翻译能力。三个系统共同合作，可能会实现准确的翻译、速度和效率以及自然语言处理的完美结合。

OpenAI 致力于推动人工智能技术的发展，并以创新的成绩单闻名，这表明它可能会投入更多资源来改进机器翻译性能。随着 OpenAI 不断完善其模型并探索新的方法，有可能填补这一差距，并在翻译质量和专业化方面赶上 Google 翻译和 DeepL。

机器翻译领域竞争激烈，多个研究和工业参与者不断努力提高翻译模型。随着机器学习和神经网络的不断进步，可能会出现新的平台或模型，并改变当前的动态，引入更高质量的翻译或在特定领域提供专门化解决方案。

因此，尽管在 2023 年，Google 翻译和 DeepL 目前在翻译质量和领域特定专业知识方面占据优势，但必须承认未来几年竞争格局可能发生变化。随着技术的进步和新的突破，不同平台的相对优势和劣势可能会发生变化，引发机器翻译领域的令人兴奋的发展。

结论

总的来说，翻译技术的发展为多语言领域带来了进步：

• 翻译方法的选择取决于项目要求，考虑因素包括准确性、预算和期望的结果。

• 机器翻译提供速度和成本效益，而人工翻译在处理复杂内容方面表现优秀。

• 人工翻译人员与 AI 驱动的机器之间的合作是获得考虑声音和语调的准确翻译的最佳方式。

• 翻译管理系统在促进 AI 和人工翻译人员之间的协作方面起着至关重要的作用。

虽然 Google 翻译和 DeepL 已经展示出更高的翻译质量和专业化水平，但 OpenAI 对于类似人类文本生成的专注可能会导致机器翻译能力的改进。而且这些只是众多提供商中的几个。

这意味着翻译技术的未来非常光明，因为像 locize 等平台不断发展。正如我们所看到的，推动这一领域进一步发展的机会很多，未来几年的结果将令人期待。

进一步阅读

• AI技术将如何改变设计，Nick Babich 和 Gleb Kuznetsov

• 使用AI检测音频文件中的情感，Joas Pambou

• “智能对话界面的崛起”，Burke Holland

• 设计的未来：由人类驱动还是AI主导？，Keima Kai

原文链接