隨著數字化時代的發展，人工智能變得愈發強大。在未來，AI是否會完全代替人類，成為瞭當今的熱門話題。很多行業也會因此引發變革，翻譯領域便是其中之一。自動翻譯系統確實能為翻譯人員減少大量重復性工作，從而節省更多時間和預算成本，可以讓譯員專註於更加重要的工作。但是，人工智能主導的自動翻譯系統仍然存在局限性，對於很多需要靈活應變並且強調創造性的工作就是其短板所在。自動翻譯系統是如何工作的？BLEND多語言服務商為自動翻譯系統設置瞭完整的步驟流程，向客戶交付的翻譯成果均經過嚴格的多層質量把控。機器翻譯則是該流程中加速初始翻譯的一種工具。高質量的自動翻譯系統可以呈現出優質的初始翻譯結果，以確保初始翻譯成果在後續編輯及審核過程中可以更加順利，從而減少人工成本，提高工作效率。在初始翻譯後的一系列工作內容中，後期的人工編輯是絕對不可或缺的一步，更是彌補自動翻譯系統局限性的重要環節。BLEND可以為客戶提供優質的自動翻譯工具，對其產品、服務和網站進行翻譯及本地化工作，並且該系統可以根據用戶的偏好設置工作流程及自動化翻譯程度。機器翻譯的種類20世紀50年代，計算機致力於實現翻譯這一功能，其核心在於人類需要先“教會”計算機如何翻譯每一種語言，但難以攻克的技術難題則是處理各種復雜且海量的數據。直至2006年，谷歌翻譯作為一項免費服務被正式發佈，同時也引領瞭針對機器翻譯的研究熱潮。隨著機器翻譯技術的不斷發展，時至今日，許多翻譯軟件都可以通過自然語言處理（Natural Processing of Language）及時翻譯大量文本內容。NPL就是指將一種自然語言翻譯成另一種自然語言的技術，目前用於翻譯軟件的主流NPL共計4種：統計機器翻譯（SMT）：借助該系統，對大量平行語料進行統計分析，從而構建翻譯模型。在該模型中，將源語言與目標語言的單詞形成直接對應關系，從而實現翻譯功能。谷歌翻譯就是最為著名的統計機器翻譯系統。但是該系統的局限性在於無法結合上下文，將語境條件考慮其中，從而導致翻譯精準度的不足。基於規則的機器翻譯（RBMT）：該系統的工作原理在於研究源語言和目標語言的語法規則，通過該規則生成翻譯文本。但是其翻譯結果仍需要人工進行大規模地編輯和潤色。混合機器翻譯（HMT）：該系統將統計機器翻譯和基於規則的機器翻譯兩個系統相結合，使其本身具有更高的準確性。在使用該系統進行翻譯時，需要同時創建一個翻譯記憶庫，儲備所有翻譯對照本文，以供系統學習。因此該系統的特點在於使用的次數越多，它的翻譯質量就會越高。但是該系統生成的翻譯結果仍然需要進行大量的人工編輯和潤色打磨。神經機器翻譯（NMT）：神經機器翻譯是利用神經網絡模型來學習機器翻譯的一種統計模型。它的開發成本較高，但是其優點在於可以同時處理源語言和目標語言之間復雜的互譯關系。機器翻譯的價值機器翻譯十分適合用於結構化程度較高的技術性內容，例如法律、金融和IT文本等。除此之外，機器翻譯也可以大量減少公司內部的溝通成本。其原因在於，在公司內部溝通中人們往往追求的是效率，而不是高度精準的翻譯水平。但是，如果翻譯文本較為口語化或極具創意性時，例如品牌宣傳和市場營銷文案，機器翻譯的局限性就變得尤為明顯。即便如此，我們必須承認機器翻譯在自動翻譯系統中確實可以快速提供一個大致正確的譯文文本，但是在該文本交付於客戶之前，必須還要經過專業譯員的譯後編輯和審查，並且根據目標市場的文化背景，判斷文本內容是否從多角度符合本地化工作要求。這一步驟是機器翻譯至今無法企及的。機器翻譯的優勢比人工翻譯效率更高、成本更低適用於僅需獲取大致含義的海量文本內容適用於公司內部溝通適用於後期將繼續進行人工修改、潤色的文本（創譯過程）可以針對特定專業領域（例如法律文件）進行“訓練”有望支持全語種翻譯機器翻譯的劣勢翻譯結果準確性低翻譯文本脫離原文語境機器翻譯無法處理句子間的隱藏含義、俗語、隱喻、文風、語氣等不能用於因翻譯不準確，可能會引發生命安全問題的文本，例如航空手冊和醫療設備說明BLEND多語言服務商不僅能為客戶提供機器翻譯與在線自動翻譯相結合的服務方案，同時擁有一支經驗豐富、知識淵博的專業翻譯團隊，可以在機器翻譯的基礎上，對於翻譯結果進行審查，修正譯文存疑部分，並增加其創造性，以確保最終版本充分完成本地化工作，可以完美融入目標市場，助力客戶在目標市場擴大宣傳，提升品牌知名度，成功拓展海外市場，實現銷售額增長。
本文出自快速备案，转载时请注明出处及相应链接。