一、機器翻譯現(xiàn)在能做什么

　　針對我們當前機器翻譯的發(fā)展狀況，我們可用以下的案例來說明。5年連續(xù)用機器翻譯同一個句子，通過結果對比，我們可以從流暢度、準確度等方面看出，機器譯文翻譯質量是在不斷提高的。

　　這也有賴于近幾年機器翻譯的發(fā)展——2016-2017年，谷歌翻譯上線神經網(wǎng)絡機器翻譯，此后各機器翻譯企業(yè)也跟進了這方面的研發(fā)，譯文流暢度得到大幅提升;特別是在2018年，微軟公司宣布在新聞翻譯系統(tǒng)特定領域，其質量超過人工翻譯，可以窺見機器翻譯近幾年突飛猛進的現(xiàn)狀。

　　同時，我們也可以開出機器翻譯應用場景也大大拓寬，大體上可以分為開放翻譯系統(tǒng)、私有系統(tǒng)、機器翻譯與場景的融合。其中，私有翻譯系統(tǒng)是一個較明確的商業(yè)化方向，根據(jù)用戶數(shù)據(jù)實現(xiàn)定制化，無需聯(lián)網(wǎng)，滿足了不少B端和G端用戶需求。

　　國內外也出現(xiàn)了較多出色的機器翻譯公司，視頻翻譯也成為了一個熱潮，字幕通、網(wǎng)易見外、Videolocalize和人人譯視界等平臺逐漸發(fā)揮出優(yōu)勢;各種新聞資訊翻譯平臺也得到了大眾的認可;另外，電商翻譯、跨語言搜索、跨語言大數(shù)據(jù)分析蓬勃發(fā)展，網(wǎng)絡小說出海，翻譯APP、翻譯機/翻譯耳機、AI同傳等產品逐漸受到大眾歡迎。

　　二、機器翻譯還不能做什么

　　雖說機器翻譯發(fā)展很迅猛，但當前機器翻譯的發(fā)展還是具有局限性的，主要有漏譯、上下文不一致等現(xiàn)象，在技術層面則存在大部分語言數(shù)據(jù)稀疏、神經網(wǎng)絡可解釋性差，融合語言知識難度大，缺乏客觀評價標準等問題。具體而言，在技術層面，也面臨著一些瓶頸，大部分語言數(shù)據(jù)稀疏，除中英外，其他語種的語料十分稀缺，比如東南亞語種;另一方面，神經網(wǎng)絡可解釋性還不夠高，還是一個黑盒子;機器翻譯在當前融合語言知識的“性價比”還不高;機器翻譯缺乏客觀評價標準，計算機語言沒有絕對的量化指標衡量譯文的好壞，不可能做到計算機完全取代人工翻譯。

　　機器翻譯什么時候像人工翻譯一樣好?李總用了兩個圖形象地說明：機器翻譯在進行文字轉換的過程中，會丟失大量的文化、常識、背景等信息，這是機器翻譯短期無法像人工翻譯一樣好的重要原因。

　　三、機器翻譯和人工翻譯邊界的幾點思考

　　機器翻譯和人工翻譯比拼的不是語言能力，文字轉換能力，而是語言背后的背景知識、常識、推理、文化。語言文化知識目前很難用計算機語言來描述和自動化;第二，機器翻譯在可見未來的使命是完成語言層面的轉換(單詞、詞法、句法關系那些死記硬背的、學外語過程中痛苦大于樂趣的東西)，但不是文化和思維(那恰恰是學外語的樂趣所在);第三，高維和低維邊界模糊(比如陪同翻譯對計算機而言場景更復雜，更難勝任、相反和同傳卻天然存在一些能力上的重合)，情感和文化上的交流很難通過機器來實現(xiàn)。

　　四、2030年的兩類譯者會是什么樣子?

　　在講者看來，在2030年會產生兩種譯者。

　　**，各行業(yè)非專業(yè)譯者。我們可以從歷史中看出，隨著技術的發(fā)展，特定行業(yè)都會發(fā)生平民化趨勢——上個世紀曾經光鮮靚麗的打字員在計算機普及的趨勢下，逐漸消失;2010年，“美圖秀秀”之類的圖片編輯軟件的普及讓大眾具有了部分“P圖”的能力;2020年，短視頻，視頻剪輯被大眾所熟悉，可謂人人皆可化身視頻剪輯師;2040年，伴隨著今天“編程從娃娃抓起”的現(xiàn)狀，人人皆軟件開發(fā)者。具體而言，新譯者和傳統(tǒng)譯者是存在著能力差別的。這里可以提到了譯者A核心能力模型變化———傳統(tǒng)譯者對比新譯者，在專業(yè)知識方面會次于新譯者，比如說前幾年某引入了醫(yī)療機器翻譯系統(tǒng)的語言服務企業(yè)，在招聘時候已經有所傾向，相比于招語言專業(yè)背景的人員，生命科學專業(yè)人員更受青睞。

　　第二，學外語出身的新型譯員。這種譯員的特點是——有個人定制級的機器引擎，超出機器翻譯水平的語言能力且不甘只做譯后編輯這樣的“清潔工”工作，技術賦能的相關工具(檢索、術語、項目管理)，個人數(shù)據(jù)、信用資產(區(qū)塊鏈)。

　　五、給翻譯專業(yè)同學的一些建議

　　**后，講者給翻譯專業(yè)同學的一些建議。**，未掌握超過機器翻譯的語言能力，如果要從事翻譯行業(yè)，對語言素質方面要對自己要有極高的要求，譯者永遠要讓機器翻譯服務于自身;

　　第二，要學會善用、理解技術。理解技術背后的原因，比如說鳥派學和空氣動力學派之于飛行、規(guī)則還是數(shù)據(jù)驅動之于機器翻譯，;第三，深扎幾個領域，比如說醫(yī)療、金融、法律。同時，個人數(shù)據(jù)、信用資產，未來透明信用社會下，區(qū)塊鏈等信用資產是一個很好的起點。

　　針對于翻譯老師的建議，講者強調要關注翻譯技術、市場，很多翻譯理論研究有局限性，傳承性不高，有些還不具有解釋性;其次翻譯技術可能不只是軟件操作，更重要的是一種解決實際問題的開放心態(tài)。

　　同時，面向不想做翻譯同學，講者也提供了一些建議。**，要認識到學語言本來就不限于翻譯職業(yè)，語言背后有著文化、思維的拓展;借助語言能力增加信息寬帶縱深，進入職業(yè)市場，只有專業(yè)知識，才有立足的一席之地。

　　**后，講者提出了一些具有啟發(fā)性的總體建議。**，跟隨自己的熱情，不能盲目追求熱點，比如30年前，語言專家在機器翻譯研發(fā)中占主導，30年后的今天，則是算法工程師主導，可謂“三十年河東，三十年河西”。如果對語言感興趣，不妨深扎語言，機器永遠無法取代。第二，AI重塑生產力是社會范圍的，比如同傳、金融分析師、放射科醫(yī)生等等，并不局限在翻譯行業(yè)。在這樣的變化下，更重要是的如何適應變化。第三，變商：《贏在扭轉力》一書中提到了“10倍速時代，應變能力比起點重要”。

　　本文摘自《AI時代：2030年的譯者會是什么樣子?》講座