利用人工智能实现最佳机器翻译流程，从而加快项目进度并降低成本。
生成式人工智能（AI）已成为翻译行业的基石。它提高了效率，为语言服务提供商（LSP）创建了更具成本效益的工作流程。
随着人工智能的不断发展，其在机器翻译中的作用也在不断扩大。但是，即使是最先进的机器翻译（MT）系统，仍然需要人工后期编辑才能达到最佳效果。
为什么会这样？尽管人工智能已经取得了令人瞩目的进步，但它尚未掌握在所有用例中完美的翻译输出。然而，人工智能是一种出色的评估工具，可以加速质量保证阶段并提高翻译效率。
让我们更深入地了解我们在利用人工智能实现最佳机器翻译流程方面的现状。
什么是神经机器翻译（NMT）？
一段时间以来，计算机辅助翻译系统主要有三种类型：
不过，神经机器翻译（NMT）标志着人工智能驱动翻译的突破。
NMT系统利用深度学习来识别源文本中的模式和上下文，从而生成更加自然流畅的译文。
它从每项任务中学习，当人类对生成的翻译所做的更改形成一个反馈回路时，准确性会随着时间的推移而提高。
现在，在大型语言模型（LLM）的帮助下，NMT 的复杂程度达到了新的高度。
大型语言模型：
GPT-4等大型语言模型 (LLM)使用经过大量多语言数据训练的深度学习算法来理解、总结、生成和翻译文本。
与依赖规则或统计概率的传统模型不同，LLM 擅长理解语言的细微差别，提供越来越像人类的基于上下文的翻译。
LLM 能够处理文本摘要、情感分析和会话式AI等复杂任务，为机器翻译增添了重要价值。
LLM 可识别单词之间错综复杂的联系，使其能够生成跨多种语言的上下文感知、高质量翻译。
然而，尽管它们具有巨大的潜力，我们仍未达到能够完全自动化、准确无误地进行翻译的阶段。
人工智能生成的翻译仍然需要人工监督，特别是对于法律、医疗和技术文档等高风险内容。
人工智能在翻译质量保证中的作用
虽然人工智能可以快速生成大量的翻译内容，但在质量方面却存在一些问题。即使是最先进的 LLM，也无法提供完美的翻译，尤其是在资源匮乏的语言中，因为这些语言的训练数据稀少。
微软正在进行的研究以及最近将 ChatGPT 4.0 与传统 MT 引擎进行的比较发现，GPT 模型可为高资源语言（如英语、西班牙语和中文）提供具有竞争力的翻译质量。
然而，对于资源匮乏的语言，由于数据有限，基于 GPT 的模型仍然表现不佳。对于这些语言，人类的专业知识对于确保准确性和清晰度仍然至关重要。
因此，目前人工智能对翻译行业的最大贡献就在于评估。
现在，人工智能工具不是完全自动化翻译，而是在人工语言学家进行后期编辑之前对翻译质量进行评估。
这种混合方法将人工智能评估与人类专业知识相结合，在速度和精确度之间取得了适当的平衡。
混合方法：NMT + LLM + 人工后期编辑
因此，最有效的机器翻译依赖于神经机器翻译（NMT）、大型语言模型（LLM）和人工后期编辑（PE）的整合。
这种混合方法提供了一种精简且经济高效的解决方案，同时确保了较高的翻译质量。
它使我们能够快速、安全且经济高效地更新现有翻译。
只有当文本的大部分内容从未翻译过，或者新的译文不必与现有译文一字不差地匹配时，NMT 和 LLM 才能帮助快速、低成本地完成翻译。
但是，如果由人工或算法进行的质量评估为零，那么NMT/LLM 输出的风险总是会大于人工审核的 TM 输出。
工作原理如下
- NMT翻译：首先，神经机器翻译生成初稿。
- LLM评估：然后，LLM对译文进行评估，评价其准确性和流畅性。人工智能识别潜在的错误并标出需要改进的地方。我们用人工评估了机器评估结果，发现只有经过微调的 LLM 才能降低风险。经过微调的LLM确实很有帮助。通用的 LLM 会给人一种虚假的安全感。
- 后期编辑最后，由专业语言学家对译文进行审校，使其符合目标语言和语境的具体细微差别和要求。不过，语言服务提供商很快就会转向自动化后期编辑。
人工智能能够快速评估翻译并提供反馈，从而节省了时间并将人工干预，使其更有效地发挥作用。它能从多个选项中选出最佳翻译，解释错误并提供建议。
虽然人工智能评估并非万无一失，但它可以增强整体工作流程，让译员能够专注于需要修正的内容，而不是从头开始。
找到满足您需求的最佳机器翻译解决方案
在处理翻译项目时，没有一刀切的解决方案。正确的方法取决于您的具体需求–无论是针对细微差别的文本采用纯人工流程，还是针对大量、不太敏感内容采用人工智能辅助流程。
我们提供灵活的翻译解决方案，可根据您的独特要求量身定制。这些服务既包括高质量的人工翻译，也包括更快速、更经济高效的人工智能辅助机器翻译。
关键是要根据内容的复杂性和关键性，找到在人工和机器参与之间适当的平衡。
（机器翻译，轻度译后编辑，仅供参考）
编辑：方文娟
资讯要点：人工智能与人类译后编辑相结合的混合方法使得翻译速度和精确度得到了相对的均衡。