概括：机器翻译的质量不及受过训练的人工翻译。 以下是技术失败的领域。

最近我读了一篇关于神经机器翻译的有趣文章，人工智能在翻译方面超越人类了吗？ 差远了！ ，这强烈表明机器翻译，或者更严格地说，神经机器翻译 (NMT) 还不够先进，无法取代有能力的人工翻译。

有什么问题？

我们每天都会读到 IBM 的 Watson 的胜利，谷歌翻译被大量用于外国出版物的随意阅读和网站的自动翻译，而 Facebook 提供其他语言的内容和评论的即时翻译。 我们似乎正处于高质量按需翻译的黄金时代。 是这样吗？

简短的回答：没有。

当以严格的质量标准审查翻译时，我们发现存在性别偏见、缺乏对上下文的理解、无意义的输出以及如何判断翻译何时准确等更大的问题。 到目前为止，判断翻译的质量仍然非常昂贵，因为只有完全双语的人才能做出这个决定。

机器翻译有一个指标。 它被称为 BLEU 分数。 那代表双语评估替补。

BLEU分数

这是一个评分系统，将机器翻译与一组已知的高质量人工翻译进行比较。 质量被定义为“机器翻译越接近专业人工翻译越好”。 每个句子都根据质量单独评分，然后计算整个语料库（即正在翻译的作品）的所有分数的平均值。 该平均分数是随后用作作业分数的分数。

有趣的是，没有可理解性或语法正确性的衡量标准。 句子之间也没有任何比较来确定它们是否上下文正确。 您可以看到这种机器翻译质量的衡量标准有何严重的局限性。

阅读更多详细解释在这里.

为什么上下文很重要

在引发此博客的文章中，作者使用了以下示例：一篇关于音乐会的文章引用了某人的话，“我是一个铁杆金属迷”。 当通过机器翻译翻译成法语时，它变成了，“ Je suis un énorme ventilateur en méta l”（“我是一个大型金属呼吸机。”） 理解上下文的艰巨任务会导致成绩不及格。 在某些时候，该技术将能够检测上下文的指标，例如“音乐会”、“事件”、“音乐”、“节日”、“竞技场”、“剧院”或人类容易用来塑造的其他词/短语我们的语境感。 但是今天，这种歧义可以避免神经机器翻译确定“金属”和“风扇”的正确含义的能力

有关理解翻译、机器翻译和神经机器翻译概念的更多背景知识，您可以观看斯坦福大学工程学院的这个讲座。

神经机器翻译和注意力模型

有关理解上下文的重要性、全球化翻译与本地化翻译之间的区别的更多信息，您可以阅读以下任何内容：

德语翻译？ 哪种德语？ 您网站的西班牙语翻译：哪种西班牙语？ 法语翻译？ 哪种法语？

鉴于翻译技术处于初期阶段，企业应该如何以合理的价格快速获得最准确、最忠实的翻译？ MotaWord 有一个答案。 我们支持 AI 的平台允许翻译人员同时处理一个项目，而无需使用人工项目经理。 客户可以上传风格指南和词汇表来定制他们的翻译。 这些资源由参与该项目的所有翻译人员共享，以便在更短的时间内完成准确的翻译。 客户可以实时观看译员处理项目的过程。

联系我们看看我们能满足您所有的翻译需求。