王华树:翻译技术发展呈现四大新趋势
过去,译员凭借自身硬功夫以单打独斗的方式获得翻译市场的竞争优势;未来,这种服务方式将会逐渐被人机结合的服务模式取代。借助人工智能技术发展的东风,翻译技术发展迅速,当前出现了诸多新的变化。
第一,技术生态资源不断整合
语言服务向数字化平台的转型之路,以云计算、大数据、人工智能以及物联网为代表的新技术,驱动了翻译数据的开放、流动和共享。翻译数据成为翻译技术企业最关键的生产资料。翻译技术提供商通过对海量语言资源进行整合,分析翻译数据内在规律,优化翻译模型,释放数据价值。智能翻译系统需要不断获取新的翻译数据、进行持续且深度的学习,翻译技术的生态资源整合成为大势所趋。
越来越多的翻译技术供应商将机器翻译引擎内置于翻译和本地化工具之中。当翻译记忆库中没有匹配翻译对时,翻译记忆系统会自动调用内置的MT引擎,由其快速提供备选译文,供译者参考、编辑和确认。如Alchemy Catalyst、memoQ、MemSource、Multilizer、SDL Passolo、Sisulizer等专业工具,已经整合了Google 翻译、Bing 翻译、Systran、KantanMT、PowerTranslator等主流MT引擎;Intento和YiCAT等云平台灵活调用主流机器翻译API,节约客户在环境配置、文件传输、项目管理等方面的耗时,有效避免资源浪费。
第二, 功能应用场景不断创新
翻译工具从单一功升级到多功能或全功能,覆盖客户方多元化、多层次的翻译需求。翻译技术提供商将翻译搜索、记忆匹配、内容推荐、机器翻译、译后编辑、实时热点等功能无缝整合,提供一体化的服务输出。在复杂的翻译辅助环境中,翻译工具和翻译环境高度融合,CAT软件为各类型机器翻译引擎提供了广阔的应用场景,这种模式常常以"MT+TM+PE(机器翻译+翻译记忆+译后编辑)"。越来越多的CAT工具(如SDL Trados、memoQ、MemSource、MateCat等)与多种机器翻译融合,提供诸如质量评估、译后编辑、译前译后编辑差异等功能。越来越多的翻译技术提供商开始使用翻译质量自动评估的技术,来辅助客户或语言服务提供商进行机器翻译引擎评估和选择、待译内容筛选、项目质量监控和译员筛选和培训等,比如ModelFront、语智云帆试译宝、一者科技的YiCAT等。
此外,随着融媒体技术的爆发式增长,抖音、快手、微视等风靡世界,成为最热门的互联网产品形态,这也为机器翻译提供了更为丰富和实时的应用场景,比如字节跳动的火山引擎,阿里达摩院的电商实时翻译直播、中译语通的字幕通、网易见外等。
第三,云端翻译服务模式日益成熟
随着云OA、云CRM、云ERP、云SCM等技术和产品在各行各业大规模应用,云翻译模式正在语言服务领域大显身手。在翻译生态环境中,比较为突出的是"CAT+TMS+CMS模式"。该模式将翻译、项目管理、内容管理为基础信息架构,系统一旦探测项目有更新会自动抽取更新的内容,按照预先定义的工作流进行处理,包括字数统计、重复匹配,难度分析、任务分配、任务通知等,降低译员和项目管理人员工作量,缩短项目周期。
云翻译技术将私有云、云计算接口、云共享资源平台和云语言服务产业链整合,能大幅度提升翻译生产效率。例如,过去传统的基于桌面的CAT工具,从单机版到网络版再到APP,使得泛在翻译模式成为主流趋势。云翻译平台将会不断适应使用场景,趋向轻量化、SaaS化和生态化。而且,借助互联网+的技术特点,融合移动化、社交化的优点,企业将会以更低成本、更短时间提供更多服务。未来,翻译产业云生态将聚焦产业整合,促进全新商业模式、数字平台和生态体系的构建。
第四,人机交互模式逐渐成为主流
从人工智能到机器智能弱人工智能(Artificial Narrow Intelligence/ANI)专注于完成某个特定的任务,例如语音识别、图像识别和翻译,是擅长于单个方面的人工智能。强人工智能(Artificial General Intelligence/AGI)通常能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。强人工智能系统包括了学习、语言、认知、推理、创造和计划,目标是使人工智能在非监督学习的情况下处理前所未见的细节,并同时与人类开展交互式学习。
在人工智能技术的推动之下,翻译的模式大致会经历人工翻译、人译机助、机译人助以及智能机译等几个阶段。从传统笔译到机器翻译译后编辑模式,从传统的口译到机器辅助口译,人机交互程度越来越高,当前正在从人译机助转向机译人助的过程。未来高度智能化的翻译系统将会自动连接翻译所需的一切资源,充分发挥人工智能赋能的优势,将译员的智慧聚焦在更有价值和创造性的工作中,大幅度地解放翻译的劳动工作量。
(编辑:T-win)