上海官方认证的翻译公司

地球上生活着70多亿人，说着7000多种不同的语言。全球化进程的加快，中国作为仅次于美国的第二大经济体，与越来越多的国家和地区建立联系。

不同肤色、民族之间进行交流，语言是敲门砖。

学会一门语言，达到可以日常交流的水平算是“学会一门语言”，达到可以阅读大部分原文书籍，也算是“学会一门语言”，但这两种学习的程度完全不同。所以学会，其实没有一个固定的标准。

拿德语为例，有这样一个统计数据:

从上面的数据来看，学习一门语言是相当费时的。当你急需语言交流自己又不能迅速习得这种能力，可以拿来即用的机器翻译就成为必须，此时我们或许对准确度要求不高，明白对方表达的意思就成为最大的诉求。

中国公司名字翻译规则

但更深层次地沟通，我们往往需要好的翻译。那什么是好的翻译？可以从语法和语感两个标准进行判断:

机器翻译现在发展到什么程度，是不是能达到“好”的要求？我们先来看看机器翻译的发展史。

一、机器翻译的发展历程

前些年，甚至现在偶尔也能看到的一些比较搞笑的翻译。

中英翻译

机器翻译错误示范

韩中翻译

中国最知名的翻译公司

2020年，虽然很多机器翻译已经可以把中英翻译做的相当准确，不会把警示牌上的“小心地滑”翻译成“slipcarefully”了。日常生活中的一些句子或者是一些常见的文学类内容的翻译，也接近达到普通人类翻译水平。

但是对一些小语种的翻译，依旧还是会犯低级错误。

使用韩语naver翻译和百度翻译，一个简单的句子“화장실예쁘게사용해주십시오.”仍然不能被准确译出。

1.机器翻译发展的重要节点

▶️第一代翻译：基于规则的机器翻译

1954年：机器翻译=一套双语识字卡

这时的机器翻译，只是将两种语言的单词一一对应。我们常常津津乐道的“好好学习天天向上”的翻译“Goodgoodstudy,daydayup”，就是这一代机器翻译结果的典型代表。

语法规则

一部分语言学家另辟蹊径，打算为世界上所有的语言找到一个万能中介语，目的是在任何两种语言之间做翻译时都可以由这种语言作中介。但是几十年的研究发现，人类语言的规则太复杂，太细微，特例太多，根本找不到放之四海而皆准的规则。

▶️第二代翻译：基于统计的机器翻译

1984年：依葫芦画瓢

给出一个正确的翻译句子：我想吃苹果--Iwanttoeatapple.

再遇到新的句子翻译：我想吃香蕉--Iwanttoeatbanana.

对语法规则不求甚解的思路开启了一片新天地，基于统计的机器翻译技术诞生了。

90年代：互联网素材收集

专业论文翻译价格

互联网大规模普及，可采集的双语语料暴增，给机器翻译提供了海量素材。

2003年：短语翻译模型

爱丁堡大学的菲利普·科恩教授提出了短语翻译模型。

2006年：谷歌翻译首次登场

它的核心算法就是基于短语的机器翻译，翻译效果显著提升。

▶️第三代翻译：基于神经网络的翻译

神经翻译，给缓慢发展的机器翻译带来了曙光。

2015年前后，人工智能进入了神经网络时代

在图像处理、语音识别等领域，深度学习技术高歌猛进，机器依葫芦画瓢的水平越来越高。

图片来源：何中军2018年12月在全球架构师峰会上的特邀报告

机器翻译一旦去除语境，翻译的准确率就会大打折扣。

神经翻译的根本原理就是根据语境化原则，建立海量的分门归类的语料库来处理。

比如说，如果机器只看到“小心地滑”，就自己判断翻译结果可能是被用到警示牌上，所以会翻译成“Caution!Wetfloor!”。但如果放在“第一次滑雪要小心地滑”的句子里，根据语境，机器翻译给出“skicarefully”的翻译结果才会更准确。

2016年9月，谷歌发布了研究结果：在神经网络的助力之下，机器翻译实现颠覆性突破，以句子为单位的机器翻译，误差平均降低了60%。

2.机器翻译和人工翻译谁更胜一筹？

2017年2月，韩国首尔世宗大学举行了一场人类对抗AI翻译比赛。参赛选手包括从业经验在5～20年的4位专业翻译员、谷歌翻译、韩国NAVER翻译程序Papago（机器翻译）、自动翻译国际企业SYSTRAN。最终结果显示，在满分为60分的比赛中，AI翻译平均得分为20分，而人类译员平均得分49分，人类翻译打败AI。

2018年，博鳌论坛采用了腾讯AI同传服务，出现许多词汇重复、短语误用的情况，甚至将“Yes,please.”这样的小学生日常对话用语，翻译成了“是的，求你了”，一度成为了翻译圈的新笑料。

2019年4月，“秘塔杯”法律翻译人机对抗赛在北京大学法学院顺利举行。参赛选手分别是来自北京大学、中国人民大学、清华大学、北京师范大学、北京外国语大学、对外经济贸易大学、中国政法大学和外交学院等八所顶尖首都法学院的精英学子。

“高校精英”和“人机协作”两支队伍在15分钟内完成了三道合同条款题目的翻译，人机协作队伍以88.33：79.22的比分战胜高校精英联队，AI赢得了胜利。

从上面几个翻译事件中大概可以判断，机器翻译在进步。至于在法律翻译上，机器翻译是否可以代替人工翻译，法律工作者也要以开放的心态对待AI智能的发展：

关于机器翻译的阻力，最大的短板就是数据稀疏。对于小语种，数据资源更是差很多。除非以后能够开发出非数据驱动的技术。

二、专业领域机器翻译之法律翻译

机器翻译必须是专门性的，比如法律机器翻译、医学机器翻译、生物机器翻译、石油机器翻译、航天机器翻译、海事机器翻译等等，而且每个机器翻译下面还会有子机器翻译。

以法律机器翻译为例，下面可能还有法律合同、法庭判决书、法律诉讼书分类；在法律诉讼书下，再细分民事诉讼书、刑事诉讼书等。

机器翻译分得越专，准确率越高。

比如defendants一词在刑事文本中是“被告人”的意思，但在民事语境下是“被告或原告”的意思。

机器翻译有一个巨大的语料库，即用专门的机器把这类文本（如民事诉讼书）尽可能多地收集起来建库。

机器翻译发展到现在，参照上图，对照搜狗同传2.0和搜狗同传3.0的翻译结果，我们可以看到同一个句子的翻译结果已经越来越准确了。拿罗振宇的“罗辑思维”举例，搜狗同传2.0时代的翻译结果是“Ourlogicalthinking”，明显是不准确的。到了搜狗同传3.0时代，已经能够准确翻译为“LuogicTalkshow”了。

用到法律翻译最多的一个行业应该就是律所了，我咨询了几个在律师工作的同学，他们在遇到法律翻译需求时，大概率还是会找专业的翻译公司。

1.专业翻译公司仍是主流

2.被越来越多人看到的专业翻译软件

被大家所熟知的翻译软件，且认可度较高的应该属Google翻译和讯飞听见了。法律专业领域的翻译软件通过搜索，露出最多的是秘塔科技。

关于AI智能翻译的软件，目前对外宣传的口径也多以“用算力交换人力，将人的时间解放到更专业、更有创造力的事情上去”角度进行，主要是在强调提高效率。

虽说是人工智能，但其实这种专业领域的翻译，最后能够交付的结果，往往是人机协作完成的。机器翻译之后，需要人工校验和审核。

（1）讯飞听见

实时翻译沟通无界

（2）秘塔科技

极速翻译

超强算力

润色方便+格式保留

（3）华东政法大学多语种智能法律翻译平台

10月份，华东政法大学多语种智能法律翻译平台正式揭牌。这一平台立足“智能+外语+法律”，可以说是高校自主为推进法律机器翻译打响了一枪。

这一平台还是翻译项目的管理平台，依托海量资料库汇集大数据，通过智能算法记忆推算和人机协同，保障高质量的翻译交付。

三、机器翻译的未来

一门外语的习得，往往不只是为了沟通，还为了表达自己的思想和感情，感受其他文化的深层含义。

浅层、中层的文化交流和融合是可以通过机器翻译实现的，但不同国家不同民族之间经济、政治、文化等的深入融合绝对不能靠机器翻译，至少目前机器翻译是实现不了的。

人脑特别之处就在于，只需要很少的样本就能训练出高效的模型，并且在验证的过程中，不断对模型进行修正，而目前机器翻译提高准确度还是靠大量数据的积累和算法学习。

信达雅作为翻译标准，想达到“雅”这一层次，目前人工翻译（从业多年的专业翻译）还是完胜机器。

人工智能领域不可忽视的人物，认知科学家侯世达认为：

再者，机器翻译目前并没有像专业翻译公司那样，可以将翻译类别细分到具体的领域，比如建筑行业、生物医药、IT通讯、法律合同、机器制造等，或者更下一层级的细分，未来的发展方向和空间都待开发。

机器翻译的目标是取代人工翻译，AI可以提取大量数据通过算法估计出你想表达的思想和感情，但它无法确切知道你真的在想什么。

在我看来，机器只有拥有了类似人类的思想、情绪和体验，才能真正学会翻译这门艺术。