中文翻译英语怎么收费,机器翻译和人工翻译,谁才是最后的赢家?
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。人工智能领域不可忽视的人物,
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。