机器翻译问题几乎解决，科学家认为人力翻译走向尾声
https://technews.tw/2024/12/17/machine-translation-2/
科技新报 December 17, 2024 林妤柔
电脑科学家 Vasco Pedro 认为，尽管人工智能（AI）已经崛起，但机器要像专业翻译员一
样翻译语言，始终需要人的参与。但他看到翻译平台新创公司 Unbabel 举办比赛，针对公
司最新 AI 模型与人工翻译员进行比较，他发现人类在翻译濒临结束，目前全球翻译产业中
，人工约占 95%，但未来三年内人类参与度可能降至零。
70 多年前，第一次电脑翻译是使用一台 IBM 电脑，其程式被编入 250 个英语和俄语单字
以及六条语法规则。这种“以规则为基础”方法到了 1990 年代被基于处理大数据集的“统
计”方法取代，而 Google 在 2006 年推出以机器学习为基础的 Google 翻译（Google Tra
nslate），是当时最先进技术。但到 2016 年，Google 转用“神经”引擎，即大语言模型
（LLM）的前身时，这个领域开始出现爆炸性发展。
在 Unbabel 测试中，人类与机器译者被要求翻译各种内容，从随便的文字讯息到密集的法
律合约，还有马可．奥理略（Marcus Aurelius）所著《沉思录》旧译本中的古老英文。从
结果来说，Unbabel 的 AI 模组完全不落下风。
另据追踪翻译品质的 Multidimensional Quality Metrics（多维品质度量）框架衡量，如
果人类精通两种语言，同时是领域翻译专家（如处理合约的专业法律译者），人类表现会比
机器更好。但从现在看，Pedro 认为两三年后，很难想像机器不会完全超越人类。
罗马 Translated 老板 Marco Trombetti 创造一种不同的机器翻译品质测量方法，称为编
辑时间（TTE），这是人类翻译员检查机器翻译誊本所需的时间。当誊本错误越多，人类所
需的时间越长。在 2017 年至 2022 年间，在十种翻译最多的语言中，TTE 从每字三秒降至
两秒，Trombetti 预测未来两年内 TTE 将降至一秒。
翻译考验直翻还是融入当地说法
Google 翻译研究员 Isaac Caswell 指出，那些拥有最多训练资料的“高资源”（high-res
ource）语言而言，将句子翻成另个句子的问题“几乎已经解决”，但要达到多语言人士的
水准，或者那些没大量可用训练资料的语言而言，是项艰钜任务。
此外，由于无法规划、参考长期记忆、从事实资料来源或修改输出，即使是最好的翻译工具
也很难处理长篇大论的工作或精确任务，另外也可能为了符合目标语言的语法结构，而“幻
觉”出他们不需要的资讯。Caswell 认为，“要获得完美的翻译，还必须拥有人类水平的智
慧，没有一个有能力的诗人，是很难翻译俳句的”。
事实上，翻译长期都在“透明度”（transparency）与“保真度”（fidelity）之间挣扎，
该选择完全照原文翻译，还是考量目标受众的感受进行翻译。前者会保留语词组的原貌，后
者则会改变整个文化参考，翻译出更贴近当地文化的用语。有时甚至需要比原始资料更多的
资讯，例如将“我喜欢你”（I like you）这句话翻成日文，需要知道说话者的性别、他们
与对方的关系及对方名字，以避免不礼貌地使用“你”这个字。
进阶翻译需要更多资讯，不只是原始文字
德国 AI 新创 DeepL 创办人 Jarek Kutylowski 表示，要求提出后续问题、知道何时以透
明度换取保真度，以及了解翻译目的，意味进阶翻译需要更多资讯，而不只是原始文字。
再来是“资源匮乏”（low-resource）语言的问题，这些语言的书面文字稀少，意味翻译准
确性无法透过 LLM 突破来改善。针对这类状况，Google 团队建立一套系统，为 15 种非洲
语言增加语音到语音的翻译，这并非根据数千兆字节的音讯资料进行训练，而是像小孩一
样学习阅读书面上的文字，将语音与书面上的字符序列联系起来。
即时翻译软件 DeepL 也于 11 月推出语音对语音翻译系统，提供一对一的当面对话和多人
视讯聊天的口译服务。与此同时，Unbabel 展示一款装置，能读取手腕或眉毛的细微肌肉动
作，并将其与 LLM 产生的文字配对，让人们无需说话或打字即可进行沟通。该公司打算将
这项技术制成一种辅助装置，用于那些无法自己说话的运动神经病症患者。
Google 翻译研究员 Caswell 表示，翻译工具对于探索世界非常有用，但它们只是一种工具
，无法取代人类学习语言的经验，例如真正了解其他人的出身，了解不同地方是什么样子。