机器翻译之于生成式 AI

传统的翻译引擎在 AI 翻译解决方案中起着至关重要的作用,不仅能够显著节省成本,还能大幅提高翻译速度和效率,从而满足快速发展的全球化需求。

想要淘汰机器翻译?现在还为时尚早。


即使在生成式 AI 蓬勃发展的当下,如果能将机器翻译工具有效地整合到 AI 翻译工作流程中,企业仍能从中受益。

机器翻译 (MT) 的角色正在发生变化,这一点毋庸置疑。生成式 AI (GenAI)/大型语言模型 (LLM) 将来有可能会取代这种传统技术。各种迹象已经苗头尽显:

    — LLM 具备出色的上下文理解能力,对 MT 引擎形成了挑战。

    GenAI 解决方案发展势头迅猛。

尽管取得了这些发展成果,但 LLM 无法取代 MT,至少现在还不能。与顶级神经网络机器翻译 (NMT) 引擎相比,GenAI 在翻译速度和成本可负担性方面还存在差距。

鉴于 LLM 目前还不能替代 MT,您如何更好地利用所有可用技术来优化翻译工作流程并更快更省地翻译更多内容,从而增强全球影响力呢?

您可以战略性地结合使用 MT 工具与 LLM 的优势,将 MT 工具应用于新的 LLM 环境。

    — 在流程开始时使用 MT 进行初翻。

    — 使用 LLM 开展后期编辑和质量保证任务,以提高整体质量。

将 MT 和 LLM 技术与人工监督相结合,使企业能够实现理想的翻译结果。

联结全球,建立沟通之桥:多样化技术与人类智慧如何加强全球化沟通

Lionbridge 先进的翻译服务包含四个关键步骤,可以满足当今企业的翻译需求。

在技术方面,我们会将 MT 与 GenAI 相结合,例如我们专有的先进 AI 本地化平台 — Lionbridge Aurora AI™。对于翻译流程,人工介入也同样重要。

我们的视频解释了 Lionbridge 的专业翻译方法如何以前所未有的数量和速度创作出引起全球共鸣的内容。

机器翻译在各个阶段的优势

将 MT 纳入您的 AI 工具集,并将其作为翻译工作的第一步,不仅能大幅提升效率,还能带来诸多好处。

节省成本

MT 减少了人工翻译的时间,降低了成本并让人类腾出时间去做重要的监督工作。

缩短交付时间

MT 处理翻译的速度是人类和 LLM 无法比拟的。

扩大规模

MT 可以轻松处理大量内容。

详细了解如何通过 Lionbridge 的自动化解决方案 Smart MT™ 实现“译达万物™”。

最好的机器翻译 (MT) 引擎是什么?

借助 Lionbridge 的 Machine Translation Tracker,了解哪种机器翻译引擎更适合您的使用情形。

要选择合适的 MT 引擎来满足您的需求,这并非易事。因为源内容的质量、源语言和目标语言等因素都会影响 MT 引擎性能。Lionbridge 的 Machine Translation Tracker 长期衡量主流 MT 引擎的表现,可以帮助您做出明智选择。它可以衡量一系列 MT 引擎的整体性能,以及特定于语言对和各个主题领域的结果。现在它还跟踪多个 LLM 的表现,以供参考。

AI 机器翻译如何支持主要垂直领域

MT 可以帮助克服各个行业面临的业务挑战。了解我们的 MT 和 AI 解决方案如何支持法律、生命科学和电子商务客户。

法律

跨国法律案件可能会产生大量必须快速翻译的多语言法律电子证据文件。他们可能还需要把更多正式的高级别文件提交给法庭,诸如此类。了解在何种情况下机器翻译可以翻译法律文件,同时做到准确、高效且实惠。

生命科学

使用 AI 时,必须要控制风险,保护最终用户并确保合规性,这一点毋庸置疑,但这并不妨碍它成为大规模提供生命科学语言服务的关键工具。由 AI 支持、专家主导的语言服务可帮助参与药品和医疗器械开发的公司满足紧迫期限、管理不断增加的文档并打入新市场。了解 MT 和 AI 如何帮助生命科学公司创造更好的患者治疗结果。 

电子商务

电子商务是企业进入全球市场的重要途径。AI 增强型 MT 可以帮助这些公司为使用各种语言的客户更快、更稳定地创建引人入胜且个性化的内容流。了解零售商目前如何使用 MT 和 AI 与全球客户建立联系

深入了解关于自动化翻译的内容

Smart MT™:企业级机器翻译 + AI

探索 Lionbridge 的企业级机器翻译和 AI 解决方案,这些解决方案利用优质 MT 引擎和 AI 审核来加强全球沟通效果。

Lionbridge 推出 Lionbridge Aurora AI™ — 用于全球化内容管理的 AI 编排平台

了解 Lionbridge 如何通过翻译管理系统来强化其产品/服务,该系统可以大规模优化本地化及其他领域的工作流程自动化。

利用 Lionbridge TRUST 框架建立对 AI 应用的信任

借助 Lionbridge 的 TRUST 框架,将生成式 AI 安心实施到您的语言解决方案中。

案例研究:Lionbridge 如何提高一家大型航空航天技术提供商的员工敬业度

了解 Lionbridge Smart MT 解决方案如何为我们的客户提供快速、高效、准确的翻译,从而提高全球员工参与度。

语言机器可翻译性排名助力提升 MT 效果

全球语言多种多样,其复杂程度也不尽相同,因此建议您在部署机器翻译前考虑语言复杂程度,我们的机器可翻译性排名能为您提供参考,方便您做出业务决策。

翻译及本地化:了解机器翻译,辨析相关术语

使用这份实用备忘单,随时了解与机器翻译相关的重要术语。

认识我们的机器翻译和生成式人工智能专家

Lionbridge 掌握深厚的 AI 专业知识,因此,您可以对我们的机器翻译服务和生成式 AI 语言服务充满信心。

Rafa Moral

创新副总裁

Rafa 负责与语言和翻译相关的研发活动,包括机器翻译相关计划、内容剖析研究和分析、术语挖掘及语言质量保证和控制。

Share on LinkedIn

Vincent Henderson

语言服务产品主管

Vincent 是 Lionbridge 产品与开发团队主管。他负责研究如何使用技术和 AI 来分析、评估、处理和生成全球化内容。他尤为关注大型语言模型对内容产品和服务产生的影响。

Share on LinkedIn

机器翻译简史

1954 年 — 乔治城大学的研究人员首次公开演示了早期的机器翻译系统。

1962 年 — 机器翻译和计算语言学协会在美国成立。

1964 年 — 美国国家科学院 (National Academy of Science) 成立了 ALPAC 委员会,旨在开展 MT 研究。

1970 年 — 法国纺织研究院 (French Textile Institute) 开始使用 MT 系统翻译文献摘要。

1978 年 — Systran 开始翻译技术手册。

1989 年 — Trados 率先开发并销售翻译记忆库技术。

1991 年 — 乌克兰哈尔科夫国立大学 (Kharkov State University) 开发出首个商用 MT 系统,该系统可进行俄语-乌克兰语、英语-乌克兰语、德语-乌克兰语翻译。

1996 年 — Systran 和 Babelfish 在网络上提供免费的小文本翻译。

2002 年 — Lionbridge 使用其基于规则的 MT 引擎开展其首个商用 MT 项目。

2005 年左右 — 统计 MT 系统问世。Google Translate 于 2006 年发布,Microsoft Live Translator 于 2007 年面世。

2012 年 — Google 宣布 Google Translate 每天翻译的文本量相当于一百万本书。

2016 年 — Google 和 Microsoft 均采用了 NMT 技术,大幅减少了语序错误,并且显著提高了术语和语法的翻译准确性。

2020 年 — 截至 10 月份,Google 神经网络机器翻译 (GNMT) 可支持 109 种语言的翻译。

2022 年 — Lionbridge 专家分享了以下发现:MT 引擎的输出性能停滞不前,并且所有被跟踪引擎的性能都出现类似问题。这些现象表明神经网络机器翻译范式可能已经达到平台期,新的范式即将应运而生。

2022 年 — OpenAI 于 11 月向公众推出其生成式 AI 引擎 ChatGPT,突显了翻译技术领域正在不断发展和扩展的趋势。

2023 年 — 随着发布的模型日渐增多,新迭代源源不断涌现,以及针对各行各业和各种用例的解决方案层出不穷,GenAI 迎来了爆发增长。

2024 年 — 随着生成式 AI 的蓬勃发展,MT 的相关性出现转变,并与 LLM 互为补充。

联系我们

请输入企业邮箱地址