然而，我們距離那個無法挽回的臨界點(diǎn)究竟還有多遠(yuǎn)？

翻譯，簡而言之，即是“將文字轉(zhuǎn)換成另一種語言”。然而，任何有過多種語言經(jīng)驗的人都會深知字面直譯的潛在陷阱。盡管像谷歌翻譯這樣的應(yīng)用為我們提供了快速便捷的翻譯服務(wù)，但它們在語境理解、多義詞匯、成語表達(dá)、地域性用語、性別差異，以及實際技術(shù)障礙等方面仍顯得捉襟見肘。

我們多數(shù)人都曾聽聞過那些幽默或是嚴(yán)重的誤譯事例，這些誤譯往往暴露了對所謂“低價值”語言的不尊重。在我首次擔(dān)任威爾士語/英語雙語詩歌選集的合作編輯與翻譯時，便曾親歷這樣的窘境。非威爾士語使用者通過谷歌翻譯嘗試?yán)斫庀０病ぶZ西的詩作《Rhyw Bedair Awr》的主題，其正確含義應(yīng)為“大約四個小時”，但“rhyw”一詞含義頗豐。結(jié)果，詩作的標(biāo)題被譯作“四個小時的性愛”——這一誤譯雖然為活動增添了不少談資，卻也凸顯了翻譯應(yīng)用在語境把握上的巨大難題。

土著活動家羅賓·沃爾·金默爾曾將語言比作觀察世界的棱鏡，這一比喻令我深感共鳴。它讓我意識到，我們所體驗的語言越多樣，我們所能見到的色彩光譜也就越豐富。在我與資深翻譯家希安·諾西共同致力于雙語詩歌選集的編輯與翻譯過程中，這一理念始終貫穿在我的思考之中。

特朗普總統(tǒng)曾要求意大利總理焦?fàn)柤獘I·梅洛尼的翻譯人員翻譯梅洛尼對意大利記者提問的回答。| 布倫丹·斯米亞洛夫斯基/法新社通過蓋蒂圖片社

本周早些時候，在焦?fàn)柤獘I·梅洛尼與唐納德·特朗普的高風(fēng)險會晤中，梅洛尼的翻譯人員在翻譯時猶豫不決，促使這位意大利¹總理親自介入，翻譯了自己關(guān)于北約和國防開支的評論。該翻譯人員已為此道歉。

在周四的白宮會晤中提供翻譯服務(wù)時，被梅洛尼打斷的瓦倫蒂娜·邁奧利尼·羅斯巴赫在接受意大利報紙《晚郵報》采訪時表示，這一失誤是“可能發(fā)生在翻譯人員身上的最糟糕的事，一個可怕的挫折”。

會晤錄像顯示，特朗普總統(tǒng)要求邁奧利尼·羅斯巴赫翻譯梅洛尼對意大利記者關(guān)于其對烏克蘭問題和軍費(fèi)開支的立場的提問的回答。邁奧利尼·羅斯巴赫在翻譯時似乎遇到了困難，她多次停頓并翻看筆記，隨后梅洛尼打斷了她，用英語對特朗普說。

時間：2025年4月7,8,9三天，

地點(diǎn)浦東新國際。

費(fèi)用1000元/天

近日，蘋果公司與南加州大學(xué)（USC）合作發(fā)表了一篇文章，探討其采用的機(jī)器學(xué)習(xí)方法，旨在為iOS18操作系統(tǒng)用戶提供更多翻譯中的性別選項。

在iOS18中，用戶可以在原生翻譯應(yīng)用中選擇翻譯詞匯的替代性別建議。這一功能解決了世界上229種已知語言中有84種使用基于性別的系統(tǒng)所帶來的挑戰(zhàn)。

令人驚訝的是，英語也屬于基于性別的類別，因為它分配了陽性或陰性的單數(shù)代詞。相比之下，所有羅曼語系語言（包括超過5億西班牙語使用者以及許多其他流行語言，如俄語）都需要性別一致，這要求翻譯系統(tǒng)解決語言中的性別分配問題。

新文章通過觀察將句子“秘書對老板很生氣”翻譯成西班牙語的所有可能情況來說明了這一點(diǎn)。簡單的翻譯對于較長的文本來說遠(yuǎn)遠(yuǎn)不夠，因為較長的文本可能從一開始就確定了性別（“他”、“她”等），并且不會再次提及。因此，翻譯必須記住文本中參與者的分配性別。

這對于處理離散片段翻譯的基于標(biāo)記的方法來說可能具有挑戰(zhàn)性，因為它們可能會丟失性別上下文。此外，提供替代性別翻譯的系統(tǒng)不能隨意進(jìn)行，而必須確保所有語言部分都與修改后的性別名詞保持一致。

蘋果和USC的方法有效地將單標(biāo)記翻譯轉(zhuǎn)換為用戶控制的矩陣。這為在蘋果翻譯或提供翻譯服務(wù)的類似門戶中，將用戶選擇納入未來模型迭代提供了可能性。

蘋果和USC開發(fā)的模型在GATE和MT-GenEval測試集上進(jìn)行了評估。GATE包含最多具有3個性別模糊實體的源句子，而MT-GenEval包含無法推斷性別的材料，有助于理解何時不提供替代性別選項。

為了訓(xùn)練系統(tǒng)，研究人員依靠了一種創(chuàng)新的自動數(shù)據(jù)增強(qiáng)算法，這與上述人工注釋的測試集不同。為蘋果策劃做出貢獻(xiàn)的數(shù)據(jù)集包括Europarl、WikiTitles和WikiMatrix。語料庫被分為Tag G（包含12,000個句子），涵蓋所有具有性別模糊注釋的實體的關(guān)鍵詞短語，以及G-Trans（包含50,000個句子），其中包含性別模糊實體和性別對齊。

作者利用了2019年以前的方法來為模型提供生成性別對齊的能力，使用交叉熵?fù)p失和額外的對齊損失進(jìn)行訓(xùn)練。對于數(shù)據(jù)增強(qiáng)程序，他們避免了傳統(tǒng)的基于規(guī)則的方法，而傾向于以數(shù)據(jù)為中心的方法，在G-Tag數(shù)據(jù)集上對預(yù)訓(xùn)練的BERT語言模型進(jìn)行微調(diào)。

在檢測到性別模糊實體的情況下，蘋果和USC探索了兩種方法：微調(diào)預(yù)訓(xùn)練的語言模型和使用大型語言模型（LLM）。對于第一種方法，他們在從G-Trans數(shù)據(jù)集中提取的雙語文本上微調(diào)了一個預(yù)訓(xùn)練的翻譯模型。對于LLM方法，他們設(shè)計了一種策略，該策略利用LLM作為編輯器，重寫提供的翻譯以提供性別分配。

將這兩種方法的結(jié)果連接起來后，該模型隨后被微調(diào)以將源標(biāo)記分類為對齊或未對齊。該項目使用的實體模糊檢測器是通過微調(diào)Facebook的xlm-roberta-large模型開發(fā)的，使用了五種語言對的組合Tag G。

在上述兩種方法的第一種中，M2M 1.2B模型與來自G-Trans數(shù)據(jù)集的雙語文本一起在Fairseq上進(jìn)行了訓(xùn)練，并使用Wiktionary提供了性別變化。對于LLM方法，作者使用了GPT-3.5-turbo。對于性別結(jié)構(gòu)對齊，他們再次使用了xlm-roberta-large，這次是從G-Trans中提取的性別對齊。

評估替代方案的指標(biāo)包括結(jié)構(gòu)（精確度和召回率）和對齊精確度。后者衡量輸出性別結(jié)構(gòu)與已知正確源身份匹配的百分比，并使用MT-GenEval方法論的δ-BLEU方法。

文章總結(jié)了研究結(jié)果，強(qiáng)調(diào)雖然原始模型無法生成替代方案，并顯示出對陽性形式生成的顯著偏見，但這種偏見在監(jiān)督基線中大大減少。使用增強(qiáng)數(shù)據(jù)訓(xùn)練的模型進(jìn)一步減少了這種偏見，并在替代指標(biāo)、對齊精確度和δ-BLEU方面取得了最佳性能。

作者總結(jié)指出，模型的成功應(yīng)放在自然語言處理（NLP）在翻譯方法中合理化性別分配的更廣泛背景下考慮，并指出這仍然是一個未解決的問題。雖然研究人員承認(rèn)所取得的結(jié)果并未完全實現(xiàn)實體級別和/或性別消歧的性別中立翻譯目標(biāo)，但他們相信這項工作是未來探索機(jī)器翻譯最具挑戰(zhàn)性領(lǐng)域之一的“有力工具”。

問：你為什么喜歡閱讀《MultiLingual》雜志？

答：這本雜志以人為本，我特別喜歡這一點(diǎn)。同時，它還經(jīng)常探討少數(shù)民族語言和文化，這對于保護(hù)這些語言和文化至關(guān)重要。

問：你是如何進(jìn)入翻譯行業(yè)的？

答：我在巴塞羅那自治大學(xué)學(xué)習(xí)了翻譯和口譯專業(yè)。雖然我一度猶豫是否要選擇這個專業(yè)，但一旦下定決心，我就知道這是我想從事的行業(yè)。在大學(xué)期間，我有幸在格拉納達(dá)的SDL辦公室實習(xí)，通過電子郵件交付翻譯作品并接受反饋。實習(xí)期間，我接觸了多種多樣的主題，包括本地化、醫(yī)療設(shè)備、合同、營銷文本和視頻游戲等。這段短暫的實習(xí)經(jīng)歷讓我對翻譯行業(yè)有了全面的了解，也讓我更加熱愛這個行業(yè)。

問：自從你進(jìn)入翻譯行業(yè)以來，商業(yè)環(huán)境發(fā)生了哪些變化？

答：最大的變化無疑是機(jī)器翻譯（MT）和人工智能（AI）的興起。雖然機(jī)器翻譯曾一度被廣泛嘗試，但效果并不理想。然而，當(dāng)我2016年開始從事自由翻譯業(yè)務(wù)時，我發(fā)現(xiàn)機(jī)器翻譯的使用量有所下降，因為許多公司開始意識到人性化元素在翻譯中的重要性。如今，隨著技術(shù)的進(jìn)步和人工智能的應(yīng)用，翻譯行業(yè)似乎又掀起了一股自動化熱潮。但我認(rèn)為，許多公司仍處于探索階段。

問：你能分享一下與第一個客戶合作或第一個項目的經(jīng)歷嗎？

答：當(dāng)然可以。八年前，當(dāng)我剛開始從事自由翻譯業(yè)務(wù)時，我的第一個客戶是我在馬拉加年輕企業(yè)家協(xié)會認(rèn)識的一位女士。她所在的公司主要從事營銷工作。我們之前曾嘗試合作過幾次，但都未能實現(xiàn)。當(dāng)她得知我開始從事自由職業(yè)時，便主動聯(lián)系了我，并提供了一個為當(dāng)?shù)刭徫镏行姆g社交媒體內(nèi)容的工作機(jī)會。這個經(jīng)歷讓我意識到，無論公司規(guī)模大小，人們更傾向于與真實的人進(jìn)行合作。

回想起來，即使那些年我建立的聯(lián)系并非都帶來了直接的業(yè)務(wù)機(jī)會，但我也給人們留下了深刻的印象。如今，我的一些早期客戶仍然與我保持著合作關(guān)系，而那些已經(jīng)轉(zhuǎn)職到其他公司的人也會再次聯(lián)系我。這讓我感到非常榮幸和自豪。

問：你認(rèn)為現(xiàn)在是進(jìn)入翻譯行業(yè)的好時機(jī)嗎？

答：說實話，這個問題很難回答，因為它取決于個人的情況和心態(tài)。有時我會覺得，除非只想從事機(jī)器翻譯后編輯（MTPE）項目，否則不建議人們輕易選擇翻譯行業(yè)。然而，另一方面，我也認(rèn)為盡管人工智能取得了顯著進(jìn)展，但翻譯人員的價值仍然不可替代。他們除了具備語言技能外，還能為公司提供許多其他有價值的服務(wù)。因此，我試圖保持這種積極的看法，以便在這個行業(yè)中更好地生存下去。

問：在未來10年里，你希望自己處于什么樣的職業(yè)位置？

答：雖然我希望自己能在未來10年內(nèi)退休，但現(xiàn)實是，到那時我還遠(yuǎn)未達(dá)到西班牙的退休年齡。因此，我的B計劃是繼續(xù)與那些重視我作為翻譯和語言顧問工作的客戶合作。這些客戶能夠正確地將技術(shù)視為一種工具，而不是降低費(fèi)率的借口（對于我所從事的語言對來說，費(fèi)率已經(jīng)持續(xù)低迷了10多年）。

我喜歡向客戶提供有關(guān)技術(shù)和流程方面的咨詢建議，因為許多公司在翻譯領(lǐng)域仍然是新手。他們可能沒有專門的翻譯部門，甚至不了解我們使用的翻譯工具。因此，我希望能夠與他們合作，借助語言和文化的力量幫助他們成功開拓新市場。

問：你對翻譯行業(yè)的未來有何預(yù)測？

答：我認(rèn)為，未來翻譯人員將更多地涉足戰(zhàn)略方面的工作，而不僅僅是語言層面的處理（盡管我不太喜歡這種趨勢，但我們無法逆轉(zhuǎn)行業(yè)的進(jìn)步）。同時，我也認(rèn)為翻譯將逐漸成為更大項目的一個組成部分。目前，翻譯通常被視為一項孤立且反應(yīng)性的任務(wù)，但我相信未來公司會在產(chǎn)品或營銷活動開發(fā)的早期階段就更多地考慮翻譯的需求。

此外，雖然我可能有些天真，但我依然認(rèn)為這個世界充滿了無限的商機(jī)：無論是那些追求從報價到項目管理和交付全流程自動化的人，還是那些依然珍視與真人合作、希望在項目遇到問題時能及時聯(lián)系到人的客戶，都將在這個行業(yè)中找到屬于自己的位置。

巴別魚——經(jīng)典科幻小說《銀河系漫游指南》中設(shè)想的翻譯動物——的夢想可能更接近現(xiàn)實?？萍季揞^ Meta 的研究人員創(chuàng)建了一個機(jī)器學(xué)習(xí)系統(tǒng)，可以幾乎立即將 101 種語言的語音翻譯成語音合成器以 36 種目標(biāo)語言中的任意一種說出的單詞。

大規(guī)模多語言和多模式機(jī)器翻譯 (SEAMLESSM4T) 系統(tǒng)還可以將語音翻譯為文本、文本翻譯為語音以及文本翻譯為文本。該結(jié)果于 1 月 1 日^發(fā)表在《自然》雜志上。

Meta 總部位于加利福尼亞州門洛帕克，運(yùn)營 Facebook、WhatsApp 和 Instagram 等社交媒體網(wǎng)站。Meta 表示，在成功發(fā)布 SEAMLESSM4T 的成功發(fā)布后，它正在將 SEAMLESSM4T 開源給其他想要在其基礎(chǔ)上進(jìn)行開發(fā)的研究人員。 LLaMA面向全球開發(fā)人員的大型語言模型。

數(shù)據(jù)稀缺

機(jī)器翻譯在過去幾十年中取得了巨大進(jìn)步，這在很大程度上要?dú)w功于在大型數(shù)據(jù)集上訓(xùn)練的神經(jīng)網(wǎng)絡(luò)的引入。主要語言（尤其是英語）的訓(xùn)練數(shù)據(jù)比比皆是，但許多其他語言的訓(xùn)練數(shù)據(jù)卻非常稀缺。這種不平等限制了機(jī)器可以訓(xùn)練翻譯的語言范圍。 “這會影響互聯(lián)網(wǎng)上不常出現(xiàn)的任何語言，”紐約州伊薩卡康奈爾大學(xué)的計算機(jī)科學(xué)家艾莉森·科內(nèi)克 (Allison Koenecke) 在該論文隨附的《新聞與觀點(diǎn)》文章中寫道。機(jī)器人作家：語言生成人工智能的興起和風(fēng)險

Meta 團(tuán)隊以之前的語音到語音翻譯²以及名為No Language Left Behind?³的項目為基礎(chǔ)，該項目旨在為大約 200 種語言提供文本到文本翻譯。根據(jù)經(jīng)驗，Meta 和其他地方的研究人員發(fā)現(xiàn)，即使在訓(xùn)練數(shù)據(jù)有限的翻譯語言中，使翻譯系統(tǒng)成為多語言也可以提高其性能；為什么會發(fā)生這種情況尚不清楚。

該團(tuán)隊從互聯(lián)網(wǎng)和聯(lián)合國檔案等其他來源收集了數(shù)百萬小時的演講音頻文件，以及人工生成的演講翻譯。作者還收集了其中一些演講的文字記錄。

該團(tuán)隊還使用可靠的數(shù)據(jù)來訓(xùn)練模型以識別兩個匹配的內(nèi)容。這使得研究人員能夠?qū)⒋蠹s 50 萬小時的音頻與文本配對，并自動將一種語言的每個片段與其他語言的對應(yīng)片段進(jìn)行匹配。

翻譯機(jī)（基于硬件并使用包括基于軟件的機(jī)器翻譯在內(nèi)的技術(shù)），例如最近公布的“翻譯站”，可能具有多種用途，從將課堂內(nèi)容翻譯成新來的非語言學(xué)習(xí)者的母語。 – 英語學(xué)生為英語水平有限或沒有英語水平的家庭提供翻譯材料。然而，雖然技術(shù)可以提供快速的解決方案，但它們不一定是有效的。必須仔細(xì)考慮與這些工具相關(guān)的潛在意外后果：

• 語言細(xì)微差別的丟失：自動化系統(tǒng)可能無法捕捉文化參考、慣用表達(dá)、重點(diǎn)的微妙變化以及其他語言細(xì)微差別。這可能會導(dǎo)致翻譯不準(zhǔn)確以及學(xué)生、家庭和教育工作者之間的誤解。
• 適應(yīng)語言風(fēng)格的能力有限：與根據(jù)具體情況調(diào)整溝通風(fēng)格的人工翻譯不同，自動化系統(tǒng)提供的定制選項有限，可能會疏遠(yuǎn)需要定制語言支持的學(xué)生或家庭。
• 無法識別錯誤：如果原文包含錯誤，例如拼寫錯誤、語法錯誤、無意的同音異義詞（兩個拼寫或發(fā)音相同但含義不同的單詞）或不準(zhǔn)確的陳述，人工翻譯可以就適當(dāng)?shù)膬?nèi)容做出明智的決定行動。如果可能的話，這可能包括咨詢文本的原作者。翻譯機(jī)缺乏這種能力，將“按原樣”處理文本，其結(jié)果可能難以理解。
• 無法編輯完成的翻譯：自動翻譯過程完成后，在打印翻譯文本或?qū)⑵浣桓督o家庭/學(xué)校工作人員之前，沒有機(jī)會糾正翻譯中的錯誤。
• 隱私和安全問題：自動翻譯機(jī)可能會引起對數(shù)據(jù)隱私和安全的擔(dān)憂，特別是在定期交換受HIPAA和FERPA管轄的信息的教育環(huán)境中。
• 歧視和不平等待遇：英語水平有限的學(xué)生和家庭最終可能會收到不正確的溝通，不太了解美國的教育體系及其如何融入其中，以及為確保學(xué)生取得更大成功而采取的任何措施。這意味著家庭可能會因國籍而受到不平等待遇，而這一點(diǎn)受到 1964 年《民權(quán)法案》第六章的保護(hù)。

為克服教育中的語言障礙所做的努力值得贊揚(yáng)。然而，ATA、AAITE 和 NAETISL 主張在學(xué)校中采取平衡的語言獲取和服務(wù)方法，將技術(shù)作為一種工具而不是一種超賣的解決方案進(jìn)行整合。通過發(fā)送未經(jīng)專業(yè)語言學(xué)家審查的外語材料，學(xué)校還可能面臨對其無意發(fā)送的信息承擔(dān)責(zé)任的風(fēng)險。

羅馬——2024年11月4日
今天，我們舉辦了一場獨(dú)特的活動，探索語言的力量以及我們在通用翻譯器方面取得的進(jìn)展。我們推出了世界上最好的翻譯人工智能Lara，以及支持翻譯人員、內(nèi)容創(chuàng)作者和公司本地化需求的新工具。

介紹Lara
我們的首席執(zhí)行官M(fèi)arco Trombetti介紹了Lara，這是15年多來機(jī)器翻譯研究的結(jié)晶。2011年，我們率先推出了自適應(yīng)機(jī)器翻譯。自2017年以來，我們一直在使用Transformer模型為我們的神經(jīng)機(jī)器翻譯系統(tǒng)提供動力，該模型是為翻譯而發(fā)明的，后來成為生成式人工智能的基礎(chǔ)。在ChatGPT發(fā)布后，大型語言模型開始流行起來，許多人對它們的流暢性和處理大型上下文的能力感到驚訝，但也對它們?nèi)狈?zhǔn)確性感到沮喪。我們已經(jīng)孜孜不倦地將大型語言模型的強(qiáng)大功能與機(jī)器翻譯的準(zhǔn)確性相結(jié)合。今天，我們很自豪地達(dá)到了這一里程碑，將兩者與世界上最好的翻譯人工智能Lara相結(jié)合。

Lara通過解釋其選擇、利用上下文理解和推理來提供用戶可信賴的專業(yè)級翻譯，從而重新定義了機(jī)器翻譯。它是在全球可用的最大、最精選的真實世界翻譯數(shù)據(jù)集上進(jìn)行訓(xùn)練的。得益于我們與NVIDIA的長期合作，Lara在NVIDIA AI平臺上使用了120萬個GPU小時進(jìn)行訓(xùn)練。

翻譯9個結(jié)果照片
借助Lara，企業(yè)可以解決以前難以想象的本地化項目。翻譯人員和多語言創(chuàng)作者將在他們的日常工作中享受Lara帶來的便利，從而提高生產(chǎn)力和準(zhǔn)確性。

Lara的錯誤率僅為每千詞2.4個。2025年，我們的目標(biāo)更高——計劃利用2000萬個GPU小時來進(jìn)一步實現(xiàn)語言奇異性。

作者：傅邁克 (Mike Fu)
特約撰稿人

隨著 21 世紀(jì) 20 年代上半葉的結(jié)束，一股全球文學(xué)潮流絲毫沒有減弱的跡象：人們對日本作家的故事如饑似渴。在過去五年中，日本作家在國內(nèi)外屢獲知名文學(xué)獎項，同時，隨著人們對東亞文學(xué)譯作興趣的增長，日本小說英譯數(shù)量也出現(xiàn)上升。

例如，在過去的一年里，波莉·巴頓 (Polly Barton) 翻譯的《黃油》被評為“沃特斯通斯年度之書”，該書由淺野敦子 (Asako Yuzuki) 所著，是一部受現(xiàn)實中的蛇蝎美人啟發(fā)的驚悚小說。同時，村上春樹在文壇保持著自己的重心位置，雖常年引發(fā)諾貝爾文學(xué)獎猜測但至今仍未獲獎，他在 2024 年有兩部新作問世，分別是由菲利普·加布里埃爾 (Philip Gabriel) 翻譯的《城市及其不確定的墻》，以及由杰伊·魯賓 (Jay Rubin) 翻譯的《世界盡頭與冷酷仙境》。前者是這位作家時隔六年推出的最新小說譯作，而后者是村上春樹早期作品《世界盡頭與冷酷仙境》（1991）的重譯版，之前由艾爾弗雷德·伯恩鮑姆 (Alfred Birnbaum) 翻譯。這兩部作品都踏入了奇幻世界的熟悉領(lǐng)域，對村上春樹以往作品或龐大作品中的主題進(jìn)行了反復(fù)呈現(xiàn)——這種文學(xué)上的似曾相識讓鐵桿粉絲們心滿意足，但并沒有贏得所有評論家的好評。

不過，讀者的口味并不局限于引人入勝的犯罪故事或文學(xué)巨匠之作，日本作家的主題關(guān)注點(diǎn)也各不相同，從極度嚴(yán)肅憂郁到離奇古怪、難以歸類，再到治愈系 (iyashi-kei) 說服作品中明顯更柔軟、更蓬松的作品，不一而足。今年發(fā)布的作品包括石黑正數(shù) (Kiyoshi Shigematsu) 和志村貴子 (Syou Ishida) 等以貓為主角的小說，由 E·麥迪遜·下茂 (E. Madison Shimoda) 翻譯的《我們會給你開一只貓》，以及由杰西·柯克伍德 (Jesse Kirkwood) 翻譯的《毯貓》，還有小泉今日子 (Mayumi Inaba) 的回憶錄《和貓咪米米的早晨》，由金妮·塔普利·武 (Ginny Tapley Takemori) 翻譯。