查看原文
其他

达人话 Trados | 神经机器翻译的未来

The following article is from Trados Author Daniel Brockmann

达人话 Trados

神经机器翻译的未来

作者:Daniel Brockmann | SDL 首席产品总监


作者介绍

Daniel Brockmann 是 SDL 的首席产品总监,在与 SDL 合并之前,他在 TRADOS 也担任这一职务。Brockmann 先生于 1994 年 2 月加入这家公司。在最初的几年里,他曾担任培训和技术支持专家、销售工程师和文档专家,以及一家快速发展的创业型公司所需的其他职务。他还培训各个新成立的 TRADOS 办事处,了解 TRADOS 软件解决方案,在全球 TRADOS 运营的各个方面都发挥了重要作用。今天,Daniel 的团队为全球的翻译人员、项目经理和术语专家管理和研发各种语言技术产品:翻译生产力环境 SDL Trados Studio、术语管理套件 SDL MultiTerm、协作解决方案 SDLTrados GroupShare 以及应用程序商店平台 SDL AppStore。


在过去的 25 年里,翻译技术发展十分迅速,翻译人员和语言学家比以往任何时候都要更加熟悉一套全面的翻译辅助工具。可以访问翻译记忆、术语库和许多其他资源的 CAT 工具都经过不断地开发和改进,以支持翻译专业人员的日常工作。这些工具通过加快工作速度、提高整体准确性,和令翻译人员具备接受更高更多工作量的能力,为全世界成千上万的用户提高了翻译生产力。


机器翻译的概念实际上早在 CAT 工具出现之前就已经存在了,但机器翻译的历史性体现通常与某些语言对和整体翻译的质量有关。但是在过去几年中,神经机器翻译(NMT)的发展真正提高了机器翻译的能力,并可以用于以前从未考虑过的内容。


但到底什么是神经机器翻译(NMT)?如何进一步提高翻译人员的经验?SDL 的产品总监Daniel Brockmann 在这篇令人大开眼界的文章中解释了一切。


什么是神经机器翻译(NMT)?

为什么它比其他的机器翻译(MT)模型更好?


神经机器翻译(NMT)是机器翻译的一种新的方法,其原理简单的来说就是:计算机使用深度学习来构建人工神经网络,目的是为了可以用来教自己如何在语言之间进行翻译。它使用这些神经网络来翻译整个句子,而不是将它们分解成更小的部分。

 

这远远优于以前的机器翻译模型,例如基于规则的机器翻译,它是基于一组预定义的语法或语法规则进行假设;而基于统计的机器翻译则依赖于统计算法来预测单词和短语的正确顺序。这两种机器翻译方法通常都会受到一定的限制,无法提供需要较少后期编辑的流畅翻译。

 

相反,在强大的人工智能的支持下,NMT 会试图确定源内容的含义,并在目标翻译中复制这个点,方法是将其发送到相互协作的各个“神经元”层,以确定最有可能的目标语言的语句——这种方法可以使翻译更加流畅。而这所使用的方法与用于图像或语音识别的基于人工智能的方法并没有什么不同,而这两种方法在过去几年中也取得了重大进展。


可以用神经机器翻译代替 CAT 工具吗?


虽然 NMT 是一个伟大的新工具,并有了很大的发展,用户也可以在他们的翻译工作中更有效率,但是最终没有什么比精确的翻译记忆更为匹配。因此,重要的是不要过早淡化这一关键资产的持续累积的重要性。


然而,通过在 CAT 工具环境中使用 NMT,用可以在自己熟悉和信任的系统中工作,并获得更高质量的神经机器翻译的建议。同时,用户还可以使用翻译记忆和术语库,可以选择使用 NMT 对预翻译内容进行后期编辑,或者根据自己的喜好将其用作为自动建议功能,而此时,其翻译记忆不会提供精确或高模糊匹配。


对于翻译人员来说,是选择用 NMT 来扩展 CAT 工具,而不是完全替换它,这意味着这项附加技术将无缝地插入到用户熟悉和熟练的工作流程中,而不会改变或者替代其中任何一项,从而提高工作效率。


在 SDL TARDOS Studio 2019 中

建立和开始使用神经机器翻译有多容易?


我们最近发布了一个 Studio 2019 的更新(Cumulative Update 4)从而使访问 NMT 变得非常容易。


用户可能已经熟悉通过 Language Cloud 接口访问 SDL 机器翻译,我们在”幕后”所做的只是用 NMT 引擎替换以前的机器翻译引擎,用户就可以在那里访问它。就这么简单!


为什么用户应该在 Trados Studio 2019 中

使用 SDL 机器翻译?


一个关键因素是我们的 NMT 已经在 SDL Trados Studio 2019 中恭候多时了,而且是免费的!用户每月可以免费访问500,000个字符,还可以根据需要升级到更多字符。当转到更高的数量时,用户可以通过云端在线使用 SDL 机器翻译,如果用户愿意,也可以将其脱机移动到用户的本地环境


其次,我们拥有极其专业的 CAT 工具和机器翻译技术开发人员。这意味着用户可以从 SDL 获得:一方面是经过验证的 Trados 翻译技术,另一方面是 SDL 机器翻译团队的高质量神经机器翻译,他们在这项技术上已经工作了超过 15 年。并且没有第三方来源/介入或者信息存储,我们先进的加密技术确保用户的一切(如信息和内容)是安全的。简而言之,用户是安全的,因为 SDL 不仅是 NMT 技术的提供者,而且是这个技术开发者。


SDL 是唯一一个能够将神经机器翻译、翻译记忆和术语这三个 CAT 工具的核心技术整合在一个智能的、一体化的产品中的公司。这为我们将来能提供的技术和解决方案开辟了许多令人兴奋的前景。


使用 SDL 机器翻译的主要益处是什么?


简单地说,NMT 提高了整个供应链的生产率和质量。对于语言服务提供商(LSPs)和企业组织来说,这为翻译更多的内容提供了机会,现在也可以开始研究不同种类的内容,而这些内容以前可能根本没有考虑过要翻译。


作为一名翻译,即使我目前在产品经理的职位上,我仍然需要频繁地将 PowerPoint 演示文稿等文档从英语翻译成德语,反之亦然,我发现使用 SDL NMT 对我的翻译起到了一个非常好的帮助。它使我的工作方式更加流畅,因为我总是能接触到一些有用的东西,无论是来自翻译记忆、术语库,还是现在来自神经机器翻译。


总之,这个产品真正的优点就在于:它有益于所有的工作方式


以下附上关于神经机器翻译的培训视频,详细介绍了 SDL 机器翻译的最新、最先进的神经网络机器翻译(NMT)功能。了解这项令人兴奋的新技术如何帮助 SDL Trados Studio 用户在保持客户要求的质量的同时变得更加高效。演讲嘉宾为:Daniel Brockmann(全球产品总监)和 Neil Ferguson(产品营销经理)。


神经机器翻译培训视频:

神经机器翻译助您快速启动翻译项目


https://v.qq.com/txp/iframe/player.html?width=500&height=375&auto=0&vid=m0951kfdhli  

利用神经机器翻译 (NMT) 的强大功能,让翻译项目事半功倍——全球备受欢迎的计算机辅助翻译软件 SDL Trados Studio 的用户可以免费使用。

使用由 SDL 机器翻译提供技术支持的 NMT,您将能获得 100 多个语言对更流畅的自动翻译结果。这是启动翻译项目的明智方式,也是 Studio 三大核心翻译技术之一,可以帮助您快速生成优质翻译。



本期编辑:杨莹YOUNG


【往期回顾】前沿动态

《笔译服务报价规范》

《本地化业务基本术语》

《本地化服务报价规范》

《本地化服务供应商选择规范》

行业观察

人工智能的历史、现状与未来

一文读懂本地化

语音技术助力翻译和译后编辑

字幕行业“危在旦夕”?它……会消失吗?

字幕行业“危机”之下,SUBTLE能否力挽狂澜?

字幕与机器翻译的碰撞,催生了哪些新职业?

字幕新时代——字幕与机器翻译碰撞带来哪些新岗位?

译后编辑职业方向大揭秘!原来我更适合...

翻译软件Trados的昨天、今天和明天

确保翻译质量的四种方法:最深的爱意不露声色 最好的翻译不留痕迹

精品课程

计算机辅助翻译精品集训营-四期课程联动开班!

喝一杯奶茶?or 参加一场翻译技术实习营?!

计算机辅助翻译实战特训营C计划-Trados精品班

观点洞见

专访 | 周兴华:高校翻译教师如何学习翻译技术?

专访 | 李梅:机器翻译对未来翻译教育有何影响?

专访|李光华:AI如何赋能影视译制?

专访|刘海明:本地化行业需要什么样的人才?

中国访谈丨中国翻译协会高岸明:翻译为沟通中外发挥着重要引领作用

中国访谈丨中国翻译协会黄友义:未来要进一步加强“中译外”

推动国家翻译能力建设 服务党和国家工作大局

字幕翻译技术研究:现状、问题及建议

计算机辅助翻译技术视角下的字幕翻译研究

技术科普

实践答疑 | 术语管理技术分类与工具介绍

技术与工具 | 计算机辅助翻译工具-memoQ 核心功能概览

技术与工具 | 如何创建应用于Trados的术语库?

技术与工具 | 两款双语字幕生成应用的对比测评

技术与工具|小牛翻译 Trados 插件新增术语词典功能

CAT操作 | 如何使用Trados建立翻译记忆库?

带稿同传:眼睛和耳朵,谁说了算?

搜商 | 4个搜索命令,助你事半功倍

Trados扫盲贴:90%计算机辅助翻译初学者都会陷入的误区,你中招了吗?

 微信公众号 

语言服务行业

继续滑动看下一个
语言服务行业
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存