機器翻譯+譯后編輯模式已成歷史

在如今這個高度聯系的全球化世界里，一家公司若計劃將業務擴展到創始國家之外，就必須考慮本地化問題。許多公司需要翻譯自己的產品內容，以便與各國甚至本國公民建立聯系。

語言是不斷擴展的數字化世界中最強大的聯結點，所以重要的不僅是將信息定向傳達給合適的受眾，以精心打磨的恰當口吻來表達也同樣關鍵。建立一個品牌通常需要幾千個字，但摧毀一個品牌只需一個錯誤的短語。將產品內容本地化以及站在受眾的角度提供精準服務，正擁有著前所未有的重要性。

自20世紀40年代問世以來，機器翻譯（MT）一直是本地化行業和翻譯界的熱門話題。從那以后，計算機技術和處理能力的重要性只增不減，因為系統幾乎可以做到瞬時翻譯文本。但有時，在從源文本到譯文輸出的整個翻譯局面中，人工翻譯卻被忽略了，沒有人工翻譯，很多原始的MT輸出譯文將無法使用。

這就要提到“機器翻譯+譯后編輯”(MTPE)的模式——一種將原始MT輸出譯文由人工翻譯編輯后再最終交付的工作流程。理論上，MTPE是解決傳統翻譯和機器翻譯的速度、成本和準確性等問題的理想方案。傳統的翻譯即譯員人工將源文本翻譯成另一種語言，雖然是最準確的，但通常工作流程較慢且成本較高。機器翻譯速度要快得多，但會受到譯文質量問題的困擾。MTPE綜合了機器翻譯的速度和成本效率以及人工翻譯的準確性，從而解決了這些問題。

確實是這樣嗎？

隨著翻譯技術的不斷進步，新的翻譯產品層出不窮，如神經機器翻譯和自適應機器翻譯，MTPE的相對有效性已在逐步下降。安東尼·特謝拉是一名擁有超過12年翻譯工作經驗的自由撰稿人，他對MTPE持謹慎態度。

特謝拉說:“人們很容易認為，機器翻譯引擎輸出的草稿替翻譯人員節省了輸出譯文的時間。而事實是，機器翻譯的輸出譯文通常需要大量的返工，還不如翻譯人員從一開始就直接把譯文打出來。”

他還表示，即使機器翻譯輸出的譯文質量尚可，只需要少量修改，任何可能節省的時間往往也都會被浪費掉，因為翻譯人員需要花時間將源文本與輸出譯文進行比較，理解上下文，找出錯誤之處，并寫出正確的譯文。MT模型只會偶爾進行訓練調試，因此翻譯人員也只能一次又一次地發現并糾正同樣的翻譯輸出錯誤。

特謝拉并不是唯一一個持有這種觀點的翻譯家。美國CSA Research咨詢公司的獨立研究報告《翻譯學者供應鏈的現狀》稱，只有37%的翻譯學者認為他們打過交道的MT輸出譯文質量不錯。超過80%的人認為譯文產出質量參差不齊，不同的項目中很難發現一致性。由于原始輸出譯文是機器翻譯的，因此與母語者或該語言熟練使用者基于語境和情感的翻譯相比，它讀起來往往更字面化。

那么機器翻譯的未來何去何從？CSA Research公司的研究顯示，71%的翻譯學者傾向于自適應機器翻譯解決方案，它是一種可以從譯者直接反饋的結果中學習和自我訓練的解決方案。這種人工參與的工作流程塑造了一個不斷更新的翻譯模型，它比MTPE或其他翻譯方法更高效，更快速，也更經濟。

MTPE這個概念曾經符合時代的需求，因為現代翻譯工作流程的構建模塊將翻譯學者和機器翻譯結合了起來。但是，自適應機器翻譯和神經機器翻譯的面世已經證明，要利用人工智能來增強人類技能，還有更有效的方法——這才是翻譯真正的未來。