【TAUS】采访Unbable公司副总裁Alon Lavie：解决特定用例的端到端流程
链接：https://blog.taus.net/end-to-e ... lavie
概要：
这篇文章阐述了机器翻译与人工编辑结合、数据与算法协调对于多语交流的重要性，提出了目前机器翻译领域待解决的难题，以及对未来创新发展的预测。
TAUS采访了国际翻译自动化专家Alon Lavie先生，他曾供职于Safaba和亚马逊，管理机器翻译团队，现为欧洲翻译公司Unbable的语言技术副总裁。
采访内容主要涵盖以下四个方面：
一、 Unbable面临的挑战
企业的需求实质是多语内容的传递与交流，Unbable的工作不是单纯的翻译，而是根据不同企业用例的特殊性，从多个角度考虑，利用技术服务翻译，结合机器翻译和人工编辑，为客户提供整套解决方案，有效解决特定用例。
二、 数据与算法
机器翻译在算法层面上的研究更注重神经结构、训练算法和解码等方面；企业需要翻译的数据涉及不同内容，如软件、网站、邮件等类型，面向的对象也有所不同。不同的数据类型需要采用不同的算法进行处理，二者相辅相成，合理搭配，可以更好地解决多语交流中的问题。
以往翻译项目中的数据分析是按照领域进行内容分类，将常规与定制机器翻译的实际问题过于简化，容易忽略上下文关系，不利于高质量译文的产出。目前已有多种注重上下文关系的机器翻译建模方法，数据组织方式十分重要，不仅需要协调常规数据和特定数据，更需要可以有效体现用例特点的数据，这是现今标准翻译记忆库也难以完整提供的。
三、 质量评估
Unbable发展初期在网络社区发布翻译任务，由世界各地的译者参与。伴随着快速扩张的业务，翻译质量评估体系的意义愈加凸显。一些企业需求的机器翻译质量需要达到人类译员水平，并人为评定译文是否达标。翻译自动化对企业意义重大，若能对机器翻译结果进行全面合理的质量评估，可以使其更好地与人工干预结合，协助判断是否需要人工编辑、以及需要何种人工编辑等问题。
多维翻译质量标准MQM可以定位机器翻译错误的区域，但批注仍需人工编写。双语翻译质量评估工具BLEU可以评估机器翻译的质量，但不考虑文本意义，且评判标准过于注重词汇匹配，容易造成语义错误、同义词难以识别等问题，导致评分不准确，因此参考意义比较有限。在质量评估上，我们还有很长的路要走。
四、 未来创新
翻译行业的底层结构和技术生态系统或将面临巨大的颠覆。未来的机器翻译与翻译记忆若能以新的方式融合，翻译记忆管理可能不再是翻译流程中的独立步骤，而是成为云软件服务。语言服务提供商也需要逐渐转型，构建新的基础设施，采用集成端到端流程，减少人工管理。
思考：
1. 翻译准确度
针对不同用途和对象，翻译公司与客户商讨后可以适当调整翻译的准确度，例如企业对内的简单交流有时只需达意即可，而经济法律领域和企业对外内容需要更加严谨；对于广告语等富有文化意义的内容，字词一一对应的翻译往往收效甚微，需要另辟蹊径以达到源语言在对应市场的效果。翻译公司可以根据准确度来调整机器翻译与人工编辑的比重，服务的价格也可以按照译员的参与度和工作量灵活地进行相应调整。
2. 人类译员的意义
尽管机器翻译发展迅速，一定程度上减轻了人类译员的劳动负担，但它无法思考、缺乏逻辑，仍然不能完全取代人类。在一些没有上下文的场景中，机器翻译很容易制造出让人哭笑不得的译文，例如爱彼迎曾发来一封标题为“只是检查”的邮件，内容却是充满温情的礼品确认信，阅毕难免令人尴尬。如果换成人类译员去翻译或审校，想必不会出现这样的闹剧。
问题：
机器翻译与译后编辑的质量评估标准有哪些异同？
术语：
End-to-end process / 端到端流程
Quality evaluation / 质量评定
State-of-the-art technology / 前沿技术
Multidimensional Quality Metrics (MQM) / 多维翻译质量标准
Bilingual Evaluation Understudy (BLEU) / 双语翻译质量评估工具
作者：
张晓彤
北京语言大学高级翻译学院
2019级翻译专业硕士（本地化管理方向）
概要：
这篇文章阐述了机器翻译与人工编辑结合、数据与算法协调对于多语交流的重要性，提出了目前机器翻译领域待解决的难题，以及对未来创新发展的预测。
TAUS采访了国际翻译自动化专家Alon Lavie先生，他曾供职于Safaba和亚马逊，管理机器翻译团队，现为欧洲翻译公司Unbable的语言技术副总裁。
采访内容主要涵盖以下四个方面：
一、 Unbable面临的挑战
企业的需求实质是多语内容的传递与交流，Unbable的工作不是单纯的翻译，而是根据不同企业用例的特殊性，从多个角度考虑，利用技术服务翻译，结合机器翻译和人工编辑，为客户提供整套解决方案，有效解决特定用例。
二、 数据与算法
机器翻译在算法层面上的研究更注重神经结构、训练算法和解码等方面；企业需要翻译的数据涉及不同内容，如软件、网站、邮件等类型，面向的对象也有所不同。不同的数据类型需要采用不同的算法进行处理，二者相辅相成，合理搭配，可以更好地解决多语交流中的问题。
以往翻译项目中的数据分析是按照领域进行内容分类，将常规与定制机器翻译的实际问题过于简化，容易忽略上下文关系，不利于高质量译文的产出。目前已有多种注重上下文关系的机器翻译建模方法，数据组织方式十分重要，不仅需要协调常规数据和特定数据，更需要可以有效体现用例特点的数据，这是现今标准翻译记忆库也难以完整提供的。
三、 质量评估
Unbable发展初期在网络社区发布翻译任务，由世界各地的译者参与。伴随着快速扩张的业务，翻译质量评估体系的意义愈加凸显。一些企业需求的机器翻译质量需要达到人类译员水平，并人为评定译文是否达标。翻译自动化对企业意义重大，若能对机器翻译结果进行全面合理的质量评估，可以使其更好地与人工干预结合，协助判断是否需要人工编辑、以及需要何种人工编辑等问题。
多维翻译质量标准MQM可以定位机器翻译错误的区域，但批注仍需人工编写。双语翻译质量评估工具BLEU可以评估机器翻译的质量，但不考虑文本意义，且评判标准过于注重词汇匹配，容易造成语义错误、同义词难以识别等问题，导致评分不准确，因此参考意义比较有限。在质量评估上，我们还有很长的路要走。
四、 未来创新
翻译行业的底层结构和技术生态系统或将面临巨大的颠覆。未来的机器翻译与翻译记忆若能以新的方式融合，翻译记忆管理可能不再是翻译流程中的独立步骤，而是成为云软件服务。语言服务提供商也需要逐渐转型，构建新的基础设施，采用集成端到端流程，减少人工管理。
思考：
1. 翻译准确度
针对不同用途和对象，翻译公司与客户商讨后可以适当调整翻译的准确度，例如企业对内的简单交流有时只需达意即可，而经济法律领域和企业对外内容需要更加严谨；对于广告语等富有文化意义的内容，字词一一对应的翻译往往收效甚微，需要另辟蹊径以达到源语言在对应市场的效果。翻译公司可以根据准确度来调整机器翻译与人工编辑的比重，服务的价格也可以按照译员的参与度和工作量灵活地进行相应调整。
2. 人类译员的意义
尽管机器翻译发展迅速，一定程度上减轻了人类译员的劳动负担，但它无法思考、缺乏逻辑，仍然不能完全取代人类。在一些没有上下文的场景中，机器翻译很容易制造出让人哭笑不得的译文，例如爱彼迎曾发来一封标题为“只是检查”的邮件，内容却是充满温情的礼品确认信，阅毕难免令人尴尬。如果换成人类译员去翻译或审校，想必不会出现这样的闹剧。
问题：
机器翻译与译后编辑的质量评估标准有哪些异同？
术语：
End-to-end process / 端到端流程
Quality evaluation / 质量评定
State-of-the-art technology / 前沿技术
Multidimensional Quality Metrics (MQM) / 多维翻译质量标准
Bilingual Evaluation Understudy (BLEU) / 双语翻译质量评估工具
作者：
张晓彤
北京语言大学高级翻译学院
2019级翻译专业硕士（本地化管理方向）
