机器翻译+译后编辑模式已成历史

在如今这个高度联系的全球化世界里，一家公司若计划将业务扩展到创始国家之外，就必须考虑本地化问题。许多公司需要翻译自己的产品内容，以便与各国甚至本国公民建立联系。

语言是不断扩展的数字化世界中最强大的联结点，所以重要的不仅是将信息定向传达给合适的受众，以精心打磨的恰当口吻来表达也同样关键。建立一个品牌通常需要几千个字，但摧毁一个品牌只需一个错误的短语。将产品内容本地化以及站在受众的角度提供精准服务，正拥有着前所未有的重要性。

自20世纪40年代问世以来，机器翻译（MT）一直是本地化行业和翻译界的热门话题。从那以后，计算机技术和处理能力的重要性只增不减，因为系统几乎可以做到瞬时翻译文本。但有时，在从源文本到译文输出的整个翻译局面中，人工翻译却被忽略了，没有人工翻译，很多原始的MT输出译文将无法使用。

这就要提到“机器翻译+译后编辑”(MTPE)的模式——一种将原始MT输出译文由人工翻译编辑后再最终交付的工作流程。理论上，MTPE是解决传统翻译和机器翻译的速度、成本和准确性等问题的理想方案。传统的翻译即译员人工将源文本翻译成另一种语言，虽然是最准确的，但通常工作流程较慢且成本较高。机器翻译速度要快得多，但会受到译文质量问题的困扰。MTPE综合了机器翻译的速度和成本效率以及人工翻译的准确性，从而解决了这些问题。

确实是这样吗？

随着翻译技术的不断进步，新的翻译产品层出不穷，如神经机器翻译和自适应机器翻译，MTPE的相对有效性已在逐步下降。安东尼·特谢拉是一名拥有超过12年翻译工作经验的自由撰稿人，他对MTPE持谨慎态度。

特谢拉说:“人们很容易认为，机器翻译引擎输出的草稿替翻译人员节省了输出译文的时间。而事实是，机器翻译的输出译文通常需要大量的返工，还不如翻译人员从一开始就直接把译文打出来。”

他还表示，即使机器翻译输出的译文质量尚可，只需要少量修改，任何可能节省的时间往往也都会被浪费掉，因为翻译人员需要花时间将源文本与输出译文进行比较，理解上下文，找出错误之处，并写出正确的译文。MT模型只会偶尔进行训练调试，因此翻译人员也只能一次又一次地发现并纠正同样的翻译输出错误。

特谢拉并不是唯一一个持有这种观点的翻译家。美国CSA Research咨询公司的独立研究报告《翻译学者供应链的现状》称，只有37%的翻译学者认为他们打过交道的MT输出译文质量不错。超过80%的人认为译文产出质量参差不齐，不同的项目中很难发现一致性。由于原始输出译文是机器翻译的，因此与母语者或该语言熟练使用者基于语境和情感的翻译相比，它读起来往往更字面化。

那么机器翻译的未来何去何从？CSA Research公司的研究显示，71%的翻译学者倾向于自适应机器翻译解决方案，它是一种可以从译者直接反馈的结果中学习和自我训练的解决方案。这种人工参与的工作流程塑造了一个不断更新的翻译模型，它比MTPE或其他翻译方法更高效，更快速，也更经济。

MTPE这个概念曾经符合时代的需求，因为现代翻译工作流程的构建模块将翻译学者和机器翻译结合了起来。但是，自适应机器翻译和神经机器翻译的面世已经证明，要利用人工智能来增强人类技能，还有更有效的方法——这才是翻译真正的未来。