语言:
语言:
我们致力于创建、转换、测试和训练从文本、语音、音频、视频到结构化和非结构化数据的广泛内容,所处理的内容数量远超全球其他任何公司。
内容服务
- 技术文献写作
- 培训和在线学习
- 财务报告
- 多元文化营销
- 数字体验评估
翻译服务
- 视频本地化
- 软件本地化
- 受监管内容翻译与本地化
- 口译
- 现场活动
- 多语言搜索引擎优化 (SEO) 和数字营销
- 内容优化
- 网站本地化
测试服务
- 功能 QA 和测试
- 兼容性测试
- 互操作性测试
- 性能测试
- 辅助功能测试
- UX/CX 测试
Lionbridge 知识中心
- 生成式人工智能 (GenAI)
- 改善患者治疗结果
- 本地化的未来
- 将创新想法转化为免疫实践
- 新冠肺炎疫情资源中心
- 颠覆系列
- 患者配合度
- Lionbridge 见解
利用 Lionbridge Lainguage Cloud 支持您的端到端本地化和内容生命周期
Lainguage Cloud™ Platform
轻松连接
翻译团队
工作流程技术
Smairt Content™
Smairt MT™
Smairt Data™
选择语言:
机器翻译历经近 80 年的漫长发展,目前势头正劲。
近年来,随着人工智能 (AI) 彻底融入这个时代,“神经网络机器翻译”已成为各行业关注的众多流行语之一。无论您与机器翻译 (MT) 这一概念有着怎样的联系,都需要对它有所了解。
随着企业和消费者越来越多地接触到人工智能的应用,一大批密切相关的术语应运而生。如果您不是业内人士,面对这些有时可互换使用的术语,您如何辨析个中差异?
如何了解机器翻译?
我们可以为您提供帮助:Lionbridge 在全球拥有一批经验丰富的 MT 专家。我们与这些专家合作编写了这份术语速查,旨在帮助您了解一些推动该行业发展的术语之间的细微差别和明显差别。
1. 人工智能
要了解 MT 的最新趋势,您首先需要熟悉这些趋势的诞生背景:功能强大而令人振奋的人工智能 (AI)。AI 的“智能”体现在机器能够执行某些特定任务,而这些任务通常被认为需要人类思维才能完成,例如学习和解决问题。近年来,日益强大的计算能力大大推动了 AI 的发展。越发强大的计算机不仅带来了更加出色的任务处理能力,还催生了更加先进的机器学习技术,而正是通过该技术,计算机才能获得 AI 应用所需要的知识。
2. 机器学习
机器学习是计算机科学的一个分支,利用大量数据来训练计算机执行任务。机器学习能够评估与特定任务相关的数据,找到这些数据中的规律,建立这些规律之间的联系,然后根据这些新发现形成计算机执行任务的方式。如果在上述分析之后,计算机能够更好地 执行任务,那么机器学习就奏效了。
由于我们拥有包罗万象的海量数据,因此能够使用机器学习来改进计算机在各个领域的表现,无论是天气预报、自动选股,还是机器翻译。
3. 机器翻译
简而言之,机器翻译就是自动化翻译:您将一种语言的源材料提供给计算机,计算机再将翻译为另一种语言的结果返回给您。机器翻译并非尽善尽美,但它是我们现有的强大利器之一,可帮助我们更高效地生成优质译文。
在过去的几十年中,就输出质量和所支持的语言广度而言,MT 可谓渐入佳境。从 MT 刚出现时的简单词汇替换系统,到基于规则的 MT 的显式编码语法和词汇,到统计 MT 的数字运算范例,再到神经网络 MT 的深度学习和神经网络,机器翻译的发展反映出我们对计算机的使用越来越得心应手。
4. 统计机器翻译
统计机器翻译 (SMT) 利用机器学习为特定源语句生成大量候选译文,然后根据词汇和短语在目标语言中共同出现的可能性,选择最佳译文。SMT 通过“n-gram”(即源语言和目标语言中一段段组合在一起的词汇)的视角来学习翻译。在机器学习阶段,会为 SMT 系统提供训练材料,即,许许多多的源语言语句以及翻译为目标语言的译文示例。学习算法将源语句和目标语句划分为多个 n-gram,并确定某个源语言 n-gram 出现在语句中时,哪些目标语言 n-gram 可能出现在译文中。
然后,学习算法会构建一种语言模型,后者能够计算特定词汇和短语在目标语言中相邻出现的可能性。完成学习后,需要翻译新材料时,SMT 系统会将新的源语句分解成多个 n-gram,找到高度相关的目标语言 n-gram,然后开始生成候选语句。最终的译文是符合以下条件的语句,即目标语言 n-gram 与源语句的 n-gram 具有最大相关性,且其目标语言的词汇极有可能共同出现在目标语言中。
SMT 的翻译效果令人惊喜,尤其是当您以为 SMT 系统不具备语言能力时。实际上,该系统只会分析 n-gram,而从不考虑完整的语句。这一点不同于新兴的 MT 方法:神经网络机器翻译。
5. 神经网络机器翻译
神经网络机器翻译 (NMT) 克服了 SMT 最大的缺点:需要依赖 n-gram 分析。NMT 赋予了机器更强的学习能力。像在 SMT 环境中一样,系统会接收训练材料,但有一个关键区别:系统在收到材料后,会自行 决定如何尽可能多地学习有关该数据的信息。
NMT 系统会为每个源语句构建信息向量,同时通过相邻的词汇将有关每个词汇的信息关联起来。某些系统能够为每个词汇生成数百条信息,从而产生深度的准确性。通过深度学习,NMT 系统会获取大量有关每个词汇和源语句的信息,然后利用注意力模型来仔细研究关键特征。这些关键特征是通过分析海量数据流了解到的,而且对于翻译流程非常重要。这样就获得了流畅度明显提高的译文,这意味着,计算机生成的译文读起来越来越自然。
NMT 在我们的行业中具有颠覆性的意义。随着可用工具集日趋成熟,再加上不断的改进,Lionbridge 将更多地利用 MT 加快生产流程。
在 Lionbridge,我们能够熟练运用 MT。自 2002 年以来,我们一直在大规模提供 MT 和后期编辑服务,并且每年都在更多地提供此类服务,服务质量也在不断提升。单击此处,详细了解我们如何自如地运用 MT 来为客户提供帮助。