为什么要使用神经机器翻译？从哪里开始？

几十年来，科学家和工程师一直在努力挖掘神经机器翻译 (NMT) 的全部潜力。 虽然微软翻译所使用的 NMT 模型已经改变了我们在全球范围内的交流方式，但翻译行业现在正倾向于新的进步，例如专门针对翻译任务进行微调的小型语言模型 (SML) 或大型语言模型 (LLM)。 例如，谷歌现在将其新的基于 Gemini 的翻译 LLM定位为针对其常用的 NMT 模型谷歌翻译的广泛翻译用例的解决方案。   

尽管取得了这些进步，NMT 在当今的翻译中仍然发挥着作用。 无论是即时翻译图片中的路标还是解释商业和法律文件，NMT 已被证明是众多行业中不可或缺的功能。 利用机器翻译和人工智能 (AI) 力量的公司比使用传统翻译方法的竞争对手节省时间、打破语言障碍并更快地进入国际市场。

在这里，我们将定义神经机器翻译、它的工作原理以及何时使用它来满足您的语言翻译需求以提高全球影响力。

什么是神经机器翻译？

神经机器翻译使用神经网络提供各种语言的准确翻译。 采用 NMT 的计算机程序利用从大型数据集中学习到的模式，自动将文本从一种语言翻译成另一种语言。

不久前，NMT 还被许多人视为翻译重要或高可见度内容（尤其是大规模翻译）的不稳定翻译工具。不过，在过去十年中，它捕捉语言细微差别的能力有了大幅提高。现在，它已成为翻译文本的首选方法，彻底改变了我们的语言翻译和本地化方法。

例如，人工智能翻译软件，如 Smartling 的神经机器翻译中心，利用机器学习选择最佳 MT 引擎，确保在几毫秒内获得准确的翻译结果。Smartling 提供了一个中央工作区，用于处理各种翻译方法、工作流程和文件格式的多语言内容。对于必须使用不同语言进行交流的国际企业来说，它是一个非常宝贵的翻译工具，能提供值得信赖的高质量译文。

神经机器翻译如何工作？

神经机器翻译使用人工神经网络以更快的速度模仿人类的翻译过程。 这些网络由多层相互连接的节点组成，对源文本进行编码、解码为目标语言，并采用注意机制来确保上下文准确的翻译。 NMT 模型从每种语言的大量训练数据集中学习。

什么是神经网络？

神经网络是一种旨在模仿人类大脑处理和学习信息方式的计算机系统。 它由相互连接的节点或“神经元”组成，通过在节点之间传递信息并根据训练数据调整连接来学习，以最大限度地减少预测误差。 这个过程教会网络如何解释和响应数据，优化其执行指定任务（例如翻译文本）的性能。

什么是深度学习翻译？

深度学习翻译是人工智能的一个高级分支，专门利用深度神经网络。传统或 "浅层 "NMT 模型只使用一个或几个层，而深度学习则使用多个层来分析和学习语言数据。这种深度可以更丰富地理解细微差别，大大提高翻译的准确性和自然度。

不同类型的 NMT 模型

神经机器翻译模型主要有两种类型，每种模型都有独特的语言翻译方法：

变压器模型

Transformer 模型同时处理句子中的所有单词。 他们使用一种称为自我注意力的系统，该系统根据句子中的每个其他单词来衡量每个单词。 这使得这些模型很容易理解单词之间的关系，即使它们相距很远。 处理完单词后，它们将信息传递到前馈层以完善它们的理解。 并行处理单词的能力使得 transformer 比旧型号更快、更强大。

Transformer 甚至可以在“零样本”场景中进行翻译，这意味着它们可以通过利用每种语言的训练数据在未经训练的语言对之间进行翻译。 这使得它们具有灵活性，并且善于预测多种语言组合的翻译。

RNN 模型

循环神经网络 (RNN) 按顺序处理单词，这意味着它们一次只看一个单词，并将前面的单词的信息传递下去。 这有助于他们随着时间的推移理解模式，但也意味着他们在理解长句子时会遇到困难，因为他们会“忘记”之前的单词。 由于 RNN 逐步处理信息，因此它们的速度也比 Transformer 慢得多，并且无法处理大型数据集。 RNN 模型现在很少被使用，因为它们已经被更准确、更高效的 transformer 所取代。 

何时使用神经机器翻译

多年来，神经机器翻译不断发展，以适应无数的用例。 以下是其在商业环境中的一些最常见的应用：

简化工作场所沟通

NMT 通过翻译电子邮件、消息和内部文件简化了全球公司员工和部门之间的沟通。 无论他们来自哪里、说什么语言，每个人都会达成共识。 这是建立更强大、更紧密团队的绝佳方法。

实时客户支持

全球性公司必须处理其经营所在的每个市场的客户询问。 NMT 可以实时翻译客户查询和支持响应，使公司能够立即以客户喜欢的语言为他们提供帮助。 国际运营不再需要多语言支持团队。

主要翻译项目

NMT 可以比人工翻译更便宜、更快地翻译整个网站、用户手册和其他文档。 Smartling 的神经机器翻译中心等人工智能翻译工具简化了流程，可在短时间内提供高质量的翻译。 Smartling 的 NMT 中心非常适合网站本地化或多语言内容存储库的更新。

专业内容翻译

翻译必须遵守医疗保健或金融等敏感行业的严格规定并保留技术术语。 NMT 系统可以针对特定领域的数据进行训练，轻松翻译复杂或敏感的内容，同时保留原始含义。

神经机器翻译的优势

将神经机器翻译整合到您的翻译策略中有许多好处。

• 发布时间更快： NMT 引擎可以几乎立即翻译大量文本，从而能够在多种语言之间更快地分发信息。 
• 节省成本：机器翻译服务通常比人工翻译更实惠。
• 提高可扩展性：NMT 可以翻译大量文本，而成本不会相应增加。这种可扩展性可帮助各种规模的企业拓展全球业务。
• 语言一致性：借助翻译记忆库，NMT 在所有翻译材料中使用一致的术语。 这种统一性在保持清晰度的同时增强了品牌的声音。
• 可定制性：使用公司特定术语训练定制 NMT 引擎可产生更高质量的翻译。 此外，NMT 系统会随着时间的推移而学习和改进，不断提高翻译准确性。
• 事实准确性： NMT 能够始终如一地提供高度准确的结果。 虽然精细调整的 LLM 越来越受欢迎，但它们确实引入了产生幻觉的可能性，如果不进行适当的缓解，幻觉可能会降低准确性。
• 公用事业： NMT 模型易于理解、设置并执行各种用例的翻译。

将 NMT 纳入工作流程的最佳实践

采用神经机器翻译可显著提高翻译效率并降低成本。这些最佳实践将对 NMT 流程进行微调：

• 选择合适的机器翻译引擎：并非每个 NMT 引擎都适合每种场景。 根据定价、支持的语言对、定制功能以及与现有系统的易于集成性来评估选项。 深思熟虑的选择将符合您独特的需求和预算。
• 利用领域优化引擎：如果您的行业依赖于技术或科学术语，请考虑使用针对您的领域训练的引擎。 如果没有可用的预先训练的引擎，您可以寻求训练自定义引擎。 您可以随着需求的变化而不断更新它。
• 通过预编辑准备您的内容：结构化、明确的文本可提供最佳的翻译效果。 预先编辑可以减少错误并提高翻译的准确性。
• 监控和评估翻译质量：建立反馈循环，定期评估您的 NMT 输出。 自动对您的内容进行评分以评估您的翻译的整体质量。 然后，选择这些结果中的一个样本进行人工审核，以将自动评分与语言标准进行比较。 此方法可以帮助您估计翻译文本需要多少后期编辑（如果需要）。

一个集中的智能机器翻译中心

要扩大本地化工作的规模，不能依靠一刀切的解决方案。机器翻译引擎在专业领域表现出色。有些适合利基行业或领域，而另一些则在特定语言对或内容类型方面表现更佳。将自己限制在单一引擎上意味着错过人工智能翻译的全部潜力。

有了 Smartling 的MT Auto Select，您就不必满足于一种解决方案。Auto Select 集成在我们的神经机器翻译中心内，可让您访问 DeepL、Microsoft Translator 和 Google Translate 等顶级引擎，所有引擎协同工作，提供快速、准确和可扩展的结果。通过自动选择最适合您的内容和地域对的机器翻译引擎，自动选择功能可生成 350% 更高质量的翻译，从而改善您的多语言搜索引擎优化和品牌传播。

当今的翻译技术远远超出了 NMT 的范围。 下一代翻译解决方案，如Smartling 的 AI 翻译，利用 NMT 和 LLM 来实现更高效、流畅的结果。

准备好将您的本地化战略提升到新的水平吗？ 下载我们的指南“人工智能本地化：实现质量、成本和速度目标”。 该资源将向您展示如何在工作流程中最大限度地发挥人工智能的力量。