.svg)
.svg)
.svg)
.svg)
.svg)
.jpg)
在人工智能的进步和日益增长的全球连通性需求的推动下，翻译领域正在迅速发生变化。 展望 2025 年，技术与人力专业知识的融合将改变企业处理本地化的方式。 从利用人工智能翻译工具实现与人类同等的水平到重新定义语言学家的角色，这些转变将为效率、可扩展性和影响力带来新的机遇。
观看下面的会议
Smartling 最近举办了网络研讨会，由 Smartling 首席执行官 Bryan Murphy 和人工智能副总裁 Olga Beregovaya 主持，探讨了 2024 年人工智能的快速发展，并描绘了 2025 年翻译技术的潜在发展轨迹。 以下是对未来发展的概述以及组织如何保持领先地位。
在人工智能不断受到热议的同时，2024 年也取得了显著的进步，包括增强可访问性的多模式模型以及神经机器翻译 (NMT) 与生成式人工智能的融合。 然而，关键挑战依然存在——例如需要改进对长尾语言的支持以及实施更严格的人工智能法规。 不过，今年的学习为下一步奠定了基础。
以下是未来一年的五大变革趋势：
预测一：人工智能将达到与人类同等的翻译水平。
对于某些语言和内容类型来说，人工智能的质量已接近人类水平。 通过解决“假流利”、偏见、幻觉和不准确性等问题，人工智能将成为翻译中更加可靠的工具。
业务成果：
实现与人工同等的翻译水平将使公司减少对后期编辑的依赖，降低成本，同时确保全球内容更快地上市。
预测 2：人工智能将变得足够可靠，从而获得广泛的信任和采用。
人工智能的好坏取决于我们对它的信任。 负责任且合乎道德的人工智能实践以及明确的绩效指标将建立对新技术的信任，为 2025 年各行业更广泛地采用人工智能铺平道路。
业务成果：
对人工智能解决方案的更大信任将使组织能够扩大本地化力度，满怀信心地进入新市场并降低运营风险。
预测 3：本地化团队需要与业务成果保持一致。
尽管本地化团队经常会担心自己会被视为业务的一项费用，但我们预计，到 2025 年，本地化人员将被要求将他们的努力与业务目标直接结合起来。 本地化很快就会成为增长动力，而不是成本中心。
业务成果：
通过将本地化工作与可衡量的业务 KPI 结合起来，组织可以证明对语言解决方案的投资是合理的，并展示其在推动收入方面的价值。
预测 4：LLM 将演变为 SLM 或针对特定语言任务进行微调的 LLM。
预计将从较大的语言模型转向较小的、经过微调的模型，这些模型可以提供更高质量的输出、使用更少的计算资源并针对特定任务进行优化。
业务成果：
特定任务模型将允许企业实施更高效的人工智能解决方案，节省基础设施成本，同时提高小众需求的翻译质量。
预测 5：模型将能够独立创建和改进自己的提示。
未来的人工智能系统将独立创建、测试和完善自己的提示。 这种演变将人类的角色从工程提示转变为管理基础数据集。
业务成果：
自主的快速细化将加速AI模型的部署，减少模型训练和微调的时间和资源投入。
附加预测：了解数据科学的语言学家将成为业内最受欢迎的专业人士。
奥尔加强调了人类语言学家的重要性，尤其是那些深入研究数据科学的语言学家，她表示，“将快速工程和快速编程验证添加到其工具集中的语言学家将真正蓬勃发展。” 布莱恩还强调了为语言学家提供成功所需的工具和培训的必要性，他表示：“我们的工作是确保为语言学家提供这些工具，以便他们能够在这样的环境中茁壮成长和生存。”
业务成果：
具备人工智能知识的语言学家将弥合人类专业知识与机器能力之间的差距，确保本地化工作流程的质量和创新。
开拓未来之路
2024 年揭示了人工智能的潜力，而 2025 年则有望进一步突破这些界限。 正如 Bryan 所言，“秘密已经暴露，人工智能绝对会继续存在。”
与值得信赖的顾问和探索人工智能之路的公司合作将帮助您拥抱这些趋势并为语言翻译的未来做好准备。
想仔细观察 2025 年的水晶球吗？ 填写上面的表格并观看网络研讨会。