WITTA翻译技术教育研究会
Translation Technology Education Society

专访|何征宇:云翻译平台如何解决语言服务行业的痛点?

图片


当前,计算机技术和网络环境的飞速发展引发了信息的快速更新和传播,要求译员以更快的速度和更高的质量应对大批量、多语种的翻译。因此,技术已经逐渐成为翻译的基本要素之一,用以提高翻译效率,造就多元化翻译产业,促进翻译产业发展。近年来,在云计算和大数据的推动之下,翻译技术不断发展,翻译工具也从线下转移到线上,云翻译平台应运而生。云翻译平台极大地提高了作业效率,整合了原本较为分散的语言服务人才资源,有利于规模化的管理。面对这一新技术,高校和企业都在探索新方法、尝试新路径,加快人才培养速度,提高人才培养质量,输出兼具语言能力和技术能力的新型翻译人才。因此,随时跟进翻译技术、翻译行业、翻译管理的最新发展情况更加具有现实意义。本期【大咖专栏】聚焦业界迅速发展的一个领域——新时代云翻译管理技术。快速发展的技术如何更好地融合到业务流程中,翻译技术会如何解决语言服务行业的痛点也一直是业界讨论的热门话题。


本期专访嘉宾是传神语联网网络科技股份有限公司语联网研究院执行院长何征宇先生,让我们来听听他的见解。


1

传统的翻译项目管理过程中有哪些痛点?

传统笔译的管理流程繁琐,仅在文本层面就有读稿、拆稿、筛选和招募译员、准备术语、审校、检查一致性、合稿等步骤,上述流程还牵扯到长时间的人对人沟通,非常消耗时间成本。而专家资源作为上述流程中一个必要但稀缺的资源,也成为了传统项目管理的痛点之一,直接导致了项目成本的上升。上述内容决定了只有规模够大的项目才能在传统模式下相对顺利地盈利,小型项目在这种模式下往往面临着大量的资源和时间浪费。


2

云翻译平台如何赋能翻译实践?

云翻译平台可以实现语料数据的积累、管理和共享。用户可以通过确权的方式把数据上传到指定引擎进行训练,如果有人使用了该引擎,平台将通过返还机翻使用配额、分成等形式来回馈引擎训练的参与者。参与者还可追踪引擎的使用者、使用量,保证数据使用有迹可循。


协同翻译方面,云翻译平台可以通过共享术语库保证术语动态一致,不同译员的翻译版本也可以实时合并到库中,保证相同句段的一致性。


项目管理方面,数字平台化的翻译系统能不断统计并迅速将项目完成度、项目量、项目报表、项目进度等信息反馈给用户。项目经理可以在平台直接查到译员的资历、擅长领域、过往试译等,省去沟通时间。同时,AI智能译员匹配功能也使得译员筛选流程得以精简,提高了项目启动效率。


具体的翻译流程中,云翻译平台合并了智能CAT工具,让译员间的合作变得更快捷。


3

客户如果直接把待翻译的文档上传到云翻译平台,如何确保数据安全?

现在此类系统都有一些基本的准则。首先不同客户、不同项目的数据一定是隔离的,保证项目文件仅在有限且必要的人群之内传播。其次从纯技术的角度来讲,在系统里面的数据反而会更安全。传统项目中,招募译员时分发的预览稿都意味着一定的信息泄露风险,因为译员往往要看到预览稿才能知道自己能否胜任。而在AI智能匹配译员的场景下,对接成功率大大提高,也拉高了数据扩散的门槛。确属机密的文件往往并不是由第三方翻译,而是由客户派驻的员工进行翻译。另外,平台可以追踪稿件的接触链,为信息安全提供保障。


4

技术研发方会不会用客户的数据训练自己的机器翻译?

训练引擎语料消耗量大,我们使用的语料基本都来源于互联网,这也是整个行业的现状。但我们一向很重视消密,人名、地名、机构名、金额等都会做替换,避免因为机翻训练泄密的情况。其实客户如果愿意提供非机密性的语料,长远来看也能从优秀的机翻引擎中获益,我们现在也计划通过一定的奖励机制,鼓励用户自愿参与机翻引擎建设。数据的隐私性和收益权在未来肯定会趋于公平和透明,信息的收益会逐渐流向用户本人。客户与平台方共享,这也是我们正在进行的尝试。


5

基于AI的项目管理模式中,项目经理能发挥什么作用?

理想情况下,基于AI的项目管理模式中,整个工作流都是由AI主导的,项目经理的职能以经营为主。尽管本图中,项目经理依旧位于流程中心,但我们可以发现,项目整体工作流程在外侧闭环,项目经理只是在各个环节中机器无法确认的地方进行人工干预。


图片

▲ 全新的翻译项目管理理念——基于AI

图片来源:CSA Research


单个项目中项目经理的参与度整体是下降的,AI+项目管理也的确在向去项目经理化发展。但是,在AI的辅助下,重复性和非经营性的任务减少,项目经理在相同时间下可以处理更多的项目,多线程发力,提高语言服务生产力。


6

如何基于机器翻译译文输出最佳译文质量?

审校模式很重要。我们会在译员筛选时就把好第一道关,保证译员能力符合项目需求。在翻译过程中,审校可以随时在线参与,避免反复修改而浪费时间。我们所使用的手段主要有互检、质检、抽检和全检。抽检合格的译员被抽检频率会下降,抽检不合格的译员后续也会面临更多检查甚至全检。这样的方式使得有限的审校资源得以按需分配,保证了文本的平均质量,也使审校人员有更多精力关注译文质量。


7

长期使用机器翻译技术是否会削弱学生的翻译能力?MT能力和HT能力之间是什么关系?

这个问题很难简单地用会或不会来回答。机翻没有人类那样庞大而相互关联的信息库,修改时译员需要加入自己的思考。对能做到这一点的译员来说,机翻只是提高效率的工具,但无法做到这一点的译员肯定会受到影响。学生仍然需要不断学习、不断思考、自我充实,但这是为了适应时代的发展,而不是为了跑赢机翻。


至于MT和HT的关系,二者是相互影响的。人是机翻的使用者,机翻作为一个纯粹的工具会顺应人的需求和使用习惯而变;机翻给人提供符号转换的结果,在此基础之上,人在进行修改时也会被机翻的语言形式影响。机器和人彼此适应,最后会在一个中间点达到一个平衡,当然这个中点是更靠近机器的习惯,还是更靠近人的习惯,目前仍是未知的。


8

人机孪生和机器翻译译后编辑是什么关系?如何实现人机孪生?

机器翻译译后编辑是人机孪生在翻译领域应用的其中一个环节,通过分析译后编辑文本,我们可以进一步完善人机孪生中AI的能力,再反过来提高人的生产效率。实现人机孪生,首先要意识到人和AI从来不是对立的两端,其次就是推动科技不断发展,使得我们的“孪生译员”(Twinslator)更智能。我们希望通过人机共译模式,促进人和AI的融合共生,赋能新领域,带来新变化。


9

您之前提到的全自动项目流转系统非常有吸引力,请问在理想情况下,语联网开放平台一般能带来多大的效率提升呢?平台是如何实现这样的效果的?

以一个万字级项目为例,我们预估可以将5天的工期缩短到8小时,项目效率提升了93%,这是因为平台能在各个流程中为项目经理节省时间。通过AI协同,我们将传统项目中专家看稿、拆稿、招募译员、协商价格、派发的步骤全部整合进平台操作,仅需数分钟就可以完成过去需要四五个小时完成的任务。经过训练的AI可以将文本智能类聚拆分,同时匹配译员。在翻译、审校步骤中,由于通过CAT工具实现了术语动态统一,审校可以大大减少文本统一的工作量,线上反馈的即时性也使得所有译员几乎可以同时开展工作,省去了反复沟通的时间。通过分解传统项目中专家的任务,用AI辅助,不仅突破了专家资源稀缺的问题,而且可以使任务碎片化,从而同时调度更多译员与机器协作,大幅度缩短交付时间,提高资源利用效率,实现快速和规模化产能。


10

未来10年,语言服务行业发展有哪些趋势?

新冠疫情爆发使得人们主动或被动地体验了线上协作流程,在此过程中,人力与技术的结合也变得更为紧密,相互交融。


市场需求方面,语言服务的发展方向主要是在传统的外包翻译模式之外,针对难以外包、体量极小、即时性要求高或场景化的用户需求展开研究。这部分市场是语言服务行业真正的潜力所在。在当前的模式中,翻译公司往往只能提供文本层面的服务,并且由于缺乏场景,交付的成果很难一步到位。如果能解决这个问题,语言服务行业规模将会迎来爆发性增长。但这并不意味着译员的地位被机器所取代,机器翻译遵循的逻辑仍然是符号流层面的转换。以当前的技术,机器翻译无法像人类译员一样调取庞大的知识背景储备进行合理推测,处理信息流层面的转换,因此目前人类译员的作用仍然是不可替代的。


项目管理方面,目前AI+项目管理是行业的一个发展方向,去项目经理化的管理流程能够极大地提高交付效率,实现客户和服务商的双赢。


受访者简介

图片

何征宇

一线资深企业家,曾在华为、腾讯等多家大型互联网公司就职,于2007加入传神,在系统架构设计、大数据处理,人工智能、自然语言处理等方面均有丰富的经验。