一部分會,另一部分不會。
而文學性的翻譯,例如小說、戲劇、詩歌、電影等,則不大容易被機器翻譯取代。
我們可以很容易地看出這兩類翻譯的區別,即,其中是否包含情緒因素。
機器翻譯其實不算容易,因為在各種不同的語言中,要找出嚴格對應的意義並不容易。早在上世紀五六十年代人們就開始嘗試機器翻譯,但是以當時的技術水平,無法做到有效的翻譯。當時的一次評估結果顯示,機器翻譯遠遠達不到可以準確轉換意義的程度,而這份評估報告直接導致了之後十幾年機器翻譯的沉寂。
直到上世紀九十年代末,因為大量語料庫的建立和計算機運算效能的提升,使用統計學方法來改進機器翻譯才成為可能。到了2006年,基於多層神經網路的深度學習技術終於有了突破,機器翻譯才開始走上快車道,到了2016和2017年,谷歌的機器翻譯技術迎來了兩次大升級,英法互譯的準確性,已經基本上達到了人類翻譯的水準。
但即便如此,機器翻譯也只是能使用在資訊轉譯的工作中。那些明確的、客觀性的資訊,是可以透過機器翻譯來轉換成另一種語言的;但是長期來看,在計算機還沒有辦法理解人類感情之前,文學作品是無法準確翻譯的。
在文學翻譯中,不僅需要翻譯者對原文有充分的理解,還需要翻譯者對自己的母語也應用自如。如果一個譯者不是一個好作家的話,是難以去翻譯文學性作品的——因為無法選擇合適的字詞來表達原文中想要表達的感情。
感情,還是人工智慧難以逾越的關卡啊。
一部分會,另一部分不會。
而文學性的翻譯,例如小說、戲劇、詩歌、電影等,則不大容易被機器翻譯取代。
我們可以很容易地看出這兩類翻譯的區別,即,其中是否包含情緒因素。
機器翻譯其實不算容易,因為在各種不同的語言中,要找出嚴格對應的意義並不容易。早在上世紀五六十年代人們就開始嘗試機器翻譯,但是以當時的技術水平,無法做到有效的翻譯。當時的一次評估結果顯示,機器翻譯遠遠達不到可以準確轉換意義的程度,而這份評估報告直接導致了之後十幾年機器翻譯的沉寂。
直到上世紀九十年代末,因為大量語料庫的建立和計算機運算效能的提升,使用統計學方法來改進機器翻譯才成為可能。到了2006年,基於多層神經網路的深度學習技術終於有了突破,機器翻譯才開始走上快車道,到了2016和2017年,谷歌的機器翻譯技術迎來了兩次大升級,英法互譯的準確性,已經基本上達到了人類翻譯的水準。
但即便如此,機器翻譯也只是能使用在資訊轉譯的工作中。那些明確的、客觀性的資訊,是可以透過機器翻譯來轉換成另一種語言的;但是長期來看,在計算機還沒有辦法理解人類感情之前,文學作品是無法準確翻譯的。
在文學翻譯中,不僅需要翻譯者對原文有充分的理解,還需要翻譯者對自己的母語也應用自如。如果一個譯者不是一個好作家的話,是難以去翻譯文學性作品的——因為無法選擇合適的字詞來表達原文中想要表達的感情。
感情,還是人工智慧難以逾越的關卡啊。