跨越專業翻譯的語言之牆：百度翻譯的技術攀登

作為一個科技從業者，閱讀AI頂會的最新論文、瀏覽國內外創新的最新動向，是我工作的重要部分。平時接觸的開發者、科學家、企業研究人員等，工作生活中也涉及大量專業閱讀。

於是乎，我就會經常聽到這樣的抱怨：

PDF格式的論文，很多翻譯軟體需要手動複製貼上，效率還不如直接查字典;

不動腦子按段落甚至句子直譯，信達雅一個都沒有，機翻完我還要花時間二次review;

海外開發社群的技術文件專業詞彙太多，翻譯得不準，好幾天的程式碼都白寫了……

這可能是AI技術裡非常容易讓人迷惑的地方。近幾年隨著AI技術快速進步，機器翻譯水平也大幅提升，結果一遇到外文文獻、外刊投稿、辦公文件、商業報告、海外網站技術文件之類的專業翻譯需求，很多產品還是不能滿足。

這些問題說明，總體可讀可懂，滿足出國旅遊、購物娛樂等日常溝通的場景，只是機器翻譯的基本功能。進一步的市場需求，是深度專業內容的跨語言交流，讓商業、科研、技術等專業資訊可以實現無縫對接。

跨越這堵語言之牆，也成為一場NLP領域的全球競賽。一直深耕機器翻譯的百度翻譯團隊，從來沒有停止過攀登的腳步。

我們從機器翻譯的新技術動向說起，聊聊百度給機器翻譯帶來的新可能。

機器翻譯的技術攀登：百度引領NMT革新

跨越語言之牆還需要哪些技術突破?想要回答這個問題，有必要先回答：機器翻譯今天發展到哪一步了。

過去幾十年間，人們一直在探索如何使得機器翻譯達到人類的翻譯水平，翻譯方法不斷迭代。基於規則的機器翻譯，依靠人工編纂的雙語詞典和專家總結的規則進行翻譯;基於例項的機器翻譯，從雙語對照的例項庫中選擇與原文相似度高的例項，透過模仿和修改進行翻譯;基於統計的機器翻譯，對翻譯過程進行數學建模，並從大量的訓練資料中自動學習翻譯知識。

變革發生在2014年，透過迴圈神經網路(RNN)來對語言向量進行編碼解碼，並且使用長短期記憶網路(LSTM)來增強長句翻譯能力的神經機器翻譯(NMT)，為機器翻譯領域帶來新的研發正規化。百度、谷歌、微軟等一批NLP領域的優等生推進深度學習在機器翻譯領域的研發和應用，百度翻譯在2015年釋出了全球首個網際網路NMT系統，領先谷歌1年多。現在，大家用翻譯軟體進行日常交流、旅遊商務等活動，已經基本沒有問題了。

而專業領域的翻譯想要令人驚喜的進展，總的來說需要做到兩件事：

一是技術突破。推動機器翻譯不斷接近專業翻譯能力。頭部廠商主要從幾個方面努力：1. 預訓練大模型，例如文心、GPT-3、BERT;2. 多語言統一建模和翻譯;3. 面向垂直領域的高精度翻譯模型。其中，百度作為更早進入NMT時代的科技企業，就在機器翻譯技術上取得了國際領先的成果。2020 年，諮詢機構Gartner在 《Hype Cycle for Natural Language Technologies》報告中，就將百度翻譯列為神經網路機器翻譯標杆機構。

二是產品設計。技術有所突破，還要透過成熟的產品設計和應用體驗，讓使用者感知到專業機器翻譯的價值。一些機器翻譯產品可能技術很強，但由技術人員來主導產品設計，導致使用者體驗很糟糕。在這方面，具備網際網路產品設計相關經驗的廠商，自然能夠更好地實現技術落地。比如百度翻譯就打造了非常豐富的產品矩陣，支援PC端、移動端等各類終端裝置，面向C端、B端的多種應用;支援文字、文件、圖片、語音等多模態翻譯，全方位滿足各種翻譯需求。百度翻譯的產品優勢，讓普通使用者可以低門檻、更便捷地用上專業機器翻譯能力，目前日均響應的翻譯請求已達千億字元。

從這個角度來看，百度翻譯是國內少有的，能夠同時佔據技術和產品兩個機器翻譯高地的科技企業。那麼，百度翻譯究竟是如何翻越專業翻譯的語言之牆?

聳立的語言牆：機器翻譯進入專業領域的三道門檻

你可能會問，機器翻譯都搞了快七十年，怎麼專業領域的語言之牆依舊沒有被攻克?

專業資訊、學術資源、商業檔案等翻譯需求，是一塊巨大的商業蛋糕，同時也是從未被徹底解決的痛點。這是因為專業領域的翻譯，存在“三高”的要求：內容安全要求高、翻譯準確率要求高、翻譯效率與體驗要求高。

內容安全要求高：專業文件往往涉及到科研創新、商業往來等資訊，翻譯過程中需要上傳到雲端或軟體服務商的伺服器進行操作，一旦硬體來源或軟體使用權受限，或者服務不穩定，都會給專業使用者帶來麻煩和風險。

翻譯準確率要求高：信達雅，信(即翻譯準確率)排在第一位，專業翻譯中存在大量專業單詞、複雜長句子，容易出現歧義，軟體翻譯失之毫釐，內容準確度就謬以千里。

翻譯效率與體驗要求高：翻譯軟體的效率、易用性，直接影響到使用者體驗。很多人可能有這樣的經歷，有的軟體不支援整篇文件翻譯，手動複製貼上連分段都不準確，翻譯效果難以直視;有的PDF文件翻譯成word後，原本的排版被打亂，還需要自己手動調整……這些都給使用者帶來了額外的負擔。

所以，我們就從安全可靠、效果、效率這三個方面，來評測一下百度翻譯的解決思路。

首先，安全可靠。

作為一名知識內容生產者，文件承載的是我安身立命之本，所以，資料安全幾乎是我是否使用一款翻譯工具的首要考量因素。同理，論文資料之於科研工作者、商業報告之於企業從業者、技術文件之於工程人員，安全隱私都是至關重要的。

深度學習平臺是每個神經網路機器翻譯模型的底層技術框架，市面上相當一部分翻譯廠商的底層技術框架仍然使用TensorFlow(美國谷歌)和PyTorch(美國臉書)為代表的海外框架。非國產自研，可能在未來遭遇無硬體可搭載和無框架使用的窘境。

比如在使用海外平臺DeepL的過程中，我就會經常遇到載入緩慢、連線不上的問題。海外翻譯軟體往往需要上傳到海外企業的伺服器，比如DeepL上傳的文件會被髮送到美國的Adobe公司。

與之相比，國內翻譯產品就不會遇到這個困擾。以百度翻譯為例，產品基於全面自研的飛槳深度學習框架，同時採用多種措施來保障資料安全，獲得ISO27001等多項國內外權威資訊保安管理認證。儲存前，會先進行安全的加密操作;資料傳輸中，採用安全傳輸層協議(TLS)，保障保密性和資料完整性，並提供完備的金鑰管理機制和加密措施;使用者刪除資料後，後臺將同步刪除相關內容，不會留存。總體來說，在可靠性和安全性上更有保障。

第二，翻譯效果。

專業翻譯最終要靠結果的“信、達、雅”說話。包括專業術語翻譯是否準確，語序是否流暢連貫，一些特定文化背景的表達是否地道……

可以看到，百度翻譯透過多個專業領域模型，有效增強翻譯準確度。我們隨機選取了《自然》雜誌的一篇生物領域論文《A pan-cancer compendium of chromosomal instability染色體不穩定性的泛癌症綱要》，選擇百度翻譯的“生物醫藥“模型後，結合上下文語義給出了準確的翻譯。可以看到，生物醫藥這類充滿大量專業術語的領域，百度翻譯的結果並沒有讓人失望。

對於學術文章中複雜的長句子和特定格式，百度翻譯能夠識別論文格式中的各種基本要素，如正文、引用、尾註等，避免錯譯、漏譯。以這篇AAAI 2022的頂會論文《Meta-Learning for Online Update of Recommender Systems》為例，百度翻譯就準確保留了參考文獻引用資訊，這對閱讀專業文獻非常有幫助。

第三，翻譯效率。

專業領域的機器翻譯，使用者的一個關鍵痛點是：很多地方需要使用者“不厭其煩”地手動操作或反覆修改。而擁有十多年翻譯產品經驗的百度，自然也在應用能力上游刃有餘。百度翻譯將這些“煩點”一一消解，提升翻譯效率和文件的可讀性、易讀性，從而減少使用者手動調整、修改的麻煩，將時間精力放在更有創造力的事情上。

首先，百度翻譯支援多種格式文件，一鍵上傳就能進行全篇翻譯。像PDF這種不能編輯的文件，可以完整地保留樣式和排版，不需要使用者手動將文字複製貼上到翻譯軟體中，並且提供整頁預覽模式、逐句對照模式等，不同需求的使用者可以自主選擇來提升效率。

比如下面這份《英國人工智慧研發商業化和標準》，這類諮詢機構的商業報告，是很多產業研究者、高校師生、政策制定者等工作學習中的參考讀物，快捷、高效地閱讀體驗，能夠幫大家節省不少時間。將PDF檔案一鍵上傳到百度翻譯，就能快速得到準確地譯文，排版格式也與原文保持高度一致，大大方便了閱讀。

輸入資料的準確性對翻譯結果起到至關重要的影響，文字糾錯是機器翻譯的關鍵能力之一。專業領域容易遇到一些佶屈聱牙、拼寫複雜的專用術語、學術名詞等，百度翻譯的智慧糾錯，可以對語句自動檢查、實時提示、自動糾錯，減少人工校驗成本。

此外，百度翻譯透過人機共譯智慧增強，語料自動沉澱，機器自動學習，翻譯模型實時增強，逐漸縮小機器翻譯與理想譯文之間的差距，實現越翻越省力，真正提升效率。

英國詩人塞繆爾·約翰遜曾說過，語言是科學的唯一工具。整體來看，百度翻譯已經在專業論文、學術文獻等領域，展現出了強大的翻譯能力，幫專業人士翻越了語言這堵高牆，把語言這個工具交到了每一個需要在專業領域跨語言協作的人手中。

翻山越嶺之後，語言牆背後的宏大場景

從百度翻譯的技術體系和產品設計中，可以看到，機器翻譯要進入專業領域，不光要有技術，還要有較強的產品設計能力，考驗的是企業的綜合實力。機器翻譯進入專業領域，也推動翻譯應用來到了新的賽點。

重建巴別塔。專業領域的語言壁壘，為知識、資訊、資源的流動樹立起極高的門檻，比如目前全球有六成以上各類文獻資料和科研論文都是用英文撰寫，其他語種也蘊含著大量的知識寶藏。越來越多的人使用百度翻譯來突破語言的阻礙，讓專業領域的協作沒有障礙，將大大促進全球的知識交流與傳播，支撐科技創新、實現知識公平。

重塑機翻格局。專業領域的機器翻譯，相比生活化場景，有著更高的壁壘與更強勁的需求，無論市場容量、付費意願、付費潛力，以及使用者忠誠度，都是非常高的。百度翻譯憑藉優秀的專業翻譯能力，可以建立起差異化優勢，進入商業化的良性迴圈，在機器翻譯市場格局中進一步領先。

藉助翻譯，人類社會從相互阻隔走向了相互交往。今天，世界科技、經濟與文化更為頻繁地展開交流，面對浩如煙海的資訊與知識，僅靠數量有限的專業翻譯人士，很難滿足大眾對專業翻譯的需求。幸好，機器翻譯開闢了一條新的跨語言溝通之路。七十年來，機器翻譯技術不斷迭代，有著旺盛的生命力，那是一代又一代技術人，在為重建巴別塔的理想而不斷努力。

隨著百度翻譯等產品推動機器翻譯向專業領域不斷深入，人們可以展開更專業、更精深的跨語言交流，機器翻譯正成為助力全球交流的一股重要力量。