讲座提要：
机器翻译对于译者而言，究竟是一匹狼，还是一匹马？译者对机器翻译尤其是神经网络机器翻译的基本原理，究竟需要了解到什么程度？以译后编辑为代表的人机结合翻译工作模式，对译者意味着什么？译者需要为这类工作场景做哪些准备工作？译者又有哪些手段，可以干预乃至掌控机器翻译，发挥出自身的最大价值？
Emiya 笔记
一、从最近2个热点看机器翻译：人工智能时代的焦虑
1.科大讯飞同传事件 （AI水平？信任危机，人机耦合）
2大学新生：机翻取代译者 （行业焦虑，认知不足）
人工智能近年来迅速发展对翻译领域影响不断扩大，机器翻译迅速传播一方面给行业内带来一定可预见的冲击，一方面也提供了一些发展机遇。而大部分业内新人对机器翻译相关知识一知半解从而难免产生焦虑迷茫情绪。
正确认识机器翻译，人机协同作业成为行业常态。
二、机器翻译，行业趋势与要求
1.神经网络机器翻译
2.人机结合翻译
3.如何在未来赢得主动权
（一）关于NMT，要了解5件事
1.机器翻译≠CAT（非一致，但有交集）
机翻：全文自动化，无法由人工完成的翻译需求（时间紧，工作量大）
CAT：非全自动化作业，机翻是完成翻译任务的辅助手段而非主体。
2.理论基础
（1）翻译学，语言学，认知科学：涉及较少
（2）脑科学，神经科学：略有涉及
（3）数学：紧密相关
机器翻译从概念到实现离不开数学知识
3.数据基础：语料库与术语库
机器翻译的发展依托于对大规模的语料，进一步建立，扩充大型双语平行语料库对机器翻译至关重要。
当前问题：（1）语料数据仍然不足（2）某些专业领域语料严重匮乏
4.评测方法：
- 自动评分
有参考：有参考译文（非语言/轻语言/重语言）
无参考：无人工参考译文（原文和译文对应特征提取/神经网络语言模型）
- 人工评分
忠实度+流利度
译后编辑效度（在机翻基础上修复到能够认可的程度所需工作量）
1.HTER（修改部分占总体的多少）
2.编辑时间
强烈的用户需求（提高效率，生产力）
清晰的业务边界（机器翻译能做的与做不到的）
大量闭环有标注的数据（能不断生成数据）
及时充分的反馈（反馈能进一步提高机翻水平）
（二）人机结合翻译
AI尚不能取代人类
但是
人机结合已经是新常态
1.人机结合的主要模式
- 译后编辑——交互式翻译
机器：搜索+推荐
人工：决策+调整 - 跨语言信息检索——大情报数据
机器：搜索+提取
人工：对比+表述 - 跨语言问答——智能咨询服务
机器：识别+匹配
人工：分析+情感
（1）产业结构变化
（2）外部竞争
AI威胁：律师，医生（医疗影像），金融分析师等职业受影响较大
这些行业专业性强，若从业者自身外语水平尚可，再使用机器翻译进行辅助，涌入翻译市场会造成不小的冲击；
强专业背景+外语水平+机器=？对我们行业造成严重挑战
（3）内部竞争
技术装备水平差异（翻译技术知识参差不齐）
个人数据积累（建立自己的语料库，术语库）
技术应用能力（场景和顾客需求）
学习/适应速度差异（学习新技术的速度）
（三）译者该怎么办
1.快速学习
2.驾驭机器
系统化能力：语言能力，思维能力，信息素养，职业素养
3.放宽眼界
- 快速学习
（1）学习“如何学习”（通过网络教程掌握一定学习技巧）
（2）快速掌握一到两门专业领域（掌握专业知识，提高竞争力）
（3）快速养成必需的质量认知和语言敏感度（译后编辑，审校工作要求）
（4）快速理解用户场景和服务标准（提高质量，满足客户需求）
提升自己的能力的途径之一：利用AI助力学习 - 驾驭机器
(1) 积累个性化的数据
A.语料（根本）：自己独特，个性化的语料库，术语库
B.术语
(2) 评估掌握各种引擎和工具: 引擎各有特点，要按需选择
还是质量认知度
（3）抓住客户和应用场景
客户是上帝（抓住客户的潜在需求）
场景为王
（4）项目思维和计算思维 (必不可少)
（5）数学和编程（把编程当成机器的语言） - 放宽眼界
（1）知识管理
（2）数据分析
（3）沟通服务
（4）产品运营
机器翻译目前已取得相当成就，并对行业发展产生深远影响，但在可预见的未来仍无法取代人类，人工智能时代下产业结构的改变对译员提出了更多要求，我们要正确认识，学习，利用机器翻译，使其更好地服务于我们的工作，与机器携手并进。
