解读机器学习翻译的局限性

作者: Ryan Kh 2019-11-06 11:34:53

 机器学习翻译对于人们的交流非常有益,但是它们也有其局限性。

机器学习为企业提供了翻译文档的新机会,他们可以使用机器学习来翻译营销材料和其他文献。但是,这些人工智能解决方案可能并不总是很好的选择。

神经机器学习的简要概述

Towards Data Science对于机器学习翻译这一发展进行了探讨,并提出了神经机器翻译这一术语。

人们生活在一个多元文化的世界中,但是通常不会说不同国家或民族的语言。这意味着需要比以往更多地依赖翻译人员和翻译软件。机器学习对语言之间的翻译非常有帮助。但这是一个很好的选择吗?

是否发现难以确定用于基础项目的优秀翻译方法?本文探讨了在各种情况下使用的更自然的解释策略。

机器学习真的可以在语言之间进行翻译吗?

人们生活在沟通交流至关重要的世界中,信息的发展比以往任何时候都快。这激发了每个人说多种语言的愿望,但只有少数一些人能够流利地说多种语言。

然而很少有人会说十种以上的语言。为此,企业如果开展国际业务,熟悉市场所在地的语言和文化。这只能通过翻译来实现。那么在这样的环境中使用的优秀翻译策略是什么?

如今,还有什么能够阻碍企业在海外市场的扩展?确定优秀翻译方法以适应其预期目的比人们想象得要容易。很多人可能认为机器学习比人类更擅长翻译,但这并不是事实。以下是人们应该了解的有关技术和人工翻译的知识。

技术翻译不会根据要求的场景解释信息

尽管机器翻译的创新是语言翻译领域的一个重大发展,但不幸的是,机器在解释创意内容时效率低得多。使用机器翻译时,向当地人传递正确的消息可能非常困难。机器翻译软件很难准确解释成语、意像和讽刺意味的内容。软件翻译的内容可能会很尴尬,这意味着完全不同的事情,可能会给企业开展业务带来负面印象,有时这会让对方当成一个笑话。

基于软件的翻译最适合与文档、编辑和任何其他形式的面向信息的内容一起使用。当解释内容翔实时,采用软件进行翻译是一种快速便捷的策略。因此,企业在与翻译公司达成协议之前,需要花费时间并分析将要解释的内容。弄清楚文本内容是面向信息的还是具有创造力的内容,然后决定是否使用人工翻译还是机器翻译。

机器翻译取决于人类的感觉

人工翻译更为直截了当,并考虑了原始文本的不同方面内容,例如文化、宗教和当地背景。对于机器翻译来说,情况并非如此。此外,人类的感觉是必不可少的,因为翻译人员可以分析文本,识别受众,并根据场景提供适当的翻译。

在分析人工翻译和机器翻译使用较少单词的准确性时,两者的准确性大致相同。然而,当机器翻译大量的文本时,其准确性将大打折扣。因此,在选择在线翻译服务之前,企业应该花费时间确定要提供的内容,并对采用哪种方法合适做出正确的决定。

尽管软件翻译似乎是最快的解释工具,但为了使信息准确传达给受众并更快地被采用,仍需要后期编辑。在将内容进行翻译之后进行编辑,这需要恰当的定位来理解信息的意图、目标受众和预期的解释结果。

与机器翻译不同,人类翻译对现代文化和语言有一些微妙的感觉。因此,他们可以通过自己的理解,并运用其翻译能力来了解原文的内容,确定其目标,并将其翻译给不同背景的人员。

机器翻译提供有限语言服务

机器被编程为可以翻译特定语言。因此,大多数软件翻译只能满足广泛使用的语言。这些语言包括:

  • 英语;
  • 西班牙语;
  • 中文;
  • 法语。

以上是最常见的语言,它们在众多翻译软件应用程序中都具有很重要的作用。机器很容易将这些语言翻译成文本。但是,当涉及到其他非程序化的通用语言时,将会出现显著的问题。

而且,具有类似语法的单词很容易由机器翻译。例如,与翻译土耳其语相比,机器将英语翻译为德语或从德语翻译为英语更为自然,之所以如此,是因为土耳其语的单词似乎更短。但是涉及所需场景时,翻译后的单词会更为复杂。值得注意的是,具有粘合性单词的文本较短,但是当翻译形成复杂的单词时,可能会使机器难以翻译。机器最终可能会得到不同的翻译结果,其含义可能会与原先的解释相去甚远,从而失去其相关性。

此外,在机器翻译不太广泛使用的语言时,相关性较弱。想象一下,企业采用了未经过编程以翻译目标语言的机器翻译服务,其项目可能受到影响,因为将无法达到创建项目的主要目的。

需要实现全球化吗?适当实施机器翻译或人工翻译

有了这些关于人类翻译和技术翻译的信息,选择适合企业场景的方法应该不再是一个问题。企业需要花费时间确定受众,预期目的,消息本身,然后再进行决定。

为基础场景选择最合适的翻译方法,可以使企业的项目在本地环境中享有更高的声誉。因此不要害怕走向世界。企业需要选择适当的翻译方法,以提高项目在国外环境中的适应性。

人工智能 机器学习 工具
上一篇:2020年的信息安全:人工智能(AI)在各种信息安全系统中的广泛涌现 下一篇:模仿川普语气真假难分:从未如此逼真,超强编故事AI完全体来了
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

绿色机器人如何帮助环境可持续发展

各种各样的机器人已经被开发出来,它们能够以各种方式帮助保护环境,从扑灭野火,帮助管理垃圾,到清洁海洋和其他水体等。以下是绿色机器人帮助环境可持续发展的几种方法。

iothome ·  5h前
疫情当前,才知道AI原来是这么好用

近日,工信部表示,将部署运用新一代信息技术支撑服务疫情防控工作。并且工信部特别强调,要通过运用人工智能、大数据、云计算等服务疫情监测分析、人员流动和社区管理等,对疫情开展科学精准防控。

Witkey ·  13h前
什么是持续智能?对物联网有什么影响?

物联网世界将迎来充满希望的2020年。5G公司一再声称,2020年是5G在公共领域站稳脚跟,并普及的一年。

iothome ·  1天前
AI战“疫”,偶尔小尴尬背后,终极护城河现形

人类与新型冠状病毒的战“疫”仍然在进行中,在这期间,也催生出各类“人工智能+”应用,人工智能技术在此期间迎来大爆发。

张书乐 ·  2天前
意料之外 情理之中:解读Gartner 2020年数据科学和机器学习平台魔力象限

最近Gartner发布了数据科学和机器学习(DSML)平台魔力象限报告。数据科学、机器学习和人工智能的市场格局极为分散,竞争激烈且难以理解。Gartner尝试根据明确定义的标准对厂商进行了排名。

佚名 ·  2天前
DeepMind发布神经网络、强化学习库,网友:推动JAX发展

JAX由谷歌提出,是TensorFlow的简化库。结合了针对线性代数的编译器XLA,和自动区分本地 Python 和 Numpy 代码的库Autograd,在高性能的机器学习研究中使用。

十三 ·  2天前
谷歌透露:正在内部尝试用AI开发计算机芯片

据谷歌人工智能研究负责人Jeff Dean透露,谷歌正在尝试通过人工智能程序推进专用芯片的内部开发,以加速其软件。在旧金山举行的International Solid State Circuits Conference会上Dean表示:“我们内部正在将人工智能技术用于一系列芯片设计项目中。”

佚名 ·  2天前
4个步骤成功构建出一个机器学习团队

对一个公司来说,如何从0到1构建一个机器学习团队,是很多公司非常头疼的问题,这篇文章给出了一些建议,对求职者来说,同样具有参考价值。

AI公园 ·  2天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载