图像来源，Ariella Baltié，阿里埃拉·巴尔蒂（Ariella Baltié）专门从事法律翻译工作，她表示误译的后果可以很严重。
法国人在下大雨时会说“Il pleut des cordes”。
直译是“天上在下绳子”（It’s raining ropes）。这类惯用语，往往会难倒人工智能翻译。
“你可以想像，这会令人工智能陷入怎样的两难。”法国国家科学研究中心（CNRS）专攻自动翻译的研究主任弗朗索瓦·伊冯（François Yvon）说。
他表示，训练良好的系统会知道，天上并不是真的掉下绳子，因此会使用英语中的对应说法“it’s raining cats and dogs”（倾盆大雨）。
伊冯问道：“但当它翻译成印尼语时，能找到对应的说法吗？”
评论天气的风险相对不高，但如今愈来愈多翻译工作由机器完成，而涉及的内容远比天气更重要。
谷歌今年4月表示，人们现时透过谷歌翻译（Google Translate），每月翻译的字数达到一万亿。
这还未计算其他工具：DeepL、微软（Microsoft）、Claude、ChatGPT和Gemini，更不用说为企业量身订造的翻译系统。
去年，机器翻译的直接销售额（即不包括一般人工智能订阅服务）估计达14亿美元（约10亿英镑）。
瑞士非营利组织“开放知识协会”（Open Knowledge Association, OKA）创办人约翰·齐默尔曼（John Zimmerman）说：“在许多情境中，直接采用人工智能翻译已是正确选择。若你翻译的是内部文件或产品目录，为了纠正最后那几个百分点的错误，而把成本提高100倍，并不合理。”
“但百科全书就不同了。维基百科建立在信任之上。一个错误的事实可能存在多年，并被记者和人工智能系统引用。”
他的组织负责把维基百科文章翻译成其他语言，目前已发表逾万篇文章，主要翻译成西班牙语、葡萄牙语和英语，是向这个协作式网络百科全书贡献翻译文章最多的单一机构。
而如果没有人工智能，这一切根本不可能实现。
齐默尔曼解释：“如果用传统方式翻译一万篇文章，成本会高达数百万。但在我们的流程中，人工智能先产出初稿，再由人类译者逐句检查。”
约翰·齐默尔曼（John Zimmerman）表示，在许多情况下，人工智能翻译是“正确的选择”
然而，人类的参与正变得愈来愈少。
齐默尔曼说：“品质如今已经好到一个程度，让完全跳过人工翻译成为一个认真的选项，也成为业界普遍面临的诱惑。两三年前，使用 DeepL 等工具时，我们的译者仍需要重写每篇初稿中相当大的一部分。”
“如今，很多译文的文字表达往往根本不需要修改。因此，问题已不再是 AI 翻译是否够好，答案显然是肯定的；真正的问题是，它是否已经好到可以取代人类译者。”
不过，译者们认为，现在还不到那一步。
阿里埃拉·巴尔蒂（Ariella Baltié）是一名翻译员兼法律专家，专门将法院文件从英文翻译成法文。
最近有人联络她，表示已使用人工智能翻译自己的文件，希望她协助校对。
“一开头就有两个重大错误。”她说。
人工智能把法文中的“Le demandeur”（原告）翻译成了“the requester”（请求人）。
巴尔蒂表示：“对法律文件而言，这种译法非常不恰当。”
当人工智能看到“Madame X, épouse Y”（X 女士，Y 先生的妻子）时，却将其翻译成“Ms X marries Y”（X 女士嫁给 Y 先生）。
换言之，它把名词误当成动词，完全扭曲了原本的意思。
法律范畴的误译，后果可以很严重。以美国为例，机器翻译的庇护申请出现错误，已导致被羁留者延迟获释。
医疗领域的翻译仍属高风险
在医疗领域，准确性更是攸关生死。
从事医学翻译的卡罗尔·布劳特（Carol Bereuter）说：“药物剂量和验血结果的单位，往往包含希腊字母。”
她曾遇到一份自动翻译的文本，把希腊字母μ译成了milli（千分之一），而不是micro（百万分之一）。
“这是严重的错误。如果本该给一微克，却给了一毫克，病人就是服了一千倍的剂量。”
她还指出，随着人工智能翻译变得愈来愈好，发现错误反而变得更加困难。
“以前用谷歌翻译等工具，句子会很突兀，因为会有语法错误，或者读起来很生硬；如今读起来完全合理，非常流畅、自然，所以错误变得更难察觉。”
卡罗尔·布劳特（Carol Bereuter）是医学翻译专家
专攻自动翻译的法国学者弗朗索瓦·伊冯警告：“如果译文要由你署名，那就涉及你的声誉风险。如果有人根据翻译内容来决定是否接受某项医疗程序、签署合约，或进行一项重大买卖，风险就更大了。”
他表示，即使是人类看来相当清楚的句子，也可能难倒人工智能翻译服务。
“当一个词有不同含义时，人类通常很清楚哪个意思适用，因为他们理解上下文；但当机器翻译遇到‘translate into Polish’（翻译成波兰语）这句话时，它完全有可能认定这句话讲的是鞋油（Polish有‘波兰语’和‘擦亮剂’两个意思）。”
上下文往往至关重要。如果人工智能翻译没有意识到我们谈的是足球比赛，就可能把“taking a corner”（踢角球）译错。
去年，OKA进行了一项由维基媒体基金会（Wikimedia）资助的研究，涵盖119篇文章、10组语言配对，以及逾1,000小时的译者工作时间。
OKA创办人齐默尔曼说：“在出版前，27% 的人工智能生成文本仍被修改。这些修改中有四分之三是纠正人工智能引入的错误，而其中 5% 至 6% 的错误改变了原文的意思。”
要彻底消除这些错误，可能相当困难。
法国学者伊冯说：“就目前情况而言，这些系统的基本运作方式，让人很难想像它们如何能够达到百分之百可靠。”
原因在于，人工智能是以概率为基础，决定译出哪个词而非另一个词；而“很可能正确”并不等于“真的正确”，尤其是在语言这样细腻而充满变化的领域中，更是如此。
他认为，新一代技术将带来改善。
“我们将会看到，翻译系统愈来愈能够评估自己的工作成果，并同时使用不同的人工智能工具自我修正，例如：一个模型负责翻译，第二个负责批判检查，第三个负责产出新的修订版本。”
但真正的转捩点，将是人工智能可以表现出怀疑的时候。
伊冯说：“要等到这些系统不仅能翻译，还能告诉我们它们何时没有把握，真正的突破才会出现。”
来源：BBC中文网