我們?nèi)绾蚊撾x傳統(tǒng)翻譯工具

這篇文章探討了克勞丁對(duì)翻譯未來以及LLM在其中的作用的看法，靈感來自于Slite的Arnaud Rinquin的文章，題為“我們?nèi)绾翁^傳統(tǒng)翻譯工具”。

克勞丁作為翻譯工具的專業(yè)人士，強(qiáng)調(diào)了LLM在實(shí)際生活UI本地化項(xiàng)目中的成功應(yīng)用，相較于常規(guī)NMT，LLM已經(jīng)證明可以占據(jù)更大的市場(chǎng)份額，達(dá)到了約30%的效果。

文章提出了一個(gè)問題：一項(xiàng)本意不為翻譯行業(yè)設(shè)計(jì)的技術(shù)是如何在效率上實(shí)現(xiàn)如此巨大飛躍的？并指出讓人類在指導(dǎo)機(jī)器進(jìn)行翻譯時(shí)提供更多上下文是一個(gè)成功的方法。

在討論中，文章強(qiáng)調(diào)了上下文在翻譯中的關(guān)鍵作用，尤其是對(duì)于UI本地化項(xiàng)目。為了提高翻譯質(zhì)量，Crowdin提供了多層次的上下文，包括項(xiàng)目級(jí)別、文件級(jí)別、鍵/字符串級(jí)別以及翻譯會(huì)話級(jí)別。這些上下文為機(jī)器提供了更多的信息，有助于提高翻譯的準(zhǔn)確性。

作者還展望了未來，提出了一個(gè)有趣的觀點(diǎn)：五年后，每個(gè)人可能都會(huì)擁有一個(gè)個(gè)人AI助手，能夠根據(jù)個(gè)人信息和需求提供高效的幫助。在Crowdin看來，每個(gè)多語言公司都可能擁有自己的多個(gè)人工智能助手，其中之一是經(jīng)過微調(diào)的機(jī)器，了解公司的偏好，為每個(gè)目標(biāo)觀眾提供定制化的翻譯服務(wù)。

最后，文章談到了數(shù)據(jù)安全和LLM模型的問題。提到了在使用LLM時(shí)考慮到安全性的措施，以及Crowdin鼓勵(lì)客戶自帶API密鑰，讓客戶完全擁有并培訓(xùn)過的LLM模型，避免供應(yīng)商鎖。

總體來說，文章充滿了對(duì)未來翻譯行業(yè)發(fā)展的積極展望，并鼓勵(lì)讀者嘗試并及早利用新技術(shù)。