作为一名翻译工作从业者，在学校时我也没少跟机器翻译打交道，当时得出的结论总是「机器翻译就是逊啦」。而前阵子，某个行业群里提到翻译工作要加快速度的问题，有人提到说 DeepL 的效果不错，我随手找了段中文试了一下，发现效果确实出乎意料——「机器翻译已经到这个程度了？」
于是乎，我想遍历一下市面上几个常见机器翻译工具，看看各家成色到底如何，可用性究竟有多少——于是也便有了这篇文章。
为了全面反映目前机器翻译工具的能耐，肯定需要尽可能全面地选择测试用的语料，也即要覆盖尽可能全面的文本类型。了解翻译理论的读者应该对 Reiß (1977/1989, in Munday (2016)) 提出的文本类型（text types）理论比较熟悉。要之，Reiß 将文本按功能分为表达型（expressive）、信息型（informative）、感召型（operative）三大类，不同的文本表现不同的功能或功能组合。
按照这个三角形的简化模型，不同种类的文本都能对应三角形中的一个位置，离哪个角越近，对应功能的表现就越明显。为了反映出机器翻译工具处理不同类型文本时的差异，选择的文本类型自然是越极端越好。因此，本文选择了这样三篇文本：
每篇的字数都在 1000 字上下。当然，只比较汉译英一个方向并不足够，所以英译汉方向也选择了三篇文本：
每篇字数均在 600 词上下。
此次勾起我兴趣的是 DeepL（少数派此前也有 文 章 介绍），但我也很好奇，其他几家提供免费翻译服务的公司，目前的机器翻译到了什么水平。于是，一同参加比赛的，还有 百度、微软、Google、有道、腾讯 五名选手。不知道喂进相同的语料，到底能拉开多少差距……
……是我分析翻译结果之前的想法。事实证明，喂进此次测试的语料后，这六家的译文质量可以说「很平均」（除了微软），虽然各有差异，但总归是共性大于个性，该踩的坑基本上都不会错过，间或有各自的亮点。
需要说明的是，以下的截图仅指出原文加粗部分的翻译问题，不代表译文的其他部分完美无缺。
先说表达型文本。把文学作品交给机器来翻译，向来都是老大难。中文本身灵活（这一点会经常被拿出来说事），一词多义就会是个很大的麻烦：比如：
一些方言土语也会造成麻烦：
更严重的应该是时态问题。中文不是屈折语，没有显著的时态标记，但一般文学作品中，默认会推定为过去时；不幸的是，机器还没这个「推定」的能力：
其他语法错误不一而足。其实可以看出，机器基本能够保证「成句」，而不只是生成支离破碎的短语，这已经算是不小的进步了；但中文本身的灵活性就导致一些句子，人读起来能理解，机器就非常勉强：
如果说表达型文本对机器来说是个老大难，感召型恐怕就是老大难中的老大难：
宣传语中会像上图这样，大量使用无主句（结构上没有明确主语的句子），机器也不会擅自添加一个主语。
不知道大家有没有发现，国产手机厂商的宣传语，总会有这样「矫揉造作」的文段，说了很多，但似乎什么也没说，翻成英文之后，缺点便会百倍放大——当然，这说的是机器翻译。毕竟这些厂商自己的英文宣传语肯定都是人工本地化，自然能基本排除这类问题。不过这也从另一方面折射出机器翻译在创意方面的捉襟见肘。所以，如果你需要翻译公司简介、公司名称、公司标语这类可能掺杂创意元素的文本，最好离机器翻译越远越好。
历经了前面两种文本的惨状，信息型文本总算能让这几个平台扳回一城。 这段材料本身选得就比较取巧，结构相对简单，基本都是「某某的数字达到了某某，上升了某某」。像这种结构单一，找坑往里填东西的句式，机器处理得还不错：
当然，「还不错」的意思是指，这些译文基本能做到「对」，但离「好」还有些距离，有些元素其实可以抽出合并，让句式不那么死板——当然，现阶段这也还是仅限人工，机器暂时无福享受。
测试的这些翻译工具基本都是通用平台，这既意味着它们能处理绝大多数类型的文本，也意味着涉及专业的地方肯定会拉胯：
例如，此处的「马德里商标国际注册」指的是 马德里体系 下的国际商标注册，而非字面意思上的「在马德里注册」，可惜翻译工具在这里全军覆没。当然，别说机器做不到，对此领域不熟悉的普通译者也做不到，但这正是人工辨别未知、了解未知的能力所能干预，而机器暂时所不能的领域。
相比汉译英，英译汉应该是大家更常用机器翻译的翻译方向，作为汉语母语者2 ，其中的错误自然也是一目了然。还是先从表达型文本开刀：
作者在这里营造的是一个近似原始人的形象（可以自行搜索相关图片，帮助理解），头部特征与现在所说的一般人有差别，但可以想像，「from」指的也应当是头自眼睛「上面」开始向后倾斜；而机器翻译的结果就让人基本摸不着头脑，因为「头」在什么位置的都有。
一些小词也会造成啼笑皆非的错误；无他，机器想像不到这是什么样的姿势，自然也没法对应描述。值得庆幸的是，有道居然做到了。
英语灵活的语序和插入成分也能造成麻烦；幸而大多数翻译工具都能通过添词，保证语篇和意思连贯，Google 和微软会在这里翻车，实在是出人意料。
如果说中文的手机宣传语是「矫揉造作」，外国手机的宣传语就算得上是「单刀直入」，没有太多的修饰语，基本都是「某某能做某某事」这样的结构。但机器翻译犯难的地方，就在于没法通过本地化，模拟国产手机宣传词的「神」，从而符合中文语境下这类文字的写法：
但大体上，这类文本长难句不多，机器还算是能应付。理论上机器更好应付的是技术性更强、艺术性更弱、术语满天飞的信息类文本——正如英译汉的这篇信息类文本。
可以看到，翻译平台的术语处理大致正确，但还是有些出入，甚至有些放弃努力的，原因也很难考证。
而这一句则暴露出了目前机器翻译一大严重问题：（几乎）读不懂原文，导致无法辨别修饰关系。有些地方的修饰关系就近、就远皆可，但这句话中，几乎所有翻译平台都将「drug resistance」合并处理，放弃了前面的「artemisinin」，导致译文逻辑完全错误。百度的生物医药、Google 和腾讯都捋顺了，值得表扬。
记得老罗在发布会上推介语音输入，说到成功率有 97%。有人认为，只要没有到 100%，再高的成功率都意味着需要返工修正，因此，断言语音输入是一大革命为时尚早。这观点没错，甚至可以说与机器翻译目前的局面不无相似之处：如大家所见，比起语音输入，机器翻译的成功率只低不高，返工的代价之高，有时不如用人工推倒重来。
但因此一棒子将语音输入或机器翻译打死，都不应该。虽然上面这一千来字几乎全是对机器翻译的批判，但不可否认的是，1000 字扔进去，三秒不到就可以给结果3 ，速度上的优势以及基本合格的准确率，是人工无论如何也抹不平的，也正因此，译后编辑（machine translation post-editing, MTPE）才得以存在，并几乎成为大批量文本翻译的唯一解决之道。
回到纯粹的机器翻译工具。到底能不能用？怎么用？用了之后能不能直接拿译文去用？——这一切问题的答案都取决于你的需求。现在的机器翻译已经进入了神经网络赋能的时代4 ，各家所用的训练集都不一样，得到的结果也如文章中展示的那样千差万别。回到段首提的问题，最好的答案总结下来，大概有这几条：
本文介绍的翻译工具均可在 web 端直接使用。除微软、Google、DeepL 有明确的字数限制（单次 5000 字/词）外，其他三家均无限制。腾讯的译文粘贴下来会按句断行，需要注意。
如果觉得本文的评估看下来意犹未尽，你可以在 这里（7thc）下载测试用文本和翻译工具的翻译结果，自己评估。
> 下载少数派 客户端、关注 少数派公众号，找到数字时代更好的生活方式 🎊
> 特惠、好用的硬件产品，尽在 少数派sspai官方店铺 🛒
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。