未來科技一定能更好且淘汰，本質上就是很愚蠢的循環論證。
簡單說，人類翻譯會面臨的問題，不代表模型就能解決。
那麼我們就舉一個成語例子：
Jemandem einen Bären aufbinden.
你直接問模型的話，例如，翻譯為繁體中文：Jemandem einen Bären aufbinden.
你會得到一個：「對某人胡說八道」 或 「騙人／編故事騙人」的翻譯。
那正確性呢？事實上除非你懂德文，你不會知道這個翻譯到底省略了什麼。
所以你也只能接受這種翻譯結果，那麼我們來看其他的語言翻譯：
ok，那麼這次我們用德文翻譯為英文看看：
To pull someone's leg.
嗯，拉某人的腿，意思是扯後腿嗎？
(其實是開玩笑，它保留了開玩笑的語境)
那你就會陷入很常見的翻譯陷阱：語義偏離。(Semantic Bleaching)
不過要理解這點，我要先公布答案。
Jemandem einen Bären aufbinden 這句話直接翻譯是：給某人綁上一隻熊。
所以這句俚語的語境是：我把某人綁在一隻熊上了。
但常理而言，這聽起來就是很荒誕的騙人玩笑，所以德翻中實際上是捨棄了
讓你想像笑點的「我要把你綁在熊上」的玩笑畫面，直接告訴你意義。
而且每次生成的意思，受制於大語言模型本身的特性，它會有一定的隨機性。
所以你會看到英文比較偏向害人扯後腿的解讀。
然後如果是像網飛那樣，只是便宜行事來節省成本，先統一把原文翻譯為英文。
才從英文翻譯為其他語言，那語意捨棄與偏移的程度就會更大，最後只剩下開玩笑。
理論上來說，最好是全部針對原文客製化的翻譯。
但實際上會面臨資料集的不平均，也就是英語系資料偏多，因為它通常是常用語。
所以在多語言的大語言模型中，你躲不掉會以英文為向量座標原點翻譯的偏移。
同樣的狀況你其實應該很常見了，就像模型回答經常會回答"質量"而非"品質"
這種基於中國用語資料為居多，而造成原因又大多是資料集免不了直接幹別人文章
再用簡繁轉換的內容農場，資料早就被中國用語汙染了。
所以回答偶而會有這種看起來很不悅的語意偏移。
以英為尊來作為翻譯的座標之力的模型，就會造成更顯著的負面效果。
的確你不能說他錯，翻譯的輪廓還在，但裡面的語境，也就是玩笑的笑點消失了。
「那只是現在未來技術一定能解決阿」
首先你要理解一個事實，你現在看到的語言翻譯，模型的運作原理用猴子都能懂得解釋
就是把它變成一種向量座標，然後單純的翻轉(Mapping)找最接近的目標語言。
你可以想像把概念對折試圖找到最接近的點。
但問題是，不同語言不見得能完美對齊，必定會有因為不同文化/時空語境下的差異。
所以模型實際上只能妥協，捨棄了綁你綁在熊上的玩笑，而直接告訴你胡扯。
而與其在微弱的「德-中」直接路徑上冒險，因為樣本稀疏對折找不太到。
不如先跳到眾多的「德-英」空間，先對折一次，再對折成「英-中」
這就會導致模型翻譯結果不可避免地帶有「英文偏移濾鏡」。
原本翻譯的譯者是可以自己的語言專業，在潤飾校稿，來拉回有語境的翻譯。
但如果你都把人類砍了，那這基本上無解，你等於是自己把人工校正的途徑砍了。
我認為作品有濃厚的歷史背景，有時空和語言差異下，原本還可以靠人工校正，
但因為省錢砍掉的話，那可見的未來就不是翻譯更好，反而是可預期翻譯網飛化。

對AI擁護者來說不存在語言專業就是了

但即使是人類來翻，也要翻譯者精通該俚語才翻得出來吧？他如果只是普通懂，那一樣只是照字面意思翻譯而已。

AI那個問題還是AI唬爛你也沒能力判斷人類翻譯也是一樣,他唬爛你讀者也看不知道

AI仔也不看好嗎，直接叫AI總結就好==AI寫劇本->AI翻譯->AI懶人包，AI仔完美世界

以前翻譯還要上網考究，現代AI都自動幫忙我爬蟲比對翻譯了

結局也就「用的AI不夠好」和「再找人工校對就好」兩種

這篇講的問題其實現在人翻譯也存在 因為德翻中的人難找所以實際遊戲公司找翻譯還是要過德翻英跟英翻中兩層

校對給酬會比翻譯低，只是找來輔助AI的酬勞還會更低就不要期待拿香蕉皮能請到猴子了

更偷懶的就連日翻中這種很多人會的也要過一層英文

網飛一堆不拿日翻中,要過兩層的給你英翻中

這件事遲早變成在意的人也不多www

前陣子看到一個研究說Z世代依賴網路知識學習能力已經退化

(′・ω・`)原來現在介意的人算多嗎

再來的網紅短影音世代還有AI世代應該會把高低差拉更大吧

可是pull someone's leg意思不是扯後腿啊... 我是不懂德文但按你這篇來看 英文和中文翻譯的語境並沒差太多

咦？算吧 現在有只剩少數知識分子在取暖了嗎？應該還沒吧

AI強在他亂講你要是沒相當知識當背景根本看不出來然後錯誤就會扶正 正確的變錯的當多數人都信以為真 有問題的是知道錯的那邊

AI仔會跟你說現在不行明年可以明年不行五年內可以 五年不行十年內可以

雖然這篇講的沒錯但例子很有問題 你這個例子看起來反而像是人類翻譯拿到英文文本寫to pull someone's leg, 然後自以為是扯後腿的意思才翻錯的 至少我試了幾個AI, 都

在意的人一直都很多 只是越來越懶得嘴罷了

能正確地翻譯出是捉弄/胡鬧某人的意思

AI要準確就要丟人力物力資源去建立資料庫阿 不是讓AI亂抓一通就可以的事

我是很難想像這種會寫在字典裡面的片語AI會弄錯, 如果是網路用語還比較有可能AI會隨便唬爛至於你說的語境問題 中文的捉弄本來就有玩笑的語境了

Z世代學習能力退化尊督假督，現在網路學習不都很方便嗎

因為語言是活的，只懂得照抄跟它是相反的面向

說學習能力退化的論點，聽過笑笑就好，因為每個舊世代都認為沒用原本方法學習的新世代學習能力下降了，都認為一代不如一代，但現實是不是這樣……還真不見得。

不太懂這篇想說啥，"人工翻譯還有一戰之力"嗎?

以後這是校閱的事，薪水也不一樣

這篇重點一開始就說了 人工翻譯的問題模型不能解決模型翻譯只有快 但翻譯要遇到的問題一個不少而少了人工去潤飾 直接用必然就會顯得粗糙

我能理解你的意思，但是翻成中文該如何翻？找一個有能替代的俚語還是照意義翻？像銀魂的桂與假髮和gay ，有些人喜歡原意有些不懂日語諧音的喜歡gay

這個問題人工也會有 問題在資方願意花多少錢翻更好

你這問題跟用不用AI沒關係啊...

...天啊，我就是要說明這問題用不用AI都會碰到阿

所以呢? 用還是不用AI?

既然都會遇到 那幹嘛不用AI

偷換概念成用或不用AI有意義嗎？如果一個問題用不用AI都會碰到，那麼應該是保留翻譯工作來做為校正的空間而不是反過來把職位砍掉，因為問題並沒有解決

阿原文都強烈反對了 二選一你選有求必應的AI還是意見一堆的翻譯

只有"他"被解雇，你實際上不知道有沒有保留職位給其他人校正或是他們公司的作業流程阿

原文第一段就說很清楚了，你扎一個稻草人反駁沒有意義

工三小扎草人，這件事情已經由官方公布了嗎?

小看仰賴AI的現代人適應積非成是的能力惹，翻譯語境的落差我在乎、但大眾不一定在乎=.=

一個尚未證實就聽信片面的言論，你就確定真實了?

所以這句話是什麼意思

太小看資料庫的廣泛

可怕的是大眾不在乎，然後久了這些語意差異、背後的文化背景就被遺忘了

我覺得看錯差異吧 從成本來說 的確是更好不是嗎要麻是翻譯爛但大家慢慢習慣 成本比請人好很多要麻是未來還真有進步可能 這兩個情況不是至於說文化的= = 有多少比例的人真在意他國文化尤其有些還是屬於方言文化 比如台語 原住民語

這篇是在表達專業翻譯懂比較多，臭ai 怎麼那麼笨？ai也能學習啊？

https://gemini.google.com/share/c5e26a530d81你以為LLM是deepl嗎

你以為老頭滾動條 太空戰士 神奇寶貝都是AI翻譯的嗎？還有惡靈古堡別以為人類翻譯就會懂俚語

AI很厲害 不過AI只能學習不能創造 有些作者自創的名詞AI就會很難翻譯 但人類就能找到一個符合該語意的詞來翻

AI會進步 人只會偷懶

AI翻譯不是以前機翻 不會差多少

懂了，但現實是老闆不重視這塊，所以寧願拿爛爛的翻譯版本賣錢

全部客製化只會更凸顯大語言模型的優勢而已先翻英文再翻其他語言部分是為了好找譯者全部採用原文直接翻目標語種，有些搞不好根本找不到人翻

嗯嗯 跟我想的一樣

現實狀況是人類翻譯者在翻了幾千幾萬行後 翻這句時已經是半夜了就沒那麼講究了用AI的翻譯者則在校稿中發現這句有點不紮實 找到了你這篇把他翻好對了他找到你這篇可能覺得太長叫AI讀完後做修改把你的知識吸收了

被貶值也是事實，還會越發嚴重

所以台灣的語言很快就會中國化，因為台灣人少

人類能做到的翻譯 AI沒有做不到的理由啊？