展望2020：混合型（NMT+TM）翻译流程

近几年来，语言服务行业中机器翻译一直是热门话题。机器翻译突飞猛进，语言服务行业发生了翻天覆地的变化，如何平衡人工翻译和机器翻译之间的关系引起了许多人的担忧。尽管如此，大多数语言学家还是支持将新技术引入本地化行业，神经机器翻译（NMT)的应用备受瞩目。
memoQ预测NMT或成为2020语言行业的大势所趋，给语言服务行业带来重大影响。它影响着翻译工作的方方面面，包括业务、流程、技术、人员、质量管理、报价、岗位分配等等。
NMT的应用离不开人工的参与，毕竟NMT只是一种由机器处理的语言，还需要人工来构建和训练NMT系统，制定语言风格。要用好NMT，人工角色的参与至关重要。为促进技术和人类之间的交互，翻译流程发生了改变，语言学家不再从头开始翻译，而是进行译后编辑，重复利用现有翻译资源。
memoQ为多语言翻译提供了先进的翻译环境，将NMT和翻译记忆库相结合，利用QA功能保证翻译质量。在人机交互的工作模式下，为语言学家创造更好的工作环境。将NMT和翻译记忆库两者结合利用，这种新式翻译流程,使语言学家们能够处理更多翻业务。整个翻译流程也更加灵活，适用于满足个性化的需求。
机器翻译初步翻译多语言文本后，还要对机翻结果进行再编辑和质量保证，才能确保最终的译文结果是可用的。 NMT系统不仅可以从输出结果中“自主”学习和收集信息，还可以参考学习语言资源，如术语库、翻译记忆库等，生成更流畅的译文。

如何利用NMT和翻译记忆库更高效地翻译呢？

和NMT相关的有两大挑战：术语和上下文。
解决以上两大挑战的方案之一是利用多语言NMT引擎，比如Microsoft的Translator Text API v3.0。这个版本默认使用NMT，支持超过60多种语言。它还提供“自定义翻译器”功能（Custom Translator），当然这是一项付费服务，通过上传术语库、翻译记忆库和其他参考资料来创建个性化定制的神经翻译系统，训练专属NMT模型。当然，想要玩转这种模型需要花点时间和精力。学会了就能拥有自己的NMT引擎，且能保证数据信息安全。

挑战一：术语

不管是人工翻译还是机器翻译，术语库都要符合主题和领域。NMT可以从特定领域的术语表中学习和收集信息，提高术语翻译准确性。举一个例子，语言学家可以在memoQ中启用Tmxmall机翻引擎插件，连接云译NMT服务，将术语表上传至相应领域，例如法律、经济、音视频等等领域，上传好的术语表可供之后的项目使用。在开始翻译前，事先选好特定领域术语库，如果NMT系统识别到原文内容和术语库有匹配，那么它会首选术语作为翻译结果。

挑战二：上下文

为确保用NMT翻译的上下文一致性，可以利用翻译记忆库匹配来完善NMT的工作。比如说我们在翻译时用了某个通用NMT模型，没有定义特定的领域。为了得到更佳的机翻译文质量，我们可以添加特定领域的翻译记忆库，机器翻译会根据翻译记忆库中的匹配句段来修改译文结果，提高了上下文的准确性和一致性。

关键节点人工参与

对于结合NMT和翻译记忆库两者的新型混合翻译流程，memoQ建议在人工提前参与到各个流程关键节点。即使NMT引擎使用自定义模型，并且结合了相关术语库和翻译记忆库，仍旧需要语言学家来编辑机翻结果。memoQ作为领先的翻译平台，为语言学家提供了翻译记忆库、术语库、LiveDocs语料库等等功能，还能利用QA功能进行质量保证，翻译流程中人工的参与让可重复利用的翻译变得更加可靠。
如果将NMT引擎与memoQ之类提高工作效率的协作翻译工具结合在一起，那么语言学家们可以处理更多本地化内容，不断扩大国际受众，助力本地化行业的发展。