文匯報  2023年3月21日
【恒大譯站】建專門翻譯模型 確保行文合風格

人工智能近年取得重大突破，原因之一是深度學習的急速發展。深度學習講求人工神經網絡的應用，透過大量訓練數據，利用梯度下降和反向傳播等方法，調整網絡內動輒數以億計的參數，讓網絡自行學習完成複雜的工作，如物件辨識、自動生成等。回顧2022年，深度學習成果甚豐，各類文字、圖像的自動生成系統質素大大提升，代表作少不了近月席捲全球的ChatGPT問答系統，短時間內吸引大量用戶。

深度學習對於翻譯科技領域也有深遠影響，最重要的莫過於自動翻譯。以往自動翻譯多根據語言規則或統計翻譯模型生成結果，現在則離不開神經網絡，又稱神經機器翻譯。各種網絡大放異彩，如遞歸神經網絡、卷積神經網絡、基於自注意力的神經網絡等，讓人目不暇給。

值得注意的是，神經網絡雖然強大，實際運用仍有限制，特別是要控制網絡輸出特定結果並非易事，加上訓練數據跟用家的輸入文本若有重大差異，輸出結果未必盡如人意。

就神經機器翻譯而言，處理一般文字時，以上問題不大，大不了多花點時間進行譯前和譯後編輯。不過要是翻譯正式文本，有些語句須遵循官方譯法，若加上遣詞用字與一般文本有別，用家或需要不少精力修改結果，確保譯語正確和風格恰當。

筆者最近的翻譯科技項目，目的之一就是改善此情況。項目獲研究資助局支持，旨在探討特區政府新聞公報翻譯。新聞公報是特區政府與市民之間的重要溝通橋樑，由不同部門發布，中英文兼備，翻譯科技有助於雙語公報的刊行。新聞公報的特色是不少內容有固定譯法，如部門、組織等名稱乃至引用的法律條文等，而且行文有自己的風格，倘若翻譯系統僅僅利用普通文本訓練而成，譯文仍有不少尚待改進之處。

為此，項目開展了兩項工作。第一是為新聞公報建立專門翻譯模型，訓練數據除了普通文本，同時有新聞公報，讓神經網絡熟悉其中的用詞和行文特色，令譯文更貼近相關風格。

第二是整合翻譯記憶庫。一般的記憶庫為譯者而設，提供雙語譯例，幫助重用以前翻譯過的句子，節省時間；此研究項目的記憶庫則主要配合上述翻譯模型，除收錄句子外，也包括一些專門用語的官方譯本。自動翻譯前，電腦先透過記憶庫看看原文中哪些地方已有舊譯，直接取而代之，其他沒有舊譯的才進行自動翻譯。如此一來，譯文盡可能採用官方譯法，提升準確度。

完成以上工作後，翻譯系統表現有大幅度改善，有些譯文甚至不用譯後編輯。人工智能潮流之下，如何靈活結合深度學習和其他技術提升輸出水平，實為研究關鍵，期待未來各方面有更豐碩的成果。

◆ 蕭世昌博士 翻譯及外語學院副教授
香港恒生大學