近日，某高校學生在豆瓣給一本西班牙語譯作《休戰》寫的短評引發熱議，該短評就此書的翻譯質量提出質疑，認為該書“機翻痕跡嚴重”，而后《休戰》譯者韓燁回應稱該評價近乎人身攻擊。而北京外國語大學高級翻譯學院副教授王華樹指出：“被指責機翻痕跡嚴重實際上不是機器翻譯的問題，而是譯者自身翻譯水平的問題。”
翻譯技術的多樣性構成了其復雜的技術體系，其中最具代表性的就是機器翻譯。機器翻譯從1950年代發展至今，經歷了三個階段：基于規則的機器翻譯，基于統計的機器翻譯，以及目前主流使用的神經網絡機器翻譯。前兩代機器翻譯的質量不高，產出的譯文往往生硬難懂。
目前廣泛使用的神經網絡機器翻譯在譯文質量上已經大有提升，盡管仍有一些自身暫時難以克服的缺陷，比如譯文句式比較死板等，但讀來生硬拗口的譯文，卻未必是機器翻譯的結果，人工翻譯中同樣存在大量類似的“翻譯腔”問題，即翻譯出來的譯文有洋化現象或不符合漢語的表達范例，表現為譯文生硬、難懂、費解等特點。
事實上，目前譯者與機器翻譯的關系更像使用者與詞典的關系，過去的譯者遇到不懂的術語就會去查詞典，而現在則是把查詢的需求放到一個更復雜的“詞典”之中。對于翻譯專業的學生而言，主動使用機器翻譯進行譯后編輯，其實是向“集體譯者”學習的過程，使他們能夠深入分析優秀譯文的形成模式。
在現實商業環境中，翻譯質量其實具有不同層次的需求，大致上可以分為參考級、常規級、出版級等，這給機器翻譯留下了廣闊的應用空間。當下在文學領域，大多數人還不太認可機器翻譯的能力，這是機器翻譯的領域適用性和需求層次適用性的問題。在某些商業的專業領域，如果有足夠的訓練語料，機器翻譯譯文準確率可達到80%甚至更高。因此，機器翻譯當前主要應用于非文學翻譯領域，甚至因為市場驅動，非文學的翻譯市場可能占到98%，甚至更多，這就提供了更多的語料和更多的技術投入，使得機器翻譯系統所能發揮的作用更為強大。
深圳云譯科技作為投入機器翻譯商業應用的高新企業，通過在自然語言處理領域與語言服務行業深耕三十余載，云譯科技積累了上百億行業精準數據，包含40多億的句對專業語料，覆蓋86種語言、20個垂直細分領域，實現了機器翻譯多應用場景的落地，服務客戶已覆蓋政府、高校、金融、醫藥、ICT等領域，在全球市場已獲得上千家企業的認可與信賴。
在文本翻譯上，云譯科技通過三代機器翻譯技術深層結合，國內第一個推出神經網絡翻譯的開源系統。支持批量解碼、GPU解碼，支持多個可選領域的機器翻譯引擎，支持數字自動識別翻譯。在圖片識別上，云譯科技利用OCR智能識別模塊自動識別各類型圖片文件，并自動轉化為可編輯的文件類型，提高翻譯效率及便利性。而在語音識別方面，云譯科技采用的是先進的深度學習DNN模型的識別引擎，語音識別響應速度達到RTF<0.5，識別實時率在0.5以內。中文語音識別準確率在95%以上，英文準確率在90%以上。
借助上述技術，云譯科技的機器翻譯解決方案可以應用于多種場景，如大型社交平臺調用云譯翻譯引擎，使用戶可任意閱讀社交評論，實現與國際友人的互動交流；通過掃描設備識別文字并快速進行翻譯；辦公軟件可調用云譯MT翻譯引擎，郵件、辦公文件等內容一鍵翻譯；同傳會議或論壇可配置云譯坤伸智能同傳系統，實現實時同步的多語投屏等等。
機器翻譯廣泛應用于商業領域，對于語言服務行業而言，其實是大勢所趨。人工智能技術在當下的發展確實給翻譯帶來了巨大的沖擊，包括翻譯的手段、效率、質量、模式等。人工智能所擁有的三大推動力：算法、數據、算力正在以指數級的速度發展，在圖像、視頻、語音、翻譯等應用方面優化機器翻譯技術，能夠很大程度上提高翻譯效率，節約企業的成本。
