Quick Look
儘管人工智能翻譯在處理諺語和日常文本時表現良好，但在法律、醫療等專業領域仍存在嚴重錯誤，如誤譯單位或法律術語，導致潛在的重大後果，專家警告即使翻譯流暢也不代表準確，人類校對仍不可或缺。
AI-generated summary
Why It Matters
人工智能翻譯工具如谷歌翻譯、DeepL等被廣泛使用，月翻譯字數達一萬億，但專業領域如法律和醫療仍顯示出嚴重錯誤，例如誤譯法律術語或醫療單位，導致潛在危害。
作者，約翰·勞倫森（John Laurenson）
角色，商業事務記者
報導來源，法國巴黎
發表於 4 分鐘前
閱讀時間: 3 分鐘
法國人在下大雨時會說「Il pleut des cordes」。
直譯是「天上在下繩子」（It's raining ropes）。這類慣用語，往往會難倒人工智能翻譯。
「你可以想像，這會令人工智能陷入怎樣的兩難。」法國國家科學研究中心（CNRS）專攻自動翻譯的研究主任弗朗索瓦·伊馮（François Yvon）說。
他表示，訓練良好的系統會知道，天上並不是真的掉下繩子，因此會使用英語中的對應說法「it's raining cats and dogs」（傾盆大雨）。
伊馮問道：「但當它翻譯成印尼語時，能找到對應的說法嗎？」
評論天氣的風險相對不高，但如今愈來愈多翻譯工作由機器完成，而涉及的內容遠比天氣更重要。
谷歌今年4月表示，人們現時透過谷歌翻譯（Google Translate），每月翻譯的字數達到一萬億。
這還未計算其他工具：DeepL、微軟（Microsoft）、Claude、ChatGPT和Gemini，更不用說為企業量身訂造的翻譯系統。
Skip 熱讀 and continue reading
熱讀
End of 熱讀
去年，機器翻譯的直接銷售額（即不包括一般人工智能訂閱服務）估計達14億美元（約10億英鎊）。
瑞士非營利組織「開放知識協會」（Open Knowledge Association, OKA）創辦人約翰·齊默爾曼（John Zimmerman）說：「在許多情境中，直接採用人工智能翻譯已是正確選擇。若你翻譯的是內部文件或產品目錄，為了糾正最後那幾個百分點的錯誤，而把成本提高100倍，並不合理。」
「但百科全書就不同了。維基百科建立在信任之上。一個錯誤的事實可能存在多年，並被記者和人工智能系統引用。」
他的組織負責把維基百科文章翻譯成其他語言，目前已發表逾萬篇文章，主要翻譯成西班牙語、葡萄牙語和英語，是向這個協作式網絡百科全書貢獻翻譯文章最多的單一機構。
而如果沒有人工智能，這一切根本不可能實現。
齊默爾曼解釋：「如果用傳統方式翻譯一萬篇文章，成本會高達數百萬。但在我們的流程中，人工智能先產出初稿，再由人類譯者逐句檢查。」
然而，人類的參與正變得愈來愈少。
齊默爾曼說：「品質如今已經好到一個程度，讓完全跳過人工翻譯成為一個認真的選項，也成為業界普遍面臨的誘惑。兩三年前，使用 DeepL 等工具時，我們的譯者仍需要重寫每篇初稿中相當大的一部分。」
「如今，很多譯文的文字表達往往根本不需要修改。因此，問題已不再是 AI 翻譯是否夠好，答案顯然是肯定的；真正的問題是，它是否已經好到可以取代人類譯者。」
不過，譯者們認為，現在還不到那一步。
阿里埃拉·巴爾蒂（Ariella Baltié）是一名翻譯員兼法律專家，專門將法院文件從英文翻譯成法文。
最近有人聯絡她，表示已使用人工智能翻譯自己的文件，希望她協助校對。
「一開頭就有兩個重大錯誤。」她說。
人工智能把法文中的「Le demandeur」（原告）翻譯成了「the requester」（請求人）。
巴爾蒂表示：「對法律文件而言，這種譯法非常不恰當。」
當人工智能看到「Madame X, épouse Y」（X 女士，Y 先生的妻子）時，卻將其翻譯成「Ms X marries Y」（X 女士嫁給 Y 先生）。
換言之，它把名詞誤當成動詞，完全扭曲了原本的意思。
法律範疇的誤譯，後果可以很嚴重。以美國為例，機器翻譯的庇護申請出現錯誤，已導致被羈留者延遲獲釋。
在醫療領域，準確性更是攸關生死。
從事醫學翻譯的卡羅爾·布勞特（Carol Bereuter）說：「藥物劑量和驗血結果的單位，往往包含希臘字母。」
她曾遇到一份自動翻譯的文本，把希臘字母μ譯成了milli（千分之一），而不是micro（百萬分之一）。
「這是嚴重的錯誤。如果本該給一微克，卻給了一毫克，病人就是服了一千倍的劑量。」
她還指出，隨著人工智能翻譯變得愈來愈好，發現錯誤反而變得更加困難。
「以前用谷歌翻譯等工具，句子會很突兀，因為會有語法錯誤，或者讀起來很生硬；如今讀起來完全合理，非常流暢、自然，所以錯誤變得更難察覺。」
專攻自動翻譯的法國學者弗朗索瓦·伊馮警告：「如果譯文要由你署名，那就涉及你的聲譽風險。如果有人根據翻譯內容來決定是否接受某項醫療程序、簽署合約，或進行一項重大買賣，風險就更大了。」
他表示，即使是人類看來相當清楚的句子，也可能難倒人工智能翻譯服務。
「當一個詞有不同含義時，人類通常很清楚哪個意思適用，因為他們理解上下文；但當機器翻譯遇到『translate into Polish』（翻譯成波蘭語）這句話時，它完全有可能認定這句話講的是鞋油（Polish有『波蘭語』和『擦亮劑』兩個意思）。」
上下文往往至關重要。如果人工智能翻譯沒有意識到我們談的是足球比賽，就可能把「taking a corner」（踢角球）譯錯。
去年，OKA進行了一項由維基媒體基金會（Wikimedia）資助的研究，涵蓋119篇文章、10組語言配對，以及逾1,000小時的譯者工作時間。
OKA創辦人齊默爾曼說：「在出版前，27% 的人工智能生成文本仍被修改。這些修改中有四分之三是糾正人工智能引入的錯誤，而其中 5% 至 6% 的錯誤改變了原文的意思。」
要徹底消除這些錯誤，可能相當困難。
原因在於，人工智能是以概率為基礎，決定譯出哪個詞而非另一個詞；而「很可能正確」並不等於「真的正確」，尤其是在語言這樣細膩而充滿變化的領域中，更是如此。
他認為，新一代技術將帶來改善。
What to Watch
AI outlook — possibilities, not facts
人工智能翻譯在專業領域將仍需要人類校對作為質量控制步驟
Likely · Within months
開放知識協會等機構將繼續使用人工智能生成初稿，再由人類譯者逐句檢查的混合模式
Very likely · Within months
Open Questions
- 人工智能翻譯在什麼樣的條件下可以完全取代人類譯者？
- 如何改進人工智能模型以更好地理解上下文和專業術語？
- 不同語言對人工智能翻譯準確性的影響程度如何？
- 企業在使用機器翻譯時應該採取什麼樣的質量控制措施？
