來源：雷鋒網(wǎng) 作者：李勤
萬萬沒想到，雷鋒網(wǎng)編輯花一塊錢試用一個(gè)經(jīng)由 xx 部批準(zhǔn)的合法 " 國際瀏覽器 " 的目的竟然是看海外版霸道總裁文。
說起來真的有點(diǎn) " 羞恥 "，畢竟我已經(jīng)不是愛幻想的 18 歲少女，而是飽經(jīng)生活折騰的社畜。
事情是這樣的，前幾天，閱文集團(tuán)與國內(nèi)人工智能公司彩云科技合作的 30 部 AI 翻譯網(wǎng)文作品上線了閱文旗下海外門戶起點(diǎn)國際（Webnovel）。
AI 也來插手網(wǎng)文翻譯，看來，繼 AI PK 速記員，AI 換臉 " 威脅 " 演員之后，在我們的精神文化生活中，AI 又觸達(dá)了一個(gè)領(lǐng)域。
這 30 部依靠 AI 走向國際化的網(wǎng)文就是我前面提到的霸道總裁文，還是女頻向的。
emmm，放眼望去，《豪門謀妻》《豪門千金重生之賺大錢》《喬先生撩妻上癮》。。。部部散發(fā)著無法抵擋的總裁魅力。
試水
雖然霸總網(wǎng)文看上去不是什么陽春白雪，但它的譯文卻是 " 精品 "。
如果翻譯質(zhì)量以滿分 100 分為計(jì)，AI 翻譯的這些作品可以達(dá)到 80~ 85 分，相當(dāng)于專業(yè)翻譯的級(jí)別。
彩云科技的運(yùn)營負(fù)責(zé)人張可馨稱，合作推出的這 30 本 AI 翻譯的網(wǎng)文屬于現(xiàn)代言情品類，是現(xiàn)在比較受歡迎以及好翻譯的品種，非常適合拿來作為 AI 翻譯網(wǎng)文出海的第一步測(cè)試。
在這次合作中，閱文提供語料、修改詞表、用戶的反饋，彩云進(jìn)行語料訓(xùn)練，詞表提取和模型部署，安排得妥妥當(dāng)當(dāng)。
起點(diǎn)國際與 " 彩云小譯 " 合作的 AI 翻譯模型針對(duì)普通難度的文本， 翻譯速度能夠達(dá)到人工的千倍，同時(shí)，在翻譯質(zhì)量把控上，閱文集團(tuán)的編輯和智能技術(shù)團(tuán)隊(duì)聯(lián)合彩云小譯的算法工程師對(duì) AI 模型進(jìn)行集中性的 " 專項(xiàng)訓(xùn)練 "，既往優(yōu)秀的譯本、經(jīng)典網(wǎng)文原作、標(biāo)準(zhǔn)核心詞庫都是 AI 學(xué)習(xí)的語料。
此外，網(wǎng)傳 " 雙方在訓(xùn)練 AI 模型時(shí)還加入了‘翻譯風(fēng)格’的選項(xiàng)，方便精準(zhǔn)進(jìn)行男頻、女頻，甚至不同品類作品風(fēng)格的呈現(xiàn)。面對(duì)不同的風(fēng)格要求，AI 能夠?qū)⑼痪湓捰枚喾N不同的譯法進(jìn)行差異化呈現(xiàn)。
這是個(gè)讓人眼前一亮的功能，雷鋒網(wǎng) ( 公眾號(hào)：雷鋒網(wǎng) ) 了解到，目前這個(gè)功能尚未正式上線，是一個(gè) " 正在調(diào)教中的模塊 "。
技術(shù)難點(diǎn)
剩下的 " 分 " 缺在哪里？
正如人類譯者的翻譯能力受自身知識(shí)面的限制一樣，AI 模型能達(dá)到的能力范圍也受到語料范圍的限制。語料中少見但比較淺白的表述，AI 可以根據(jù)自己學(xué)到的語料 " 猜 " 出正確的翻譯，但遇到比較迂回的表述，如一個(gè)語料中從未出現(xiàn)過的成語，AI 猜錯(cuò)的可能性就會(huì)變大。
彩云科技算法工程師毛詩倩提到，例如：" 燃燈如豆 ", 指的是燈的火焰很小，而不是火焰像豆子。如果語料中沒有出現(xiàn)過這個(gè)詞語，那么 AI 就只能翻譯出字面意思。
公開資料稱，閱文團(tuán)隊(duì)基于自然語言理解技術(shù)進(jìn)行網(wǎng)文內(nèi)容深入挖掘，通過對(duì)大量網(wǎng)文內(nèi)容和優(yōu)質(zhì)社區(qū)內(nèi)容的清洗、訓(xùn)練和標(biāo)注，使得機(jī)器更好地理解網(wǎng)文內(nèi)容，建立閱文自己的內(nèi)容大腦。
基于閱文內(nèi)容大腦，閱文智能可以提取網(wǎng)文的一些專有名詞，同時(shí)可以自動(dòng)識(shí)別角色（人名）、場(chǎng)景（地名）、升級(jí)體系等結(jié)構(gòu)化信息，構(gòu)建整體網(wǎng)文的知識(shí)圖譜。基于這些信息的補(bǔ)充，目前 AI 翻譯能夠較好地翻譯網(wǎng)文特殊領(lǐng)域中的詞、句、段落，包括作品中的人名、地名以及類似 " 金丹 " 這種網(wǎng)文作品特色核心元素詞等專有名詞，并識(shí)別出各種代詞指代的對(duì)象，盡可能避免傳統(tǒng)機(jī)翻中的 " 一詞多譯 "、" 張冠李戴 " 等現(xiàn)象。
看來，閱文在試圖給合作伙伴的 AI 模型 " 喂 " 更足的語料。
在構(gòu)建這個(gè) AI 模型的過程中，毛詩倩遇到了三個(gè)難點(diǎn)：
第一，正確補(bǔ)全句子結(jié)構(gòu)。
文學(xué)作品中有些句子結(jié)構(gòu)復(fù)雜或缺省成分，AI 需要自己找到正確出主賓的關(guān)系。
" 還是早點(diǎn)回家吧 "
AI 看到這句話，可能會(huì)有點(diǎn)懵逼，必須使勁找尋主語是 I 還是 You。
第二，人名指代統(tǒng)一。
一個(gè)人物可能會(huì)有多種稱呼。比如一個(gè)角色可能大名叫 " 七月，同時(shí)還有 " 小七 "、" 月月 " 等好幾個(gè)昵稱，AI 需要知道這些稱謂都是指向同一個(gè)人，否則翻譯出三個(gè)在英文中看起來沒什么關(guān)聯(lián)的名字，AI 沒有懵逼，但讀者會(huì)瞬間懵逼。
（講真，像我們這種神經(jīng)大條的讀者，可能肉身看文遇到這種情況也會(huì) " 臉盲 "。）
AI 還要知道角色的性別，以便正確使用人稱代詞。
舉個(gè) " 霸總文 " 的例子：
冷半夏整個(gè)人依靠在顧瑾白的懷里，蒼白的臉上帶著放大的笑意，看向冷可欣，口型比劃：你完了！
Leng Banxia leaned against Gu Jinbai's embrace. Her pale face carried a magnified smile as shelooked at Leng Kexin. She mouthed, "you're done for!"
上面加粗的部分就是在 AI 知道冷半夏是女性的基礎(chǔ)上才能正確翻譯的結(jié)果。
第三，文風(fēng)統(tǒng)一。
上一句是言情小說文風(fēng)，下一句變成科幻小說文風(fēng)，讀者就會(huì)分分鐘出戲。AI 需要保證一部作品翻譯風(fēng)格統(tǒng)一，并且符合這個(gè)作品本身的品類。
AI 翻譯還有進(jìn)步的空間。
毛詩倩稱，在 transformer 模型的基礎(chǔ)上，目前可以引入對(duì)抗訓(xùn)練、模型蒸餾等改進(jìn)技術(shù)，以及利用非對(duì)齊語料預(yù)訓(xùn)練改進(jìn)翻譯質(zhì)量的工作，如 BERT、MASS 等，但目前的所有翻譯模型本質(zhì)上都是基于大數(shù)據(jù)的擬合，機(jī)器還沒辦法像人類一樣真正理解文本。
AI 的強(qiáng)大助力
盡管 AI 翻譯暫時(shí)無法像人類一樣 " 機(jī)智 "，但對(duì)于網(wǎng)文出海這個(gè)領(lǐng)域而言，已經(jīng)產(chǎn)生了非常大的推動(dòng)力。
艾瑞咨詢發(fā)布的《2019 年中國網(wǎng)絡(luò)文學(xué)出海研究報(bào)告》稱，海外網(wǎng)文讀者對(duì)網(wǎng)文翻譯質(zhì)量比較滿意，但更新速度還需提升。
在這個(gè)背景下，能達(dá)到 85 分的 AI 翻譯不得不說是一個(gè)滿足需求的好辦法。
看到這種需求后，國內(nèi)內(nèi)容平臺(tái)閱文、掌閱都加緊對(duì)網(wǎng)文出海的布局。在閱文和彩云科技共同推出 AI 翻譯的 30 部試水網(wǎng)文作品之前，成立于 2017 年 11 月的公司推文科技在 9 個(gè)月的數(shù)據(jù)積累后，于 2018 年 7 月推出了網(wǎng)絡(luò)文學(xué)人工智能翻譯系統(tǒng)。
推文科技今年 3 月已完成由 Wifi 萬能鑰匙、連尚文學(xué)、聯(lián)想之星參與的 1000 萬 Pre-A 輪融資，同樣依靠具備內(nèi)容資源的平臺(tái)朝網(wǎng)文出海進(jìn)軍。
按照推文科技接受小飯桌的采訪中所言，1000 字的翻譯，人工需要 1 小時(shí)，AI 單芯片只需要 1 秒。成本也降低到原來的 1%， 100 萬字的專業(yè)譯者翻譯需要 20 萬元，AI 只需要不到 1000 元。
毛詩倩對(duì)雷鋒網(wǎng)肯定了這種說法，他稱：" 只要錢足夠多，買更多的顯卡部署翻譯模型，速度可以無限大，即使是一張顯卡，它翻譯速度也是人類的千倍。"
雷鋒網(wǎng)發(fā)現(xiàn)，在 AI 翻譯網(wǎng)文出海上，推文科技和彩云科技目前只進(jìn)行中譯英，但這只是語料多少的問題，張可馨說，要做到 85 分的準(zhǔn)確率，需要大量語料，很多小語種的語料比較難收集。
在語料充足（幾千萬句）的情況下，基本上幾個(gè)月之內(nèi)就可以訓(xùn)練出一個(gè) AI 翻譯的特定語種類型。
不過，有意思的是，這位對(duì) AI 翻譯網(wǎng)文模型無比熟練的毛詩倩是一個(gè)海歸男性算法工程師，他并沒有月讀 300 本網(wǎng)文。
海外卻有無數(shù)人在等待他的 AI 小伙伴翻譯網(wǎng)文。
