ChatGPT翻譯技術能力提升研修班第四講開講了！

本次課程邀請到了翻譯技術界的大咖北京語言大學外國語學部高級翻譯學院韓林濤老師為大家講授機器翻譯譯后編輯。韓老師主要圍繞機器翻譯譯后編輯的相關方面展開了專業(yè)的講解。接下來跟小編一起回顧下本節(jié)課的精彩內(nèi)容吧！

本節(jié)課的主要內(nèi)容包括：

1. 機器翻譯的基本原理與實踐

2. 機器翻譯譯后編輯發(fā)展概況

3. 機器翻譯譯編輯原則策略

4. ChatGPT譯后編輯工具實戰(zhàn)

5. 機器翻譯譯編輯案例分析

1. 機器翻譯的基本原理與實踐

首先，韓老師簡要地為大家介紹了ChatGPT于機器翻譯的重要性和翻譯背景，并以北京語言大學翻譯專業(yè)學生就業(yè)率等幾個案例演示分析機器翻譯技術對翻譯的影響。

緊接著韓老師詳細講述了機器翻譯技術的定義及以后的發(fā)展前景，使同學們在實踐的過程中針對性鍛煉學生自我翻譯思考的能力。

2.機器翻譯譯后編輯發(fā)展概況

接下來，韓老師以“神經(jīng)機器網(wǎng)絡翻譯”為例向大家講述機器翻譯技術影響翻譯的全過程。通過建設神經(jīng)語言模型（NNLM）進行反復訓練，并運用神經(jīng)機器翻譯原理通過這種反復解碼編碼的過程得出最后翻譯結果。

3. 機器翻譯譯編輯原則策略

根據(jù)神經(jīng)機器翻譯原理，把每一個數(shù)據(jù)點當作一個神經(jīng)元，構造出神經(jīng)網(wǎng)絡。韓老師在具體計算中，提出參數(shù)越大，難度越大，準確度越高。通過這種方法訓練神經(jīng)網(wǎng)絡，就會得到神經(jīng)語言模型。

4. ChatGPT譯后編輯工具實戰(zhàn)

通過圖像識別，用0和1兩個數(shù)字轉(zhuǎn)化英文單詞這個想法來延伸中文更多的語言含義。接著，又引入二元的xy向量來表示語意的詞向量，將編碼器-解碼器模型用于機器翻譯。

另外，通過訓練和注意力機制，運算神經(jīng)模型。韓老師又通過谷歌之前發(fā)表的一篇論文來引出Transformer模型轉(zhuǎn)換器的過程。它通過大量數(shù)據(jù)計算得出最精確的結論。

關于機器翻譯的背景，韓老師提到：ChatGPT原本不是個機器翻譯專業(yè)軟件，它只是用于圖像設計的對話模型，只是恰巧用來翻譯而已，并沒有翻譯專業(yè)模型，而且他只能通過人為翻譯對文案進行內(nèi)容修改。

5.機器翻譯譯編輯案例分析

與此同時，韓老師又向我們講述了ChatGPT機器翻譯的AI語音作伴功能，并可以通過AI進行完整度和流暢度打分和給出發(fā)音建議等。強調(diào)雖然ChatGPT是個對話應用，但他的背后API的功能是非常強大的。韓老師還強調(diào)：用ChatGPT要與個人數(shù)據(jù)結合，去解決你實際中遇到的問題，讓機器翻譯技術水平得到提升。現(xiàn)在面臨的不是職業(yè)替代的問題，而是職業(yè)升級的問題。

以上就是“五一研修班 韓林濤老師：機器翻譯譯后編輯 ”第四講的干貨啦，希望大家收獲滿滿！