翻译实在是举足轻重。表意准确的译文可以让您有力触及使用不同语言的各个目标市场。越来越多的公司借机器翻译 (MT) 的东风扩大触及范围，向新市场进发，更快地为其受众提供更多翻译内容，然而这其中的风险也与日俱增，因为此方法很容易出现重大翻译错误。MT 瑕瑜互见，其短处可能会对您的业务造成巨大损失，因此，了解这些短处并避免您的受众受其所害可谓至关重要。Lionbridge 等睿智的 MT 提供商可以在翻译期间执行自动化质量检查，筛查严重错误，在保证 MT 速度的同时减少对人工干预的需求。MT 系统可以从大量文本中学习，神经网络的出现也使神经网络机器翻译 (NMT) 成为现实，由此看来，MT 变得越来越可靠。尽管如此，MT 引擎仍然容易出错。以下是与机器翻译相关的两大类错误，其危害程度各不相同。
普通错误：什么是普通错误？是否应当留心？
在这两大类错误中，普通 MT 错误的危害程度相对较轻。目标语言中的这些错误与内容的语言特征有关。普通错误包括语法、拼写和标点符号错误。虽然母语人士能够轻易注意到这些错误，但它们一般不会给公司造成重大损失。实际上，大量研究结果表明，最终用户愿意接受稍有瑕疵的译文。
（来源：“Can’t Read, Won’t Buy - B2C,”（看不懂就不会买 - B2C），CSA Research，2020 年 6 月）
许多应用场景都不需要十全十美的译文，在这些情况下，公司无需过度担忧偶尔出现的普通错误。重大错误的严重性远远超过字词标点类的错误，因为这种错误会扭曲源文本的意思。这样就会产生虚假信息或造成误解，有可能让公司面临声誉、财务或法律方面的问题，还会危害公共安全或健康。重大错误：什么是重大错误？是否应当留心？
重大 MT 错误，顾名思义，是非常严重的错误。包含重大错误的翻译内容一经传播，公司很可能要承担灾难性后果，问题严重性远远超过字词标点类的错误，因为这种错误会扭曲源文本的意思。如果译文偏离源文本要传达的信息，则可能会传播错误信息，造成混淆和误解，甚至可能引发冲突。例如，如果执法部门或医疗健康部门官员向公众发出的指令中有 MT 导致的重大错误，那么民众福祉可能会因此受到损害，政府机构的公信力也会因此丧失。公司如果偶然传播了包含重大翻译错误的内容，可能会在声誉、财务或法律方面受到负面影响。重大错误源于 MT 引擎失灵。如果引擎不理解文本背景，比如说某单词有两个词义或源文本中有拼写错误，就有可能造成重大错误。如果引擎训练不当或使用了有缺陷的词汇表，就可能导致这类相同的错误反复出现。
之所以会发生重大错误，是因为 MT 引擎尽管精妙，但并不完美，机器不能像人那样进行判断。
出现重大错误的情况有很多。在预测可能出现的重大翻译错误时，需要注意三类主要错误：关键元素错译、黑白颠倒和无中生有。关键元素错译
关键元素错译是指在翻译专有名称（个人或组织）、重要数字或计量单位时所犯的错误。如果某个专有名词同时也是普通名词，就很有可能引发误译。多年前，西班牙政府机构网站上就曾出现了这种情况导致的重大错误，引发了广泛关注。当时，政府部门的官方网站上没有出现部门负责人 Dolores del Campo 的名字，取而代之的是这个名字的英语直译 — It is pain of field（田野之痛）。MT 引擎可能会翻译货币单位（例如将“日元”翻译成“美元”），但在处理数字时可能会忽视两种货币之间的汇率转换（例如将“5 万日元”直接翻译成了“5 万美元”）。这将导致重大错误，可能引发混乱并导致负面经济后果。翻译测量单位时也很有可能出错。如果医疗文件以毫克为单位指定了一定的剂量，但引擎错误地将剂量转换为克，那么阅读译文的患者有可能读到错误的剂量信息，损害身体健康。这样一来，公司就需要对错误负责，还可能需要支付法律费用和损害赔偿金。黑白颠倒
黑白颠倒是指目标文本与源文本表达的含义相反，这也是一项重大错误。举个例子，MT 引擎将公司股东备忘录从英语翻译成西班牙语后，西班牙语译文表明股价下跌，而实际上，该公司的股价上涨。无中生有
极少数情况下，MT 译文会增译源文中根本不存在的内容。我们将这种情况称为无中生有。如果发生了这类重大错误，说明 MT 引擎软件本身就存在问题。在某些情况下，引擎可能会生成冒犯性、亵渎性、攻击性或高度敏感的字词。
我们必须设法避免重大错误，以免您的内容遭到曲解。但这并非易事。如果计算机科学家能够对目前的 MT 技术加以改进，消除这些问题，那么公司出现重大错误的几率就会更低。但在此之前，我们可以利用自动化技术来识别翻译流程中的潜在问题，修改有问题的句子，更准确地表达句意。
Lionbridge 可以将 Smaⁱrt MT™ 服务 与 Smaⁱrt Content 语言人工智能 (AI) 搭配使用，对译文进行特定的自动化质量检查，检测错误，同时保持 MT 速度，并更大限度地减少人工翻译人员进行译后编辑的需要。
- 通过在源文本中标识既是专有名词又是常用词的字词，检测人名或组织名称等专有名称误译
- 结合使用监督式机器学习 (ML) 算法和冒犯性术语列表，检测冒犯性、亵渎性或高度敏感的词语
- 通过识别原始文本或翻译文本中的否定词（但无法同时识别两处），包括单词 not 和其缩写形式 n't，检测原始文本和翻译文本相反的含义
- 通过运用词典或冒犯性用词的词汇表检测译文中的冒犯性增译词
自动质量检查并不能保证消除重大错误，它可能会遗漏错误，出现误判。尽管如此，这一流程依然能够帮助我们有效地发现问题。通过这种方法，我们可以让专业翻译人员重点处理带标记的句子，这样就不需要重新处理整个文档了。只要能够为专业翻译人员指出最有可能出现问题的地方，我们就能够提高本地化流程的效率。如需详细了解 Lionbridge 如何帮助您制定卓有成效的 MT 战略来避免重大错误，请立即联系我们。