未來科技一定能更好且淘汰，本質上就是很愚蠢的循環論證。
簡單說，人類翻譯會面臨的問題，不代表模型就能解決。
那麼我們就舉一個成語例子：
Jemandem einen Bären aufbinden.
你直接問模型的話，例如，翻譯為繁體中文：Jemandem einen Bären aufbinden.
你會得到一個：「對某人胡說八道」 或 「騙人／編故事騙人」的翻譯。
那正確性呢？事實上除非你懂德文，你不會知道這個翻譯到底省略了什麼。
所以你也只能接受這種翻譯結果，那麼我們來看其他的語言翻譯：
ok，那麼這次我們用德文翻譯為英文看看：
To pull someone's leg.
嗯，拉某人的腿，意思是扯後腿嗎？
(其實是開玩笑，它保留了開玩笑的語境)
那你就會陷入很常見的翻譯陷阱：語義偏離。(Semantic Bleaching)
不過要理解這點，我要先公布答案。
Jemandem einen Bären aufbinden 這句話直接翻譯是：給某人綁上一隻熊。
所以這句俚語的語境是：我把某人綁在一隻熊上了。
但常理而言，這聽起來就是很荒誕的騙人玩笑，所以德翻中實際上是捨棄了
讓你想像笑點的「我要把你綁在熊上」的玩笑畫面，直接告訴你意義。
而且每次生成的意思，受制於大語言模型本身的特性，它會有一定的隨機性。
所以你會看到英文比較偏向害人扯後腿的解讀。
然後如果是像網飛那樣，只是便宜行事來節省成本，先統一把原文翻譯為英文。
才從英文翻譯為其他語言，那語意捨棄與偏移的程度就會更大，最後只剩下開玩笑。
理論上來說，最好是全部針對原文客製化的翻譯。
但實際上會面臨資料集的不平均，也就是英語系資料偏多，因為它通常是常用語。
所以在多語言的大語言模型中，你躲不掉會以英文為向量座標原點翻譯的偏移。
同樣的狀況你其實應該很常見了，就像模型回答經常會回答"質量"而非"品質"
這種基於中國用語資料為居多，而造成原因又大多是資料集免不了直接幹別人文章
再用簡繁轉換的內容農場，資料早就被中國用語汙染了。
所以回答偶而會有這種看起來很不悅的語意偏移。
以英為尊來作為翻譯的座標之力的模型，就會造成更顯著的負面效果。
的確你不能說他錯，翻譯的輪廓還在，但裡面的語境，也就是玩笑的笑點消失了。
「那只是現在未來技術一定能解決阿」
首先你要理解一個事實，你現在看到的語言翻譯，模型的運作原理用猴子都能懂得解釋
就是把它變成一種向量座標，然後單純的翻轉(Mapping)找最接近的目標語言。
你可以想像把概念對折試圖找到最接近的點。
但問題是，不同語言不見得能完美對齊，必定會有因為不同文化/時空語境下的差異。
所以模型實際上只能妥協，捨棄了綁你綁在熊上的玩笑，而直接告訴你胡扯。
而與其在微弱的「德-中」直接路徑上冒險，因為樣本稀疏對折找不太到。
不如先跳到眾多的「德-英」空間，先對折一次，再對折成「英-中」
這就會導致模型翻譯結果不可避免地帶有「英文偏移濾鏡」。
原本翻譯的譯者是可以自己的語言專業，在潤飾校稿，來拉回有語境的翻譯。
但如果你都把人類砍了，那這基本上無解，你等於是自己把人工校正的途徑砍了。
我認為作品有濃厚的歷史背景，有時空和語言差異下，原本還可以靠人工校正，
但因為省錢砍掉的話，那可見的未來就不是翻譯更好，反而是可預期翻譯網飛化。
我有意見..來這向站長反應
加州天天樂
推文討論 94