实测多家机器翻译 胜出的竟是有道翻译！

“无论是中译英还是英译中，创意方面的翻译，几家MT都没有任何得分。从这一点可以看出，舆论中“机器翻译必将取代人工翻译”的言辞则不攻自破。我不是说机器翻译一点也无法取代人工翻译，但我并不赞同机器翻译可以完全取代人工翻译。在有预先程序设定或模板等输入条件的情况下，机械式的、重复性高的文体文本将有可能被机器翻译取代，这种取代其实是值得欢迎的，一是可以降低企业成本，二是可以减少译者的无成就感。”

01 案例分析

—

多的不说，我们直接进行案例分析。

我们随机准备了十个案例，案例领域涉及学术、技术、创意、旅游、商务，其中：英译中案例5个，中译英案例5个。

02 中译英，百度胜

—

中文案例是从我过去的翻译案例中摘取出来的文字，在搜索几家MT网站，进行在线翻译后，得出以下结果：

对MT译文结果从拼写、语法、逻辑、意思等几个方面进行评分后，初步得出Google 1.5分、百度3分、Bing 1.5分、有道3分，胜出的是百度和有道，这个结果或许不太有代表性，但可以从某种程度上反应出MT一般会更擅长于将本国语言作为源语言的语言对，如果我们再举一些英译中的案例，或许Google和Bing就会胜出。

03 英译中，Google胜

—

英文案例是分别从百科网站Wikipedia、油服公司斯伦贝谢官网、可口可乐公司官网和其他商务网站上摘取的文字，在进行在线翻译后，得出以下结果：

按照中译英的相同评分规则，对上面的译文结果进行对比分析，得出Google 3分、百度2分、Bing2分、有道3分，Google和有道胜出。从这个结果来看，似乎还是能够证明大数据主要以何种语言居多，那对应语言的翻译就相比其他语言要准确些。这两个案例里面也就可以看出，中译英百度胜出，英译中Google胜出。

04 中英互译，优选有道

—

或许你也发现，这几个案例中有道表现都比较好，无论是中译英还是英译中都是高分。这一点应该主要得益于其专注性，有道有大量的词典数据，而且词典中也抓取了很多其他网站的双语结果。

05 百度翻译原理（例）

—

百度翻译是基于神经网络（Neural Network）模型的翻译。其工作原理是，对获取到的源语言的语句进行编码得到向量序列，再基于向量序列逐词地预测目标语言中相应的候选词，在任一所述候选词的预测处理过程中，利用对数线性模型，将统计机器翻译模型的翻译特征引入神经网络翻译模型，从而计算从预设的翻译词表中获取的每个初选词的翻译概率，由此基于翻译概率计算结果从多个初选词中选取候选词，最终根据预测的候选词自动地生成目标语言的语句。

06 机器翻译无法完全取代人工翻译！

—

无论是中译英还是英译中，创意方面的翻译，几家MT都没有任何得分。从这一点可以看出，舆论中“机器翻译必将取代人工翻译”的言辞则不攻自破。我不是说机器翻译一点也无法取代人工翻译，但我并不赞同机器翻译可以完全取代人工翻译。在有预先程序设定或模板等输入条件的情况下，机械式的、重复性高的文体文本将有可能被机器翻译取代，这种取代其实是值得欢迎的，一是可以降低企业成本，二是可以减少译者的无成就感。

不过，在需要大脑思考、创意和创作类文本翻译中，机器翻译的确是无法取代的，就好比上面两个案例中的创意类文本（广告文案）的翻译，没有一家MT能够给出一个较好的译文，就连与文案作者/拥有者自身官方译本保持一致这一点都无法做到。

扫个码，译起吧！