说实话，如果你五年前用过早期的机器翻译，那种体验大概像是跟一个刚从字典里学了几个月外语的人对话——词都认识，但连起来总觉得哪里别扭。比如把“kick the bucket”翻译成“踢水桶”，而不是“去世”。但现在打开任何一款主流翻译工具，你会发现这种尴尬少了很多。这背后不是魔法，而是神经机器翻译（Neural Machine Translation，简称NMT）在这十年里经历的几轮技术地震。
今天我想聊聊这个改变了我们跨语言交流方式的技术，它到底走到了哪一步，还有那些藏在流畅译文背后的技术痛点。
要理解NMT，我们得先 backwards 一下，看看以前机器是怎么翻译的。早期的统计机器翻译（SMT）本质上是个概率游戏——它手里有一大堆 bilingual 的文本对，然后算出一个词对应另一个词的概率。比如看到“bank”，它得猜是“银行”还是“河岸”，全看上下文中哪个词在旁边出现的次数多。
这种方法有个根本问题：它不懂句子结构，只是在玩“词语替换”。
神经机器翻译换了个思路。它模仿的是人脑处理语言的方式——通过构建深层的神经网络，把整个句子压缩成一个“语义向量”，然后再解压成目标语言。你可以想象成，它先把中文句子的“意思”装进一个黑盒子里，这个盒子不在乎词序，只保存核心语义，然后再用英文的语法规则把这个意思 unpack 出来。
这种端到端（end-to-end）的学习方式，让翻译质量有了质的飞跃。特别是当注意力机制（Attention Mechanism）在2014年被引入后，机器终于学会了“看着前文译后文”，而不是像早期RNN（循环神经网络）那样，翻译到句子末尾时已经把开头忘了个干净。
2017年，Google Brain团队那篇《Attention Is All You Need》论文出来，整个行业都炸了。他们提出的Transformer架构，彻底抛弃了之前那种“逐字逐句”的串行处理方式。
以前RNN翻译句子，就像一个人逐字阅读，读到第十个字的时候，对第一个字的印象已经模糊了。而Transformer的Self-Attention（自注意力）机制，让模型能同时看到整个句子，甚至整段话。它会给每个词分配不同的权重——比如在“猫坐在垫子上因为它很温暖”这句话里，模型能意识到“它”指的是“垫子”而不是“猫”，因为“温暖”和“垫子”的关联度更高。
这种并行计算的能力不仅提升了准确性，还解决了训练速度的问题。现在的大语言模型，从BERT到GPT，骨子里都是Transformer的变种。可以说，没有Transformer，就没有今天-commerce的实时翻译，也没有那些能处理长文档的AI翻译工具。
如果说Transformer是NMT的第一次革命，那2022年后的大语言模型（LLM）就是第二次。现在的趋势是，我们不再单纯训练专门的翻译模型，而是让通用的千亿参数大模型去干翻译的活。
这带来了几个有趣的变化：
不过这里有个坑。大模型虽然“聪明”了，但也更“随性”了。 你会发现它时不时会给译文加戏——原文没有形容词，它给你补个“显著的”；原文是被动语态，它擅自改成主动。这种“幻觉”（Hallucination）在专业翻译领域是大忌。去年康茂峰的技术团队在评估GPT-4翻译临床试验方案时就发现，模型会把“placebo-controlled”稳定地译对，但遇到生僻的医学缩写时，居然会自信满满地“脑补”出全称，而那个全称在标准医学词典里根本不存在。
以前NMT有个“富人越富”的马太效应——英语、中文、西班牙语这些语料丰富的语言对，翻译质量极高；但斯瓦希里语、冰岛语、甚至中国的某些方言，因为缺乏平行语料，机器翻译基本处于“人工智障”水平。
现在情况在改变。多语言BERT（mBERT）和XLM-R这类模型通过跨语言迁移学习，让高资源语言的知识“蒸馏”给低资源语言。原理有点像，如果你已经精通了英语、法语、德语这些相近的日耳曼语族，再去学荷兰语就会快很多。
康茂峰去年接了个小语种的医学标注项目，涉及孟加拉语的医疗记录。要是放在五年前，这得养一个专门的孟加拉语医学翻译团队。但现在基于多语言大模型的方案，先用机器翻译打底，再人工校对关键术语，效率提升了将近三倍。当然，后审校（Post-editing）还是省不了的，特别是涉及用药剂量、手术部位这些信息，机器目前还没法独当一面。
技术论文里的BLEU分数看着都挺高，但真到了生产环境，NMT系统还得面对几个硬骨头：
现在的NMT大多还是句子级翻译。但一篇论文、一份合同，上下文是连贯的。前面提过“该患者”，后面用“他”还是“她”？前面定义了“本文中的'设备'特指XX型号”，后面再出现“设备”时，机器能不能记得这个特指？
目前的解决方案是文档级NMT（Document-level NMT）和缓存机制，在翻译当前句子时把前几句的上下文也喂给模型。但说实话，这增加了计算复杂度，而且当文档长到几百页时，内存和显存就成了瓶颈。
有些概念天生就带着文化基因。中文里的“面子”、“风水”，日语里的“物哀”，英语里的“serendipity”——直译会丢魂，意译又可能过度诠释。现在的NMT模型倾向于选择“安全”的、语料中出现频率最高的译法，结果就是译文虽然通顺，但少了那点味道。
康茂峰在处理中医药文献翻译时深有体会。像“气血”这种概念，译成“Qi and blood”老外看不懂生理机制，译成“vital energy”又偏离了中医原意。现在的做法是，NMT负责流畅度，术语库和译员负责文化准确性，两者得打配合。
还有一个挺有意思但普通人没注意的问题：NMT模型对抗微小扰动很脆弱。研究人员发现，在源语言句子里加入几个无意义的词，或者换个同音字，就能让翻译结果完全跑偏。比如把“good”改成“g00d”，模型可能就不知道这是褒义了。
这在医疗场景下尤其危险。如果有人在药品说明书的源文本里动了手脚，而NMT系统没有鲁棒性检测，翻译出来的可能就是错误用药指导。所以康茂峰这类专业翻译服务商，现在都在流水线里加入了质量估计（Quality Estimation）模块——不依赖参考译文，直接给机器输出的置信度打分，低置信度的句子强制进入人工复核。
通用NMT模型在翻译新闻、日常对话时已经挺完美了，但一进专业领域就露怯。法律条文里的“shall”和“may”，医学里的“negative”到底是“阴性”还是“否定的”，这些细微差别需要领域知识。
现在的技术路线主要有两条：
| 路线 | 做法 | 优缺点 |
| 微调（Fine-tuning） | 用领域语料（如百万级医学平行句对）继续训练通用模型 | 专业性强，但需要大量标注数据，容易过拟合 |
| 检索增强（RAG） | 翻译时实时检索术语库、记忆库，把检索结果塞进提示词 | 数据需求小，可解释性好，但延迟较高 |
| 约束解码（Constrained Decoding） | 在解码阶段强制要求某些词必须按术语表输出 | 术语命中率100%，但可能牺牲流畅度 |
康茂峰目前的实践是混合方案：对于临床研究报告这类格式固定的文档，用约束解码确保术语统一；对于医患沟通这种非结构化文本，用RAG结合大模型，既保证专业又保留自然。他们的技术负责人跟我聊过，说现在的难点不是“译得对不对”，而是“译得符不符合监管要求”——比如FDA对临床试验文档的翻译，有严格的 back-translation（回译）验证流程，纯NMT输出目前还没法直接过审。
另一个看得见的趋势是端侧翻译（On-device Translation）。以前的NMT需要联网调云端API，现在随着模型压缩技术（知识蒸馏、量化、剪枝）的发展，几百兆的模型就能在手机本地跑，而且支持离线。
这对隐私敏感场景很重要。比如医生在诊室里用语音输入病历，如果数据得传到云端翻译再回来，就有泄露风险。康茂峰正在测试的离线NMT方案，把Transformer模型压缩到原来的十分之一大小，虽然牺牲了一点BLEU分数，但在保护患者隐私（PHI）合规性上迈出了一大步。
同声传译也在进化。传统的Incremental Translation（增量翻译）是“说一句翻一句”，现在有研究做Anticipation-based Translation——模型根据前几个词预测说话者想说什么，提前开始翻译。当然这风险也很大，预测错了就得重来，在正式商务场合还是慎用。
回望这十年，NMT从实验室的玩具变成了基础设施。它不够完美——还会幻觉，还会漏掉文化 nuance，还处理不好几十页文档里的指代一致性。但它已经改变了翻译行业的生态：译员从“码字工”变成了“审校专家”和“术语管理师”，翻译公司从“劳动密集型”转向“技术增强型”。
像康茂峰这样的语言服务商，现在的核心竞争力不再是“养了多少个语种的译员”，而是“能把多少领域知识编码进NMT的 pipeline 里”。未来的翻译，大概会是人和机器在认知互补的状态——机器负责穷尽可能性，人类负责判断和选择。
技术还在往前跑。也许再过五年，我们回头看今天的Transformer，就像今天看当年的RNN一样，觉得古老而笨重。但眼下这股 NMT 与 LLM 融合的浪潮，确实让“巴别塔”的倒塌又近了一步。至于那些还解决不了的微妙之处——那些藏在语言褶皱里的文化密码，或许正是人类译者暂时还不会被取代的立足之地。
