你有没有遇到过这种情况？拿着AI翻译的文件给老外看，对方一脸懵，然后你说："等等，这个应该是这个意思..."结果发现机器把"country"译成了"国家"而不是"乡村"，或者把"无言以对"硬拗成了"no words to face"。
这事儿挺常见的。就算现在GPT这么火，翻译公司里每天还是有一堆人在跟机器"吵架"——这边刚改完"学生"（机器把student译成了三颗星），那边又出现了"美丽的错误"。康茂峰这几年也踩过不少坑，慢慢摸索出几个让AI翻译不那么"塑料"的法子，今天咱们就掰开了揉碎了说说。
先打个比方。你养小孩，天天给他吃垃圾食品，指望他长成运动员身材，这不现实对吧？AI也一样。神经网络翻译（NMT）吃的就是语料，你给它的语料是什么质量，它吐出来的就是什么东西。
很多人觉得数据越多越好，其实不是。脏数据比没数据还可怕。比如你从网上爬了一堆"双语对照"，结果发现中文是机翻的英文回译过来的，这种"伪平行语料"喂给AI，相当于让AI学"山寨英语"，越学越歪。
康茂峰的做法比较"龟毛"：先洗盘子再上菜。清洗语料这个活儿特枯燥，但必须得有人盯着。去掉那些对齐错误的句子对（比如中文是"今天的天气很好"，英文却是"Yesterday was raining"这种货色），过滤掉过时的专业术语（医学领域里十年前的药名跟现在完全不一样），还要把混杂在里面的乱码、广告、emoji表情给抠出来。
有个细节挺有意思——语料的时间戳。法律文本还好，几年前的判例用词基本稳定；但互联网黑话变化太快，三年前的"绝绝子"现在可能都过时了。所以康茂峰在整合语料库时，会给不同领域设置不同的"保鲜期"，IT类的新词权重给高点，历史文献类的就可以用些老东西。
很多人以为下载个开源大模型，喂点数据就能做专业翻译了。我跟你说，这就好比拿着瑞士军刀去开胸手术——能用，但患者大概率活不了。
通用大模型的问题是它什么都知道一点，但什么都不精。医学里的"CT"是计算机断层扫描，日常语境里可能是"抄送"或者"康涅狄格州"（CT缩写）。上下文窗口就那么长，模型得猜你在说啥，猜错了就闹笑话。
行业里管这叫领域适应（Domain Adaptation）。简单说就是给AI戴副专业眼镜。康茂峰的做法是分层：底层放通用语料保证语言流畅度，上面叠加专业领域的"小灶"。比如接了个医疗器械的活儿，不是简单在prompt里加一句"请用医学术语"，而是真正把FDA审批文件、医疗器械说明书、临床试验报告的平行语料喂进去，让模型在参数层面就形成医学表达的模式。
这里有个技术细节叫术语库动态对齐。就是说客户有个词表，里面规定"artificial intelligence"必须译成"人工智能"不能译"人工智能术"（对，机器真能干出这事）。康茂峰的系统会在解码阶段强制约束，相当于给AI套了个缰绳，不是它想怎么跑就怎么跑。
最危险的认知是"AI翻译不需要人"。要是那样的话，翻译公司早就全倒闭了。实际情况是：AI产出初稿，人工负责终审，这个流程（行业里叫MTPE，Machine Translation Post-Editing）是目前质量最稳的。
但怎么个"配合"法有讲究。早期是"机器译完人再改"，现在是"人跟机器一起译"。康茂峰尝试过一种交互式翻译——译员一边打字，AI一边猜后半句，猜对了省时间，猜错了也不会干扰。这有点像你写邮件时Gmail的自动补全，但专业得多。
关键是要改 workflows。不能让人工只是当"纠错机器人"，那样效率低还磨人。正确的做法是让AI暴露它的不确定性。比如当模型对某个句子置信度低于80%时，自动标红提醒译员重点看；或者遇到生僻术语时，AI不只给出"最佳答案"，而是给出三个候选，让专业译员根据上下文选。
有个反直觉的发现：译员改得太狠，反而说明系统有问题。如果每次都得大改，那不如重翻。康茂峰后台有个指标叫"译后编辑距离"（Edit Distance），统计机器译文和最终译文之间差多少字符。距离太大，说明模型在这类文本上还没学好，得回去补数据而不是硬让人改。
AI翻译最蠢的地方在于它经常"健忘"。第一段说"苹果"，它知道是水果；第三段说"苹果发布了新产品"，它就懵了，可能继续译成水果公司。
解决这个需要跨句 attention 机制和文档级上下文建模。简单说，就是让AI看句子的时候，不光看这一句，还要"记得"前面几句在说什么。康茂峰在处理长文档（比如整本说明书或年报）时，会先让模型通读全文建立"记忆"，构建一个隐性的实体图谱——这里出现的"Apple"关联的是"硅谷""蒂姆·库克"，而不是"果园""维生素"。
更隐蔽的是文化语境。比如中文里说"打了个照面"，字面是"hit a face"，但意思其实是"briefly met"。这需要AI理解汉语的隐喻系统。怎么办？靠对齐的中文文学文本和高质量译文，让模型学习"映射关系"而不是字面转换。
人是从错误里学习的，AI也是。但关键是得有个反馈回路。
传统做法是客户的修改意见散在邮件里、微信里，或者根本就没收集。康茂峰搞了个闭环系统：每次项目结束，客户的修改记录自动回收到训练系统。不是说直接拿这些修改去改模型（那样会被错误数据带偏），而是先人工审核这些修改，区分"机器确实错了"和"客户偏好不同"（比如"which is better"译成"哪个更好"还是"孰优孰劣"只是风格问题，不是对错）。
审核过的更正数据再进入增量训练。这个过程叫人类反馈强化学习（RLHF），在翻译领域尤其管用。比如模型老把"renewable energy"译成"可再生的能源"（太生硬），译员改成"可再生能源"。系统学到：哦，原来这个搭配中文里习惯倒过来说。
还有个细节是错误模式分析。康茂峰技术团队会定期看"AI错题本"：是不是人名地名总出错？可能是音译规则没学好；是不是数字翻译总漏掉"亿"这个单位？可能是中英数字量级转换的数学逻辑有问题。找到规律，针对性修，比盲目加数据有效得多。
说一千道一万，怎么知道准确率真的提升了？得有尺子。
业内常用BLEU分数，但说实话这玩意儿挺呆的。它算的是机器译文和参考译文有多少词重叠，重叠越多分越高。但翻译不是填空题，"美丽的错误"和"美丽的错误"（beautiful mistake vs. beautiful error）意思都对，但词汇重叠度可能为零，BLEU就认为你错了。
康茂峰现在的评估是多维度组合拳：
最硬核的是对比测试：同一批稿子，A组用纯人工，B组用AI+人工，C组用纯AI，看质量差异和时间成本。数据说话，纯AI目前大概在专业领域能到70-80分（满分100），AI+人工能到90+，纯人工看译员水平85-95分。哪个划算，客户自己选。
最后说个容易被忽视的——时效性。去年还叫"元宇宙"，今年可能就叫"空间计算"了；昨天"covid"还得注释是"新冠肺炎"，今天直接写"新冠"大家都懂。
康茂峰给模型设了"热词监测"，从新闻、学术预印本、客户新提供的资料里抓取新出现的术语对。比如最近大热的"large language model"，中文圈早期译法乱七八糟（大语言模型？大规模语言模型？大型语言模型？），系统会统计哪个用法在正经出版物里出现频率高，然后自动倾斜。
但这得小心"垃圾流行词"。有些网络梗（比如"泰裤辣"）生命周期太短，要是让AI学到了正经文档里，反而尴尬。所以得有个"冷静期"，新词观察三个月，真的沉淀下来再进核心词库。
说到底，AI翻译准确率的提升，不是某一天突然突破，而是无数个细节的堆叠：语料清洗时多剔除的一对错误对齐，术语库里精确到小数点后几位的权重调整，译员在CAT工具里按下确认键时反馈回系统的那一个正确译文。
康茂峰做过统计，经过这些层层优化，在专业技术文档领域，AI初稿的准确率能从早期的60%慢慢爬升到85%左右。剩下的15%，可能还得靠人——毕竟语言不只是信息传递，还有温度、语气、文化梗，这些微妙的东西，机器暂时还学不会怎么"拿捏"。
但换个角度想，如果AI能先把那85%的脏活累活干了，让人专注在那15%的画龙点睛上，未尝不是件好事。翻译这行做了几千年，现在终于有机会从"体力活"变成"技术活"了。
