机器翻译干了这么多年，为什么有时候还是像在故意捣乱

前阵子帮朋友改一份给海外客户的邮件。她写的是：这件事我们还在确认，烦请再等两天。

句子不复杂吧？丢进翻译工具，出来的英文——怎么说呢——每个词都对。但读起来像是一个不耐烦的人在打发对方。朋友盯着屏幕愣了五秒钟，扭头问我，这玩意儿到底懂不懂中文？

说实话。它可能真不懂。

我们总觉得机器翻译是个「翻译官」，坐在那儿把一种语言转换成另一种。实际情况更接近——它在玩一个巨型概率游戏。

机器翻译软件处理中文邮件界面截图

它不是在翻译，它是在猜下一个词

把一个句子拆开，一个词一个词地分析。前面出现了什么词，后面最可能跟什么词。翻成英文之后，哪个词搭哪个词最顺。它做的是这件事。

早期的翻译工具用的是统计方法。简单说就是比对海量双语资料，找出对应关系。这套办法在短句上还凑合，句子一长就乱套。主谓宾放哪儿它不管，语序像洗牌一样随机。

后来有了神经网络那套东西。进步是真的大。它会把整句话看成一个序列，带着上下文一起理解。

但核心逻辑没变——它仍然是在算概率，而不是在理解意思。

你给它看一万句「今天天气不错」对应「The weather is nice today」，它就记住了。但如果你写「今天这天气，绝了」，它可能翻成「Today’s weather is amazing」。字面没毛病。可你要是带着讽刺的语气说这句话呢？它完全感觉不到。

有个做跨境电商的朋友跟我讲过一件事。他卖的一款产品，中文描述里有一句「手感一流」。翻译工具给出的英文是——「feel first-class」。

英语母语的人看了半天，问他，你这产品是手套吗？

「手感」这个词，在中文里很模糊。可以指触感，可以指操作体验，甚至可以指整体品质。人一听就懂，因为人有生活经验。机器不行。它没见过手摸东西的感觉，它只见过「手感」这两个字和「feel」这个词共现过很多次。

还有一个经典例子。「方便」这个词，中文里既能表示「便利」，也能表示「上厕所」。你写「我去方便一下」，翻成英文变成「I’m going to convenient myself」。荒诞到好笑。

但笑完之后你想想。这恰恰说明了一个事——语言里最日常的表达，往往是最难翻译的，因为它们承载了太多机器没有经历过的东西。

靠数据。海量的数据。

你想啊。互联网上每天产生那么多双语内容。维基百科的条目有各种语言版本。字幕组翻译了无数影视剧。国际组织的文件通常有好几种语言的对照版。这些东西喂给机器，让它慢慢摸索出规律。

就像小孩学说话。没人给他讲语法规则，他就是听多了，自己总结出了门道。机器翻译走的是类似的路子。见得足够多，它就能应付大部分日常场景。

但这里有个前提——它见过的东西。没见过的，它就抓瞎。

网络新词、方言、诗歌、双关语、文化梗……这些都是它的盲区。不是它笨，是这些表达本身就依赖特定的语境和共享的文化背景。你让一个从没看过《西游记》的人去翻译「你是猴子请来的救兵吗」，他也懵。

你可能会说，那日常用用总行吧？

行。分情况。

看菜谱、读说明书、查外语新闻大概意思——这些没问题。信息传递为主，语气次要，翻个八九不离十就够用。出国旅游拿它点菜问路，也基本能对付。

但有些场景就不太适合了。

给客户写邮件。尤其是那种语气微妙、需要拿捏分寸的邮件。你好意是委婉提醒，翻过去可能变成生硬催促。你想表达感谢，对方收到的可能是一封公事公办的模板。

跟人吵架或者表白。算了，这个不用多说。

还有法律文件、医疗说明这类容错率极低的东西。一个词翻错，后果可能很严重。

说白了就是——它适合处理信息，不太适合处理关系。语言里有一半的功能是在维系人和人之间的关系，这部分恰恰是机器最不擅长的。

那是不是所有翻译工作都得靠人？也不是。

现在很多公司的做法是，先用机器翻一遍，再让人来改。业内叫「译后编辑」。机器负责初稿，人负责润色和修正那些不对劲的地方。效率比纯人工高很多。

你平时刷到的一些海外资讯、商品介绍、甚至视频字幕，背后可能就是这套流程。

机器翻译这些年的进步确实惊人。十五年前，翻出来的东西基本没法看。现在呢？日常对话的准确率已经相当高了。它不会取代翻译这个职业，但它正在重新定义翻译这件事。

需要人做的，是那些机器搞不定的部分。语气的拿捏。文化的转译。言外之意的传达。这些靠数据喂不出来。

回到开头我朋友那封邮件。最后她怎么处理的？先用翻译工具出个初稿，然后自己根据对客户的了解改了几处措辞。前后不到十分钟。

这可能就是现阶段机器翻译最真实的定位——它不是万能钥匙。但用好了，能省不少力气。关键是搞清楚什么时候该信它，什么时候该自己上手。

毕竟翻译这件事，说到底是在传达意思。而意思这东西，有时候藏得比字面深得多。