机器翻译论文发表心情

机器翻译的要修改，语法上很容易有问题

一篇英文的长篇专业文章摆在面前，想了解里面说了啥你的通常做法是什么？谷歌，还是百度？翻译出来的文字可能依然会面临“相见不相识”的尴尬，依然需要耗费时力才能清楚了解文章的意思。 得益于人工智能、深度神经网络学习、大数据等的快速发展，机器翻译已能模仿人脑“理解语言，生成译文”。准确度、流畅度都得到大幅提高，甚至达到“译文流畅，符合语法规范，易于理解”的状态。 北极光投资的Atman（爱特曼）作为国内少有关注机器翻译并追求自动化的创业公司，就一直致力于此并在机器翻译的专业指标上已经遥遥领先。说的好不如做的到，本着求真精神，适逢我们投资的另外一家AI领域的公司（Drive.AI）的创始人近日在MIT Technology Review上发表了一篇有关自动驾驶深度学习的文章“Deep Driving”, 我们通过Atman在短短数秒内将文章翻译如下，全文未经人工修饰，机器“裸翻”，分享给各位，欢迎欣赏、评论、吐槽。我们也相信：阅读，在未来，可以变的更享受。Deep Driving A revolutionary AI technique is about to transform the self-driving car.一种革命性的人工智能技术将要改变自动驾驶车。October 18, 20162016 年 10 月 18 日 When the Google self-driving-car project began about a decade ago, the company made a strategic decision to build its technology on expensive lidar and detailed mapping. Even today, Google’s self-�0�2driving technology still relies on those two pillars. While that approach is great up to a point—we have good algorithms for using lidar and camera data to localize a car on the map—it’s still not good enough. Driving on complicated, ever-changing streets involves perception and decision-making skills that are inherently uncertain (see “Your Driverless Ride Is Arriving”).在 10 年前谷歌开始自动驾驶汽车项目时 ，该公司做出了一项战略决定 ，将在昂贵的激光雷达和详细绘图方面建立起它的技术。即便是今天，谷歌的自动驾驶技术仍依赖于这两个支柱 。虽然这种方法很好，但我们有好的算法来使用激光雷达和照相机数据将汽车定位在地图上。 但它仍然不够好。在复杂 、 不断变化的街道上驾驶，涉及到一种内在不确定的观念和决策技能 。 Now an artificial-intelligence technology called deep learning is being used to address the problem. Rather than using the old method of hand-coded algorithms, we can now use systems that program themselves by learning from examples of how a system ought to behave in response to an input. Deep learning is now the best approach to most perception tasks, as well as to many low-level control tasks.现在，正在利用一种称为深度学习的人工智能技术来解决这个问题。我们现在可以使用程序本身，而不是使用旧的手工编码算法，从一些例子中学习一个系统应该如何对输入作出反应。现在，深度学习是感知任务的最佳做法，也是许多低层级控制任务的最佳途径。 A self-driving car needs a perception system to sense things that are moving (cars, people) as well as things that aren’t (lampposts, curbs). Self-driving vehicles detect dynamic objects using sensors such as cameras, laser scanners, and radar. Of these three, cameras are the cheapest, but they’re also used the least because it’s hard to translate images into detected objects. Using deep learning, we’re seeing dramatic improvements in the car’s ability to understand and make use of such images.一个自动驾驶的汽车需要一种感知系统，让人们感觉到正在移动的物体以及那些没有改变的物体。自动驾驶车辆使用照相机、激光扫描仪和雷达等传感器来检测动态物体。在这三种中，摄像机是最便宜的，但也被最少使用，因为很难将图像转换为检测对象。利用深度学习，我们看到汽车理解和使用这种图像的能力有了显著改善。 We’re also seeing significant gains from something called “multitask deep learning,” in which a system trained simultaneously to detect lane markings, cars, and pedestrians does better than three separate systems trained in isolation—since the single network can share information among the separate tasks.我们还看到了从所谓的多任务深度学习中获得的可观收益，在该学习中，一个同步训练的 系统检测车道标志、汽车和行人。由于单一网络可以在不同的任务中共享信息，所以会比单独训练的三个独立系统要好。 Instead of relying entirely on a pre-computed map, the car can use the map as one of many data streams, combining it with sensor inputs to help it make decisions. (A neural network that knows from map data where crosswalks are, for example, can more accurately detect pedestrians trying to cross than one that relies solely on images.)汽车可以用地图作为许多数据流的一个， 而不是完全依靠一个预先计算的地图，从而将该地图与传感器的输入结合起来，以帮助它做出决定。例如，从地图数据中知道人行道的一个神经网络能够更准确地检测到试图穿越的行人，而不是仅仅依靠图像。 Deep learning can also alleviate one of the biggest issues identified by many who have ridden in a self-driving car—a “jerky” feel to the driving style, which sometimes leads to motion sickness. But a car trained using examples of humans driving can offer a ride that feels more natural.深入学习也能缓解那些在自动驾驶汽车上乘坐的许多人发现的最大问题之一 ——颠簸的驾驶感觉，有时会导致晕车。但是，受过人工驾驶数据训练的汽车会让人们感觉更自然。 It’s still early. But just as deep learning did with image search and voice recognition, it is likely to forever change the course of self-driving cars.现在还为时过早。但是，正如深度学习在图像搜索和语音识别上所做的那样，它有可能永远改变自动驾驶汽车的过程。

选择机器翻译或翻译公司需要您看所需的翻译质量。如果是日常学习使用，例如：查单词，翻译短语等要求翻译基本准确，那么可以选择机器翻译。如果是比较重要的资料，例如：出版翻译，技术文件翻译，文学作品翻译，法律文件翻译、论文翻译等对翻译质量要求较高的，那么选择翻译公司更靠谱，因为专业的翻译公司用的是人工翻译，并且有很严格的审校环节，能保证翻译出来的作品用词更准确，润色更好，符合目标语言国家的语言逻辑习惯。

好用的论文翻译软件推荐如下：

1、知云

知云，是一款国产的永久免费软件。自带PDF阅读器功能。以下面这一篇PDF格式文献为例，下图就是软件界面。

2、GeenMedical翻译

是根据生物医学科研人群的实际需要开发的GeenMedical翻译平台。

3、专业词汇翻译--MedSci

MedSci，拼写检查及中英互译 ,收录超过200万个专业词汇，尤其是对新词的收录能力强。像生物医药领域出现的新词，或复杂的化学名均有收录，很全面，更新及时。与各家相比，算是更全面。

4、Linggle

Linggle是一个可用来进行英语语法、句子写作的工具，可为学习者提供更准确的英文写作建议，还能够根据词性来推测短句和句子，精准的分析出完整英文句子如何撰写。

5、NetSpeak

NetSpeak 是一个提供免费线上单词、词组、语句翻译的工具，其特点是可以在线搜索和比较各种英文词汇、短句、语法、单词解释等内容，并且可以统计出这个用语的变化形态，还可以分析使用频率和情境，堪比谷歌翻译。

当然是人工翻译好，不论项目大小都会经过翻译、编辑、校对、排版四个流程，译员均具备8年以上相应领域的翻译经验。文腾翻译是纯人工翻译的公司，有十多年人工翻译的经验

这还用想么？当然是人工翻译最好啊。机器翻译虽然语言转换很快，但是不论从情感上、语言的结构上，人工翻译永远都要比机器翻译好太多。机器翻译的优点和缺点不言而喻，但是人工翻译才是yyds啊！湖南雅言翻译的文章里说过：机器翻译所采用的数据库以及大数据等，完全不能直面地想表达每个人话里的中心思想，比如一些隐晦的话语，机器翻译可能会更为直白的表达，文字生硬且不圆融，而人工翻译则能更清楚地想要以什么形式展现和表述。这写得多好，完全剖析了机器翻译和人工翻译的最大差距！