中国翻译协会2018“新时代、新业态、新技术”高峰论坛

发布时间： 2018-11-20   |  来源：中国网  |  责任编辑：张钰

随着40年的发展，改革创新已经成为社会发展的优先主题，信息技术的发展为新时代语言服务提供了全新巨大发展机会。今天，这场论坛是新时代、新业态、新技术高峰论坛，探讨新技术正在为新时代语言服务业带来的机遇和挑战。

2018-11-20 09:00:02

今天上午作大会发言的有：商务部服贸司刘玉龙处长，中国翻译协会常务副会长仲伟合，传神语联网科技有限公司董事长兼CEO何恩培，国际译联理事、韩国口笔译协会顾问郭重哲，科大讯飞股份有限公司高级副总裁、AI研究院院长胡国平先生，腾讯计算机系统有限公司腾讯智能平台产品副总裁李学朝先生，中译语通科技股份有限公司CEO于洋，谷歌AI应用资深技术负责人楚放。今天上午的会议由我和中国译协副会长、华为代表陈圣权分别主持。出席今天会议的有国际译联主席、副主席，有中国译协的常务副会长、秘书长王刚毅，以及译协的常务理事和各个专委会的代表。

下面，进入今天的主题。首先，请商务部服务贸易司刘玉龙处长作主题发言。他发言的题目是：“深挖语言服务贸易发展潜力  推动中国服务贸易高质量发展”。今天的主题就是政策导向、新技术引领方向，我们有请刘处长。

2018-11-20 09:03:02

尊敬的各位来宾、女士们、先生们，朋友们，大家上午好！很高兴参加本届语言服务创新发展论坛，与各位共同探讨新时代中国服务贸易的创新发展与中国语言服务贸易的发展前景。我代表商务部服务贸易和商贸服务业司对论坛成功举办表示祝贺！

当前，服务经济时代已经到来。数字技术重构经济模式，产业深度融合，制造业服务化，服务外包化、数字化、高端化、融合化趋势加快，以研发、营销、品牌为代表的服务环节在全球价值链中越来越处于核心引领地位。服务贸易成为促进世界经济增长、引领转型发展的重要引擎。近40年来，中国服务贸易快速发展取得突出成就。1982年到2017年，中国服务贸易额从47亿美元增长到6957亿美元，增长了147倍，年均增速15%。全球份额不断提高，由1982年占世界服务贸易的0.6%提高到2017年的6.6%。服务进出口总额连续四年保持全球第二位，成为仅次于美国的第二大服务贸易国。

2018-11-20 09:10:00

2018年1到9月中国服务贸易继续保持较快增长势头，进出口总额达到5955亿美元，同比增长15.2%。其中新兴服务进出口1963.2亿美元，同比增长25.2%，高于服务进出口总体增速10个百分点，带动服务贸易结构持续优化，拉动新兴服务进出口占比提升2.7个百分点至33%。语言服务是在我国对外开放环境中逐步成长起来的新兴服务领域，随着我国开放步伐的加快，更多语言服务企业迈出国际化步伐。中国语言服务贸易加快发展潜力较大，中国翻译协会最新数据显示，2017年中国语言服务企业产值359.3亿人民币，约合51.7亿美元，占全球语言服务产值的12.1%。截至今年6月，以语言服务为核心业务的企业9652家，较2015年增长30%。

2018-11-20 09:12:33

近年来，语言服务呈现新的特点。一是数字技术赋予语言服务贸易新动能。大数据、云计算、人工智能为代表的新技术催生了机器翻译、语音识别、人机对话、机器写作、核心算法等一系列语言服务创新，极大地释放语言服务生产力，提升了服务质量和效益。二是跨界融合催生语言服务贸易新业态在全球化、信息化两大引擎拉动下，语言服务与相关产业深度融合，创造了新的贸易增长点，“语言+”服务外包等服务模式蓬勃发展，以众包、共享服务模式为引领的互联网语言服务平台不断兴起。三是语言服务综合解决方案成为出口增值新亮点。越来越多的语言服务企业由出口单一环节的翻译服务，向出口专业化、定制化、多样化的一站式综合解决方案转型。服务的附加值不断提高。四是语言服务贸易对中华文化走出去做出新贡献。2018年1到9月我国文化产品出口同比增长5.6%，文化服务出口增长17.5%，语言服务有效提高了文化贸易和投资便利化水平，拓宽了优秀中华文化的传播渠道，对于密切文化交流、讲好中国故事、促进民心相通发挥了重要作用。

2018-11-20 09:14:15

女士们、先生们、朋友们，习近平主席在刚刚闭幕的首届中国进口博览会上指出，中国将坚定不移奉行互利共赢的开放战略，实行高水平的贸易和投资自由化、便利化政策，中国将始终是全球共同开放的重要推动者，中国将始终是世界经济增长的稳定动力源。未来一段时期，服务贸易将是扩大对外开放的重点。今年6月，国务院批复同意深化服务贸易创新发展试点，重点在管理体制、开放路径、促进机制、政策体系、监管制度、发展模式等方面先行先试。在上海、武汉、西咸新区等试点地区语言服务贸易发展已经取得一些创新突破。商务部服贸司继续以服务贸易高质量发展为目标，深挖语言服务贸易发展潜力，大力推进服务业对外开放和服务贸易创新发展。

我们将以“一带一路”为重点拓展服务贸易发展新空间，继续深化与“一带一路”沿线国家的经贸合作，推动将语言服务列为“一带一路”服务贸易对外合作的重点领域之一，用好用足现有支持政策，加大支持力度，鼓励语言服务企业积极开拓“一带一路”沿线国家市场，承接国际语言服务外包业务，扩大语言服务出口。我们将以服务贸易创新发展试点为依托，优化服务贸易政策环境，培育服务贸易发展新优势，鼓励深化服务贸易创新发展试点地区将语言服务纳入重点支持范围，出台有利于语言服务企业数字化转型的政策措施，搭建公共服务平台，为企业推进数字化、信息化建设提供便利，营造良好政策环境和营商环境，提升语言服务企业的转型增值能力。我们将以服务贸易新业态、新模式为抓手，不断激发服务贸易发展新动能，把握新一轮科技革命数字经济新机遇，不断培育新业态新模式新动能，着力扩大语言服务、数字服务、文化、中医药、研发设计、检测等新兴服务出口，加快服务贸易结构优化升级，支持符合条件的优秀语言服务企业进驻国家文化出口基地和数字服务出口基地。

女士们、先生们、朋友们，新时代孕育新机遇，我们愿与各界携手共进，共同推动中国服务贸易，特别是语言服务贸易更好、更快发展。

谢谢大家！

2018-11-20 09:17:26

刚才引用了昨天行业报告里发布的一个数字，中国语言服务业产值是全球的12%。我想起另外一个数字，中国对联合国的会费，中国贡献力是12%，在国际组织里中国雇员在联合国里只占0.9%，也就是花12块的成本买了一个9毛钱的产品来，这显然不行。因此就有一个人才培养问题。刚才，我们聆听了关于政策导向，特别是刘处长讲到商务部将出台有利于服务贸易发展的政策措施，提升语言服务业的创新能力，支持语言服务业服务“一带一路”建设，承接外包等方面的能力要予以提升，相信在座的语言服务企业听到这些信息都倍受鼓舞。

下面，请中国译协常务副会长仲伟合主题发言，题目是“新时代翻译专业教育：挑战与对策”。

2018-11-20 09:32:18

尊敬的各位嘉宾、与会代表，非常高兴大会给我这个机会和大家在这里交流中国翻译教育，接下来我向各位汇报三个问题。一是改革开放40周年我国翻译教育回顾以及我们取得的成绩。二是新时代中国专业翻译教育面临的内外挑战。三是新时代中国翻译教育发展对策。

改革开放40周年，中国的翻译教育取得了非常大的发展。我上星期在浙江大学中华译学馆成立开幕典礼上讲，如果没有翻译中国改革开放40年，不可能取得这样的成绩。季羡林先生曾经在不同场合表达过这样的观点，他说如果没有翻译，世界一天都不能够沟通下去。所以，翻译是异常重要的。伴随着改革开放40年，中国的翻译专业、翻译学科取得了长足发展。我将从以下五个方面和各位简要汇报。

2018-11-20 09:38:39

学科建设方面，我们通过时间节点回顾。50年代，已经有专家学者在相关文档中提到翻译理论研究、翻译学科建设，但那时候没有把学科搬到真正的讨论范畴。1979年是中国翻译专业发展的重要起点，那一年在北外成立了联合国译员培训部，由联合国和北京外国语大学共同培养专业化的翻译专业人才，这是我们现代中国翻译专业的起点。把学科真正提出来是1987年全国第一次翻译理论研讨会，当时我们今天在座的一批教授那时候是年轻的学者，这批年轻学者提出翻译学应该成为一门独立学科。但这个讨论一直讨论了30多年，最后才真正取得了成绩，也就是2011年翻译学进入大学，成为外国语言文学一级学科项下二级学科。2012年翻译专业进入教育部本科专业目录。2006年教育部批准3所学校成立试办翻译本科专业，2007年翻译硕士专业学位获得教育部批准，在全国进行招生，2008年我们迎来了全国第一批翻译硕士专业学位学生。

2018-11-20 09:42:37

学科建设的另一方面是人才培养目标和人才培养路径得到明确。在BTI、MTI无、MA、Ph.D都有专业项目，BTI的正确表述应该是BATI，翻译硕士专业学位是MTI。我们对各层次人才培养目标做了具体描述，特别是翻译本科层面培养具有宽阔国际视野、深厚人文素养、良好职业道德，能够胜任外交、经贸、科技、教育等领域工作的通用型口笔译人才，在翻译专业学位层面是培养能够适应经济、文化、社会建设需要的高层次、应用型、专业性口笔译人才。我们在很多些学校已经开设了翻译学的博士课程，最近翻译专业教职委还在讨论研究准备推出DTI为高校从事教学的老师、各行业从事语言服务以及翻译服务的专业人士提供更高的学术发展空间。人才培养模式得到了明确，各层次人才培养都有相应侧重点，翻译本科阶段侧重在双语应用能力、双语转换能力、相关专业知识、相应人文素养。MTI侧重于口笔译技能、译者能力、相关专业知识、相应人文素养，MA是侧重口笔译技能、研究方法与能力、翻译学理论，Ph.D侧重理论研究能力、翻译学前沿理论、翻译教学理论。

2018-11-20 09:46:34

翻译学科规模化发展。翻译本科专业2006年试办以来，目前全国达到272所学校开设了翻译本科专业，为什么是“271+1”，271所学校开设的翻译本科专业是外国语言文学类项下的翻译本科，南京特殊师范学院是在中国语言文学项下开设的手语翻译，这是目前全世界唯一一所在本科层面开设手语翻译专业的学校，也是世界上第一个手语翻译。翻译学位从2007开始试办，2008年招生以来，最初的15所发展到今天的249所学校开设翻译硕士专业学位，拥有翻译学博士点的学校近40余所，从事口笔译研究的博士生导师已经超过100人。本科专业和翻译硕士累计招生超过6.5万人。

在规模化发展的同时，翻译学科和翻译专业得到了规范化发展，一系列标准和一系列规范化文件出台。在2012年高教30条颁布后，翻译教学协作组全国翻译教育指导委员会领先制定了一系列的规范化文件，包括《翻译本科专业教学要求》《翻译硕士专业学位基本要求》、《翻译硕士专业学位设置方案》《翻译硕士专业学位教学指导性培养方案》《外国语言文学类本科教学质量国家标准》《翻译本科专业教学质量国家标准》、《翻译专业学位研究生兼职教师认证规范》对学科发展起到了重要的规范作用。

2018-11-20 09:49:25

另外就是翻译学科的特色化发展。现在深深感觉到翻译专业不仅仅是外国语言文学拓展出来的一个重要的学科分支，更主要的翻译要和各个专业、各个行业相融合，培养真正专业化的翻译人才。比如说商务翻译、法律翻译、医药翻译、金融翻译、新闻传媒翻译、文学典籍翻译等等，将来翻译专业将越来越细化，特别是随着人工智能时代、大数据时代的到来，细化的趋势将越来越明显。

在教学研究方面我们取得了丰硕成果。国家级、省级精品课程、国家级教学团队在引领着翻译专业的教学。国家级教学团队有我本人曾经主持的国家级的口译教学团队，我们的精品课程几乎在各个省、各个学校都有和翻译专业相关联的课程。翻译教学模式上也不断地探索，从最初提出的厦门大学口译教学模式，逐步发展到各个学校都凝练各具特色的翻译人才培养模式，北外模式、广外模式、上外模式等等。教材建设取得了丰硕成果，各种研究专著超过五千余部，辅助教材、专著超过五千余部，教师培训。在昨天王刚毅局长的报告中也作了具体的阐述，从1997年起高等院校的师资培训一直由中国翻译协会主导，近年来又和相关的国际机构、高效以及专业教育指导委员会共同主办全国的翻译师资培训，21年累计培养五千余人次的翻译专业教师，这方面中国翻译协会为中国翻译教育做出了巨大贡献。在CNKI核心期刊上检索，1978年到2018年我们的论文发文量是18000余篇。从70年代到80年代，到现在发文量逐渐递增。科研项目立项方面，国家社科基金累计立项超过700余项，教育部立项超过500项。博士论文，目前为止完成和翻译学相关的博士论文超过一千篇，口译研究论文月占10%，剩下的90%论文是笔译、语言服务相关联的其他领域。

2018-11-20 09:51:14

交流互动取得了很大发展。有各种各样的会议、论坛、专业赛事，包括各种各样的基地建设，像今天这个会议，中国翻译协会的年会已经成为中国翻译人的年度盛事，而且逐步取得重大国际影响力。全国口译大会从1996年第一届到现在已经开了20多年，也已经成为国际口译界的一届盛事。另外，其他的跨学科和翻译相关联的论坛也都得到了翻译界的热烈支持。专业赛事像韩素音国际翻译大赛、全国口译大赛、海峡两岸口译大赛、全国科技翻译大赛等等都对翻译教学、翻译实践能力获得起到了很大促进作用。翻译教育指导委员会鼓励各办学单位用好实践教学基地，所以业界、学校共建了很多实践教学基地，包括语言服务企业、政府部门、电台电视台、法院医院、出版社等等机构。

翻译专业对中国社会发展的社会贡献。我们为语言服务行业发展做了重大贡献，为语言服务行业提供译员、项目管理员、技术专家等等支持，各类翻译测试、翻译规范等研发推动语言服务行业的准入和健康发展。在社会的各行各业，在法庭、医药大健康、旅游公益、体育赛事、中华学术外译、地区交往、高层论坛、思想传播等等领域翻译人，更大范围内语言服务提供者都做出了巨大贡献。

2018-11-20 09:54:42

在技术创新方面，翻译教学为技术创新储备了人才，翻译研究为技术创新提供了思路。可以说，翻译教学和翻译研究对技术创新也提出了一些新的需求。

以上就是翻译专业、翻译学科所取得的几个方面的成绩。我在不同场合曾经用八句话对这些成绩做了总结，这八句话可能更加方便几位各位老师记住，就是学科奠基础、专业入目录、职业有资格、规模在发展、质量在提升、师资能保障、基地在建设、国际看中国。我特别解释最后这句话，为什么说国际看中国。过去一提翻译教育、翻译学科发展都是往西看，而现在我们看到随着中国经济社会的发展，中国翻译专业、翻译学科的发展，我们在这方面取得了独具特色的发展，是西方向中国学习的时候了。

2018-11-20 09:55:52

我想汇报的第二个问题：新时代我国翻译教育面临的内外挑战。

外部挑战，新政治、新经济、新学科、新教育、新科技都对我们提出了挑战。新政治就是新时代，党的十九大之后，中国进入了中国特色社会主义新时代。习近平总书记也对构建中国特色大国外交以及新型国际关系提出了新要求，特别提出共建人类命运共同体，这些都对我们语言服务从业人员，对翻译从业人员提出了新挑战和新要求。新经济背景下中国企业走出去，包括语言服务业自身迅猛发展。现在从事语言服务的企业超过30万家，从过去的外译中到现在的中译外的增加，都对我们提出了新挑战。学科发展、教育发展、新科技，在人工智能、大数据、互联网、虚拟现实等背景下，语言服务到底应该怎么做，翻译专业人才如何培养？翻译实践受到很大影响。今天有腾讯、科大讯飞、传神语联网的各位嘉宾在，他们一会儿的发言将告诉我们，我们这个职业将受到新技术多大的挑战。

内部的挑战。教学方面有十个方面挑战，科研方面也有研究缺体系、理论建构意识薄弱、过程缺严谨、研究科学性不够、选题易跟风、研究视野不宽、成果缺推广、输入输出师资高等一些问题。

2018-11-20 09:59:17

教育教学上，人才培养理念不清。我们已经开办了翻译本科专业12年，翻译硕士专业学位11年，但很多办学单位依然搞不清什么是翻译专业教育，依然没有办法区分教学翻译、翻译教学的差别。人才培养方案不妥，制定的人才培养方案没有根据自己学校的学科发展特点，没有根据区域性的经济社会发展对于语言服务人才、翻译专业人才的需求调整对接。人才培养质量不高，自然而然的就会导致我们提出的专业化翻译专业人才培养不够，百科知识、职业道德、专业技能、学习能力、创新能力、协作能力、服务能力等方面都有所欠缺。

实践教学基地不够。各校制度不完善、特色不鲜明，基地利用率不高，实习基地条件不佳、指导教师数量不够，实习过程缺乏监管。师资建设力度不强。（图）目前MTR专任教师、兼职教师的结构图，数据来自于第一批翻译学士院校评估数据。图中可以看到专任教师职业类教师的占比仅有4%，兼职教师当中行业教师数量也仅有27%。教学方法不够新颖和多样，科研和实践能力欠缺。过去对翻译专业老师提出三方面的能力：实践能力、教学能力、教学科研能力。今天看到腾讯、看到科大讯飞，我想到还要增加一个能力，这就是科技能力。教学管理方式不变，依然沿用学术型的管理方式对学生进行管理，没有探讨适合于本校教学的管理方式，没有全面激发教师的教学教研，以及从事实践的积极性。评估监管体系不全，包括对学生、对老师的监管和评估体系都不够完整，敷衍了事，监管评估也是教学质量把控的重要一环。

2018-11-20 10:01:18

行业接轨程度不高。推出翻译本科专业，把翻译硕士专业学位都提出要和CAT接轨，但真正接轨的学校并不多，导致在人才培养、学生离开校门后的职业对接出现了很大偏差，学生缺乏行业实战经验、缺乏行业知识，老师缺乏行业实地的学习和实践。职业资格证书不接。（图）2017年届的数据，参考率67.7%，通过率38.2%，平均分数57.3，应该说这方面还有很大的努力空间。国际交流合作不勤。高校合作交流机制欠缺，学生双向交流不够，教师访学目的性不强，国际合作翻译研究程度低。科研方面的挑战主要是四个方面。

面对这样的内外挑战，新时代的翻译专业教育到底应该怎么做。我提出十个方面的建议，一是人才培养是中心，二是专业特色显优势，三是教师队伍是保障，四是课程体系需建设，五是科学技术要辅助，六是评估体系需完善，七是就业工作要重视，八是科学研究要突破，九是国际交流成机制，十是服务国家是目的。

2018-11-20 10:04:34

人才培养毫无疑问是高等教育的中心工作。总书记提出立德树人是教育的核心工作，对翻译专业教育毫无疑问。这里讲的人才培养既指学生的培养也指老师的培养，既指大语种专业人才培养，也指服务国家需求的小语种的翻译专业人才培养。专业特色显优势。要积极对接国家的规划，依托院校和地区的学科和优势，深入推动校企合作，为人才培养搭建特色鲜明的平台。教师队伍是保障。虽然中国译协组织了一年一度的教师培训，但全国这么多的学校在开办翻译专业教育，师资依然是一个大问题。我们认为教师发展应该从专业技能、专业知识到专业素养三个方面进行整体规划，推动教师整体实力的提升。课程体系要建设。科学统筹规划，处理好四对课程关系，立足国家战略发展，增补发展短板课程，打造全方位多模式课程体系，提高容纳率。科学技术要辅助。这个不需多讲，一会儿从事技术的几位老总会讲的更具体。无论作为翻译从业人员、翻译教学人员以及研究人员都一定要接受人工智能、大数据、互联网带给我们的挑战，要利用技术发展带给人类的优势。我们现在正处在第四次技术革命的过程当中，革命不去迎接，你的命就一定被它革掉。评估体系需完善。各办学单位、教育主管部门要对师资、课程等等进行相应的、成体系的评估。就业工作要重视。过去只管培养不管工作，这就导致了学校教学和社会需求“两张皮”不一致的情况。如果从教育教学过程中就重视学生的就业工作，学生毕业后的就业能力就一定得到加强。翻译研究要有突破。（图）上星期在浙江大学成立了中华译学馆，这是一个非常好的举措。未来我们的研究成果一定要在教学、在实践做应用，我们要做国际的输出，要对翻译学学科进行理论构建，翻译学学科过去是借助其他学科取得了发展，未来我们要对其他学科发展提供借鉴建议。国际交流成机制。教育国际化一直是中国高等教育的一个要求，教育国际化有三个具体体现这就是教师国际化、学生国际化、科研的国际化。具体到语言服务业翻译教育，还有一点是实践的国际化。现在这方面已经走向国际。翻译教育发展服务国家是目的。翻译教育的发展与构建人类命运共同体的新时代背景相逢，汲取了新时代发展精华，同时成为新时代“走出去”战略助推器。各个高校应该从翻译教育服务社会需求、国家战略角度制定翻译教育发展整体规划，明确人才培养模式，优化教学资源配置等核心问题，着力培养复合型、多语种专业化翻译人才，提高对文化、社区等类型的翻译关注度，推动社会间、国际间的无障碍交流和中华文化走出去，体现翻译学科的社会价值和责任担当。

我的报告就到这里，谢谢大家！

2018-11-20 10:06:45

在座的很多人都熟悉，仲伟合会长是我们国家翻译专业教育的倡议者、引领者和实践者，所以他能够如数家珍地把翻译专业的发展来路、现状、成绩，以及今后需要加强的几个方面说的一清二楚。昨天晚上教职委又开了一次会议，继续研究在MTI基础上往前走一步DTI，我们的目标是今年年底从教职委的角度，把翻译方案建议能够拿出来交到国务院学位办。咱们国家任何一个专业的设计都是由学位办根据调查研究，我们这个就是初步调查研究，学位办开展正式论证，如果论证通过，有每年一次的国务院学位委员会的委员们投票，投票通过的学科高校就可以设置。这个路程还有一段，但是已经有了非常令人鼓舞的前景。

下面，请科大讯飞股份有限公司高级副总裁、AI研究院院长胡国平先生发言。

2018-11-20 10:15:35

感谢黄会长。机器翻译在和人类翻译竞争、PK过程中，其实我们更多强调的是用机器帮助翻译这件事情。我还是按照PPT表达我们的基本观点，题目我改了一下，是“机器翻译技术机遇和翻译创新平台探索”，今天的主题是新技术、新时代。

从技术角度来看，我们认为现在是人工智能的第三次浪潮。1956年提出人工智能概念以后，一直努力追求用人工智能服务社会更多方面、服务更多人们。第三次浪潮到底发生了什么？人工智能浪潮的最成功代表之一是语音识别，从2012年的识别率，错误率每年相对下降30%，正确率在过去五六年时间，识别正确率从85%飙升到97%、98%，每年相对提升30%。这背后是怎么样做到的？如果说翻译领域去克隆、复制整个语音识别是人工智能技术的成功，我们看语音识别是怎么做到的。它背后有三大法宝，第一是深度神经网络技术，第二是大数据、第三是云计算。这三个缺一不可。

什么是深度神经网络？我们可以形象地理解为模拟人脑神经网络工作机理的一种网络，有一个非常有效的BP学习算法能够实现有效的识别。比如人脸识别、语音识别，全部都可以用神经网络的方式实现。这是2006年一个叫Jeff亨特的人提出的方法，达到了这样一个效果。语音识别每年错误率相对下降30%，启动深度学习大概贡献了60%，另外40%来自于数据。深度学习从2010年左右在语音识别、图像识别得到了第一次突破性的验证，科大讯飞最开始就看准了这个方向机会，一直在往前做。2010年开始每年都有深度学习新技术的推出，在更多场合下应用。

2018-11-20 10:17:30

从2013年开始，深度学习已经成为应用于所有技术方向，包括语音合成、语音识别、语音评测、语种识别、声纹识别、手写识别、机器翻译、医学影像、运用理解、常识推理等一系列的。现在人工智能广泛存在，只因为一个原因——深度学习。背后的方法是一样的，甚至是触类旁通的，所以导致现在人工智能现在可以遍地开花。我把第三次人工智能浪潮的本质描述为就是“深度学习+大数据”。

深度学习持续在发展，从开始提出的DNN到RNN，包括模拟人类大脑、视觉CNN等一系列的技术，全世界现在有非常聪明的脑袋在人工智能技术算法方向持续研发、持续深入，我们坚信深度学习的算法每年会持续进步。深度学习也不是凭空实现的。算法本身，BP算法是1986年已经提出，加拿大的科学家Geoffrey  Hinton提出来，直到2010年才取得了质的突破。网络的层数原来3层，后来6层，后来到100层，到所谓的无限循环的方式来实现深度学习的建模。需要的训练数据是多少？以语音识别为例，语音识别的角度来说，训练的样本10毫秒一帧做训练，大概是10的11次方的训练样本，去训练大概10的7次方的自由度的参数的深度学习的模型，这个模型里有100万个变量，使得语音识别达到最好。训练过程中大概调节的次数是10的9次方。这是非常庞大的数据量和训练量支撑下达到人类可媲美的语音识别效果的一个过程。这些全部是用大规模的GPU服务器实现。所以所有做人工智能的公司都建有很大的GPU集群，科大讯飞最复杂的语音识别模型大概需要100台机器训练一个月才能训练出一个模型。

这里面数据非常重要。每年错误相对下降30%，60%的原因是因为算法，深度学习各种新的拓扑结构、各种算法的持续进步。40%是靠数据。现在每天都在收集非常多的数据，脱敏后进行数据加工，帮助机器更好的学习。从现在的语音识别技术进步来说，用数据不再是用所有的数据，现在的算法已经能够自动从海量数据中挑选出最有助于当前模型，和当前模型最互补的数据，并且进行加工、完善后补充到训练数据里面，这样更加有效的提升整个模型的持续进步。

2018-11-20 10:22:57

第三个关键因素是云计算。云计算是技术进步的加速度，现在科大讯飞的语音识别模型在讯飞语音云上每个月更新一次，可能腾讯更新得更快。因为云计算有效支撑了整个模型的复杂度，获得了真实数据，加速了技术迭代速度。讯飞2010年就看到了这个机会，2010年就发布了讯飞语音云，我们现在集聚了包括语音合成、语音识别、机器翻译等大概100多项的人工智能服务，连接了19亿终端，每天访问47亿次，聚集了88万开发者，基于我们的人工智能技术开发他们自己的产品，创新的机器人、创新的智能家居。讯飞语音云已经成为最大的中国智能语音方向集聚的社区、生态，2017年获批智能语音国家新一代智能语音国家新一代的开放创新平台，成为国家四大平台之一。

总结以上，我们得出这样的结论，深度神经网络确实极其强大，且极其通用，但是需要海量、鲜活的训练数据，且不具可解释性，对于机器翻译来说也一样会造成相应的干扰和问题。就像AlphaGO，为什么讯飞语音识别那样一个错别字，现在不具有可解释性，对于机器翻译来说也一样会造成相应干扰和问题。

2018-11-20 10:25:01

讲完了新时代技术进步和背后的规律，我们看当深度学习遇上机器翻译会出现什么情况。Geoffrey  Hinton他是在深度学习最大牛的科学家，他从2006年就开始提出观点，深度学习肯定可以接管机器翻译，在深度学习之前，机器翻译是要通过所谓的语法分析、语意表述等传统的模板方式来实现的，但是现在全部用深度学习的方式来实现，叫做新一代的基于神经网络的机器的翻译。还是那个网络，输入一个中文句子，要求网络输出对应的英文句子，现在机器翻译就是这样做的。我们没有做任何的语法分析，主谓宾分析，不做的，直接把中文的句子输进去，要求它输出英文的句子，然后拿中英文对齐的语料去训练这个网络，这样训练出来的，这是现在的技术方案。从一系列客观、主观的对比来说，传统机器翻译和深度神经网络翻译效果明显全面超越了传统翻译的效果。（图）这是对比结果，中译英，传统翻译统计翻译大概4.46，神经网络翻译达到4.73；英译中也是一样，所有这些都被深度神经网络方式实现替代。具体达到什么效果呢？我们和人也做了对比，以六级考试中的翻译题为例，200字左右的中英文，满分15分。人类考生的平均分大概是6.5分，而机器的平均分12.8%。在固定的中译英里，机器排前1%。及格分数中，机器排在ToP4。在相对确定固定的任务中，机器翻译的效果确实能达到六级的水平。

2018-11-20 10:26:37

技术继续在往前走。现在用的传统的语音翻译，大部分是语音识别之后先出文本然后再出译文，从技术来说深度学习非常牛的是可以进一步做很多工作，可以把语音输入到网络，要求输出对应的译文。国际有一个比赛IWSLT比赛，输入英文语音，要求对应翻译出德文。这样的识别任务中，我们得到了19.4分，超出第二名10.24分，是非常大的技术进度。相比传统的语音识别+机器翻译的效果会稍微差一点，但这代表了未来趋势。以后语音可以直接变成英文的文字，通过一个深度神经网络，通过包含了翻译能力的统一网络。统一网络的好处是可以更有效的防止语音识别产生的错误，包括语气、语音上表达的更多含义能够更准确的抓住并有效的翻译。所以这是代表未来趋势的。

技术已经达到了这样的状态以后到底怎么被社会使用呢？机器翻译的三种应用模式，可能还更多。第一种是翻译终端设备。第二种是笔译辅助系统。第三种是口译的辅助。口译大概占10%，即使通过研究生培养达到同传口译难度是很大的，这方面机器有没有可能帮忙呢。翻译终端，现在科大讯飞已经推出了相应的翻译终端，现在翻译面向出国交流、日常交流方面语音的翻译已经达到非常好用的水平。我播放一个视频可以直观的了解现在翻译终端的效果。现在翻译终端可以实现33个语种的翻译，包括支持维汉翻译、藏汉翻译，现在被广大用户使用的地方，现在在机场实现了租用模式，MRT的学生到中国游学交流他们希望拿到这样的设备，这样就可以有效实现和中国学生的交流。翻译设备的好处是什么？在各位语言服务者无法抵达的场景，可以用翻译设备实现有效的沟通交流。

（视频）

现在语音识别技术上的进步，翻译上也能达到很好的效果。我想强调技术持续进步的效果。

2018-11-20 10:28:50

另外，笔译辅助方面。用人工基于机器翻译结果，人工再修正的方式，或者机器辅助检查人工译文，有没有语法或者其他错误，我们专门做了调研。联合国认为用了机器翻译辅助翻译系统工作效率提高20%。一些自由译者认为应用了辅助翻译之后，能够使他个人产出相比往年达到1.5倍每年工作的产量，这是机器翻译辅助笔译上达到的效果，我们认为这个比例值随着技术进步会进一步提升，也许帮助大家提升50%的工作成果。

口译辅助是更难。口译翻译上确实有很多难点，听不清、记不住、不熟悉的专业词汇，还有时间、地点易混淆，全部翻译对压力很大。2017年，我们和上海外国语大学高翻学院合作，探索怎么样利用人工智能技术帮助口译场景。我们最近一些探索结果，有两方面的明确帮助。第一能够使得口语翻译细节的准确度和信息完整度提升明显，大概在15%-20%。另一方面，使工作时的压力，因为随时随地已经把语音全部转成文字，把翻译的文字对应在旁边，可能不完全准确，但是工作压力下降非常明显，包括用户的反弹上大概使得工作压力下降20%。这是技术侧角度来说很有成就感的贡献，我们会持续继续的努力。

2018-11-20 10:31:07

至于怎么做的，时间关系就不再详细讲了。我们做了很多全能记录，热词等功能历史记录，及时用转写的翻译和辅助的翻译功能等一系列的方式，能够实现更加有效地帮助口译在这个过程中实现人工智能辅助，提高翻译的准确率、翻译信息的完整度，降低整个工作压力。在整个事情上，后台是怎么做到的？其实我们后台也是这个云上，实现刚才说的这些服务，包括翻译终端、笔译辅助、口语辅助。我特别想强调的一点，就像语音识别一样，现在的语音识别，比如维语的识别已经用到英语的语音数据帮助维语识别模型的提升。现在机器翻译更是把各个语种的翻译语料混在一起，用深度学习去学习，能够同时有效地用单独的语种可以翻译得更好。现在面向日常的口语和面向口语翻译的语言，对于计算机、对于深度学习、对于人工智能来说混在一起有效训练，最后做区分性输出。对语料来说，是越多越好这样一个概念。我们是用语音方式来对外提高服务，前面所说的用云计算方式来实现整个机器翻译的快速迭代，对于科大讯飞而言，机器翻译的模型差不多一两个月更新一次。

2018-11-20 10:32:30

我们客观对比机器翻译和语音识别在技术进步的关键三大要素，认为语音识别现在从算法上持续进步，是五星级得，进步非常快。大数据也是源源不断，有持续的大数据，云计算也非常成功。但是机器翻译，从客观技术测评来说，翻译算法潜力也非常大，而且有非常多的持续可挖掘机会，但数据的汇聚还是不够的。这里涉及到知识产权的归属问题，涉及到很多的语料愿意不愿意贡献给机器，让机器做学习、做训练。公网的云服务没有形成有效的闭环，我们看到非常多的笔译辅助，翻译完以后拿回去在自己的Word上编写出来，并没有直接把人工校正后的翻译结果直接贡献给云结算，由云服务的方式直接变成后台的训练语料，能够持续优化。这里确实涉及到知识产权的问题，需要各位的协作和交换，才能保持机器翻译像语音识别那样每年相对提升30%，这是需要大家一起来做的。

我们始终坚信一句话，人工智能持续向前的进化能力和无成本复制能力是人类自身所无法比拟的。今天我们的语音识别达到97%，一个机器达到97%，几乎所有的手机都可以达到97%，而且明年可能97.5%或者98%。机器翻译今天达到六级水平，随着技术的持续进步，明年机器翻译可能达到更高的水平，一个机器翻译达到六级，所有的机器翻译都能够达到六级，这就是人工智能技术独特的优势。

我们希望在这样的优势下，最后用这句话结束今天的演讲。让我们一起用人工智能来尊重和传承语言服务工作几代人辛勤工作和宝贵积淀。从人类未来美好福祉角度来考虑，如果这件事情做成，那么很多工作其实就可以让语言服务者、让更多人做更有创造性，从“达”到“雅”的层面做工作，重复性的脑力劳动可以用机器辅助。

我介绍的就这些，谢谢！

2018-11-20 10:36:02

谢谢胡国平先生的解读。我们人到了一定年纪会老年痴呆，但是机器不会，我们要热情拥抱新技术。人工智能翻译不是我们惧怕，而是我们应该积极使用。胡总也号召翻译界大家积极参与，要集体协作和浇灌。

下面，有请腾讯计算机系统有限公司腾讯智能平台产品副总裁李学朝先生，发言题目是“AI翻译 新场景新价值的探索”。

2018-11-20 10:40:41

各位翻译专家们、各位朋友们，大家上午好！我今天给大家演讲的题目是：AI翻译 新场景新价值探索。感谢刚才讯飞胡总给大家介绍了一些AI翻译，人工智能在翻译中可以应用的技术，已经做了很好的铺垫。接下来我重点放在如何运用AI，AI和翻译同仁有一些协同的东西。

在座大家都从事翻译行业，翻译在日常生活中运用的范围、场景越来越广。但我们翻译人才还是比较短缺的，真正满足的只是一小部分，随着大家生活水平的提高，以及互联网各种产品的渗透，我们看到更多场景没有办法得到满足。文本的翻译或者语音翻译，尤其是大家出国交流或者在重要会议的场合，这种场合不是所有的会议、所有的人民群众有条件获取到专业翻译人才的支持。我们如何满足海量的翻译需求呢？依靠现在翻译专业人才的增长还不太容易得到改善。所以，在当前情况下寻找新途径，AI技术在当下成为一个选项。

2018-11-20 10:43:55

当下人工智能技术有几种趋势。这种趋势很大程度上改变了目前翻译在生活中的应用。语音技术、自然语言处理技术、语音合成技术。现在不仅讯飞，当前国内各家水平都是突飞猛进，语音识别相当于我们的耳朵，它能够把很多语言听进去，通过自然语言处理，通过神经网络翻译，能够加工转换成目标语言，通过语音合成能把目标语言说出来，相当于嘴巴。通过这种人工智能就具备了一个“助手”，能让技术帮助到语言信息传递。

除了通用的语音和ILP自然语言处理技术的提升，跟我们翻译更大相关的是机器翻译，从最初的基于规则的技术，这种技术在当时应用度非常窄，实用度比较低，依赖于很多人手写规则。前几年有基于统计的技术SMT的技术，也是利用大数据，这个技术有一定改善，但只是粗略浏览场景下，而且对后编辑的价值不大，这种技术在过去几年有一些应用，但并不广泛。真正走到台前，且让科技界和翻译圈都意识到这个技术真正有一些价值和应用场景的是这两年的神经网络技术就是NMT的发展，这个技术改善了翻译日常体验，而且通过译后的编辑提升翻译效率，导致NMT在这两年在国外、国内争相应用，在口译、同传场景下都开始应用。

2018-11-20 10:49:59

腾讯在2016年赶上这个技术变革潮流。腾讯翻译君，在2016年进行神经网络NMT1.0的研究，那时候基于RNN技术，去年我们推出TNMT2.0，我们是业界最早真正投入使用和上线的，现在已经是3.0，基于Transhmer和编写码整个一套的技术。目前来讲，我们整个线上的引擎都是基于3.0这套技术，我们的成果不仅是在海量用户的检验，同时在WMT2018国际大赛获得了中英翻译的世界冠军。

我们看到机器翻译技术的进步，我们回顾一下机器翻译的优缺点，和人工翻译有什么可以互动协同的？神经网络翻译的实时响应，快速把你说的原语言转变成目标语言，文本或者语音，同时覆盖领域特别广泛。刚才胡总介绍到，基本上每种语料训练都是亿级，每个行业都可以拿到不同的覆盖。如果是亿级的，如果用人来学一个领域方向，哪怕一秒钟学一句，一亿句一天学12小时，一年无休息也要学习六七年的时间，所以对于我们真正培养某一个领域的专业翻译人才要花很多时间，确实成本很高，如果培训机器呢？把亿级训练模型放进去，快的几天就训练出来，达到六级水平，大多数场景下都达到可用水平。如果冒出一些新词，神经网络翻译的特点是快速学习，语料增加进去快速的训练。这个引擎部署后可以处理海量的翻译请求，每天的翻译请求是5亿级，在不同的终端、不同的场合、不同的产品中都会用到。这样它的易用性、适用性确实很广。

当然它还是有很多不足，人工翻译可以互补的，尤其是在座的翻译专家准确率高，大家灵活性也更强。在机器翻译上相对来讲达到“信”的级别，“达”和“雅”的级别是很难的。对创造性翻译的要求下，人工翻译具有不可比拟的优势。

2018-11-20 10:50:40

接下来和大家分享我们在一些场景的应用。腾讯有海量的服务、有海量的应用场景可以服务到10亿级的海量用户。腾讯翻译君推出了4种服务模式，包括文本翻译，目前支持15种语言互译，我们还有语音翻译，可以直接说中文、说外语翻译成目标语言，方便普通用户直接利用手机可以跟外籍友人沟通。如果出国或者看外国产品说明书，我们推出了拍照翻译，OCR自动识别翻译，并且快速翻译成目标语言。我们推出了同声传译，类似口译的工作，在APP上可以体验到，腾讯同传在会务上也有使用。

我们智能翻译的应用场景。目前覆盖了教育、社交、旅游、文娱资讯、金融、医疗领域，目前每天大概服务5亿多次的翻译请求，不仅是图上列出来的产品，每天都是亿级用户使用。同时我们和金山、微信、QQ都在用腾讯翻译君的服务。

2018-11-20 10:52:28

再汇报几个典型场景。这几个都是翻译君目前提供的服务。微信里面，微信现在基本上是每个人都在每天使用它，但是如果对于一些外国友人沟通的时候，如果英文的话，可能很多国人还能说几句，如果是其他语言的情况下，或者外国友人说其他语言的时候，理解起来可能更难了。我们在微信里面，现在也集成了腾讯翻译的一些服务，日语、欧洲一些语言，我们都可以直接在微信内翻译成中文，或者说的中文，外国友人看的时候直接翻译成他们的语言，便于我们国人跟外国友人在微信里面去沟通。滴滴出行也用了翻译的服务，可以让外国友人来到中国以后，跟中国的司机打车，滴哥可以说我们的中文，外国友人说他的语言的时候，可以通过服务给他翻译，不用再递纸条或者通过肢体语言，这样让滴哥和乘客之间的交流更顺畅。

关于金融、咨询方面，可以让股民马上快速地了解到国外的英文财报、金融财经信息上相关的内容，这样帮助相关投资决策。我们在腾讯文档办公，如果你写的有一些中文或者跟外国友人发过来其他的语言文字用邮件交流的时候，或者办公写一些文档的时候，我们通过在线的文档实时通过机器翻译翻成目标语言。在游戏和硬件里也做了一些探索，包括在王者荣耀这个游戏内，以及在AOV这个产品中，我们植入了翻译君的翻译能力，可以让全世界的游戏玩家可以说自己不同的语言，自由去说，每个国家的玩家都可以看到被翻译成他自己的语言，这样可以促进全球的玩家无障碍的交流，可以去组一个站队，参与这样一个游戏比赛。

2018-11-20 10:56:27

我们也看到，跟机器人优必选这个一个公司合作，把我们的翻译能力植入到可以会动一个机器人当中，能让孩子在跟机器人互动的过程当中，帮助大家了解更多英语的东西。刚才在普通用户侧植入了很多产品中，在专业的会议当中我们也推出了腾讯同传、AI同传，这个产品已经在公司内部和外部有近百场的实践。今年已经有十场省部级以上的会议，包括博鳌2018年、上海2018年世界人工智能大会，还有刚结束的首届中国进口博览会，这几个都是用的腾讯同传，会场有几个场合都可以看到腾讯同传的声音。这个方案也是业界首发的，不管用移动端、投屏、小程序，手机上都可以互动，实时看到翻译，并且可以看到文本的记录，不仅现场了解信息。还有一些记者，如果他拿到这个小程序，也可以看到双语的纪要，可以帮助他在上面进行快速的编辑，快速写一些报道的内容。

这种同传当然在一些场合跟人工的同传还是有一些差距，尤其是通过腾讯同传近百场。我们也总结了一下，目前AI同传可能遇到的主要的问题，这是从腾讯同传总结出来的，目前主要是这么几类。我们也认识到，像腾讯同传不是简简单单的这样一个同传就做语音识别，再加一个机器翻译就好了，这里面肯定是说你听是靠语音识别这一块，但是真正说出来，翻译这一块是靠语音合成和神经网络的翻译，但是中间可能会遇到种种状况。比如语音的完整，说话人中间可能会做很多的停顿，这一停顿语音识别就会把他这个句子做成一个完整的句子。正在做的事情是让微信和企业，这句话让人理解也是OK的，如果人停在这个地方，我们就会把这个句子直接翻出来，但是其实这是两句，第二句其实是微信和企业微信之间的消息可以互通，企业和企业微信是两个，一个是企业，一个是产品，这样翻出来的东西和内容差异比较大。我们统计出来这种错误，停顿导致断句的错误占我们整个同传翻译错误的50%，所以这个是我们最近花很大力气，包括跟翻译界、跟技术一起去攻克，花了很多的精力去克服的一个技术难点，在这方面有一定的改善。

2018-11-20 11:00:22

另外一个典型的场景，一般情况下文本都是比较规范的书面的东西，机器翻译出来相对来说比较工整。但是我们在会议或者日常交流中，语气词、口头语、重复、修正，可能前面说的感觉不太对，然后又进行了修正，前面那半句就抛掉了，这种对于机器翻译来说它会原始忠实于这样的一些记录，这种情况机器翻译的内容就没有那么美观，或者表达的意思不那么好。这里举个例子，口头语,人工同传会自动过滤掉，但是机器翻译会翻译出来。还有一种情况是前边说了半句，后面重新说了，我们人工翻译会完整的表达出来，但是机器翻译不会更改。所以这种错误占我们的20%，这种是腾讯同传发现这两类错误比率最大。这也是要和在座翻译专家一起互动探讨要解决的。

我们与人工翻译的协同创新，机器翻译目前确实在互联网场景下，以及专业会议场景中得到了应用，但它的价值还没有充分发挥。我们创造的空间其实还是很大的，我们人工翻译能够把自己产出的语料数据和机器翻译结合，更高质量的资料输入，让机器深度学习，让机器懂更多，这样可以更好地帮助机器翻译、更好地让机器翻译帮助我们的人民群众，帮助到我们的广大用户。

2018-11-20 11:04:30

腾讯除了机器翻译和产品中的探索，我们也意识到机器翻译和人工翻译有一个很大的可协同因素。最近，腾讯推出了腾讯辅助翻译Transmart，这是结合了腾讯的一些经验探索推出的。我们看到机器翻译圈和人工翻译圈也得到了不错反响，我们意识到机器翻译的优点与人工翻译的优点可以一定程度上互补，如果人工翻译的时候先用机器翻译，机器翻译可以快速实时帮助到人工，二者优势结合起来。但这个结合不是之前Copy到来回做复制粘贴的情况，我们通过Transmart工具能够让人工翻译植入他的流程，快速的交互式翻译，极大地提高了效率，而且能让人工翻译的效率提升，把他需要提前查的不确信的点，机器翻译给他提供辅助参考，人工翻译可以直接使用它。这也是腾讯目前做的一个方向探索。Transmart融合了统计翻译、神经网络翻译的技术优势，同时结合了语义理解、数据挖掘、亿级的双语频语料，让翻译真正做到领域适配和人文翻译效率的提升。

2018-11-20 11:09:06

腾讯智能翻译和人工翻译群体也进行了一些合作，深入探讨。我们和中外翻译公司有一个合作，我们在同传这块和北京语言大学也有深度合作与探讨。过去半年，在翻译圈和专业领域都做了学术合作，能让人工翻译、口译界、同传界的知识真正辅助帮助到AI同传，这样能让一些获取不到或者没有资源进行同传的场合也能够享用到技术带来的变革，能够让语言和信息更好的传递。

腾讯希望AI翻译助力到翻译行业的发展，争取做到协同创新。在技术、学术、资源三个方面，腾讯、腾飞我们这些企业具备AI人才的优势，但是在学术上我们需要和更多的翻译界的人士，以及口译界有更多的交流，把人工翻译的经验与技术做互动协同，让技术更好的适配。在资源上，不管翻译公司或者出版界、翻译界都有更多的资源，我们希望有更多的语料。英语语料相对比较充足，其他语种语料相对缺乏，如果这些数据语料能够更多输入进机器，提升机器的翻译质量可以更好的服务广大用户。所以，在技术、学术、资源圈内可以更多协同，帮助到翻译界。

谢谢大家！

2018-11-20 11:10:50

谢谢李总给我们作的介绍，让我们对腾讯的人工智能研发、使用以及今后的发展方向有更清晰的了解。今天我起来第一件事儿是一个网络公司让我交56块钱，说云存储的空间不够了，我很高兴第一件事儿是先付钱。听了上午的发言，我想起我参加国际翻译研讨会大家的意见。现在一些学翻译的学生，学了翻译决定不做翻译，因为翻译太不赚钱。国际上有一种说法，人工智能的开发，翻译效率大大提高，翻译方便了，但是钱是被科技公司赚走了，翻译剩下的还是那三瓜两枣。所以企业发展，他们几位谈到都人工翻译、新技术进一步协同创新、共同发展、集体致富，这是我们需要关注的话题。

下面茶歇15分钟。

（茶歇）

2018-11-20 11:12:32

首先有请中译语通科技股份有限公司CEO兼创始人于洋先生主题发言，发言题目是：“HAI，语言服务新未来”。

2018-11-20 11:14:15

大家上午好！今天特别激动能够在这儿和大家分享本人对语言服务、对今天的大数据、对今天人工智能的想法。

我这里借用大概一个多月前斯坦福李飞飞教授提出的“HAI，人本的人工智能”。今天腾讯来了、科大讯飞来了，今天市场BAT都做机器翻译了，再往后退五年、十年，作为翻译公司还真是不敢想。我是2005年从英国回来加入中国对外翻译出版公司，这是一家1973年成立的中国的第一家翻译公司，也是今天为止唯一一家带国字头的翻译公司。作为一名译员，我做过笔译、做过口译、做过同声传译，所以今天还是换一种角度，用更加谦卑的态度，换一个角度讲讲人本人工智能的未来，以前各种场合讲过人工智能、大数据讲的比较多，现在换一个角度讲讲。

2018-11-20 11:15:23

2008年到2018年是中国语言服务的黄金时代。黄金时代里经历了什么？我们经历了2008年的奥运会，2010年上海世博会，2012年到2015年的中国第一波互联网大潮，2016年一直到今天可能还会延续的大数据、人工智能浪潮。在黄金时代里，我们看看那些年曾经流行过的时尚。关键词“语言服务赞助商”，这个词在语言服务产业流行起来是2008年北京奥运会，有第一家民营公司赞助了四千万，成为北京奥运会的语言服务赞助商。当然还有众多的国家队、翻译公司默默无闻的在为北京奥运会提供翻译服务。到2010年上海世博会，中国对外翻译从某种意义上来说不得不参与到语言服务赞助商当中，有太多的细节大家不曾了解。在上海世博会赞助金额达到1200万人民币，在2010年对于一家翻译公司来说是何等巨大的数字。2010年上海世博会我们完成了超过5000场的会议服务、口译服务，数千万字的笔译服务，这是史无前例的。从北京奥运会到上海世博会，这是中国语言服务发展的非常重要的时间节点。这个时间节点代表着，从之前的翻译产业进入到语言服务产业。语言服务产业不断地蓬勃壮大，从而开始有了后面的互联网浪潮里面的O2O语言服务平台，机器辅助翻译CAT平台，2014年机器翻译开始进入人们视野。百度大会上李彦宏提到语音识别、机器翻译、图像识别是百度未来发展的重要占战略布局。当时听了很兴奋，机器翻译可能和我们有关系。从那一年开始真正尝试自主研发我们自己的机器翻译。2016年AlphaGo标志性事件让我们进入了人工智能和大数据时代，从计算机的CPU计算速度、存储速度使得人工智能、大数据真正变得可能。那一年开始听到了翻译神器，开始听到机器翻译的同声传译。这是黄金十年里发生的事情。

2018-11-20 11:17:35

在黄金时代里面，我们看到AI不断地挑战人类的想象力。上次二外全国口译大会上提到一句话“永远不要用人类的想象力推断计算机的能力”，仲伟合院长纠正我“所有的人工智能是源于人类的”，我觉得理解语境不一样。刚才诸位大咖也讲到了，神经网络就像一个黑盒子，当我们设定了一个标准之后，黑盒子是如何运行的、如何计算的S、如何演进的，我们可能都没有办法解释，所以这句话还是要讲，在很多情况下我们不要用人类想象力去推断计算机的计算能力。这句话有些时候被很多的互联网公司、人工智能公司，被诸多媒体放大了。要么颠覆、要么取代。但是中译语通作为一家大数据公司、人工智能公司，我很理解这种语境，过去这些年里我们在推进，无论是机器辅助翻译工具，每当一提，所有的言论都是这不靠谱！这不行！那不行！差远了！永远不可能！所以可能不得不采取的一种策略，我必须取代你，我肯定取代你，大家才有可能重视，才有可能听得进去。今天这个节点，为什么选择了HAI，它和人机耦合、和人机融合、和人机协同还有一点点不一样。今天我们的AI服务里面、我们的语言服务应该回归到本真，应该更多考虑人为主体，AI如何服务好人。

新摩尔定律，每18个月全球新增信息量是计算机有史以来全部信息量的总合。我们讲机器翻译会取代人，实际上所有的比较都不在同一语境下，某种意义上，今天99%以上的机器翻译处理的内容都是此前人类未能触及的。今天的数据如此之庞大，我们需要机器来协助。

2018-11-20 11:20:11

这句话我讲了至少两年时间，“机器翻译在今天最大的意义在于扩大了人们认知信息的广度和深度”，进一步验证了刚才说的，并不是所有东西都一定先人工要翻译出来。当我们检索数据的时候，显然中文认知比直接看一篇日文、德文快很多。在数据检索过程中，可能它的准确率不需要那么高，50%、60%、70%。当然，今天机器翻译某种意义上可以很好，特别是垂直领域的，甚至很多场合机器翻译可以到90%、95%。我们看怎么样比较，不要误解，我们所有比较应该建立在同等基础上，今天无论算力上、计算效率上，单位时间内人确确实实没有办法和机器比较。

大概两个月前，我们发布的企业级机器翻译，一秒钟翻译一万六千八百字，翻译效率很不错，如果评估下来我打90分。要知道一分钟翻译800多页的文档，人要翻译多长时间？那个文档，某种意义上我们先把重要信息检索出来，真正想要的时候，真正到文本级别、出版级别一定需要人，机器搞不定。图书出版的误差率，要求的非常之严格。

2018-11-20 11:22:36

对于人工智能、对于机器翻译，我划了三个不同方向。今天无论BAT、无论语言服务公司都有所偏颇。机器翻译中我们考虑三个方向：生产工具、沟通工具、连接工具。沟通工具，很容易理解，今天的翻译神器，无论是企业级的、2C消费级的，这种翻译工具就是沟通工具。巨头们宣扬的是沟通工具。生产工具呢？所有的语言服务公司有一个问题，这么多的翻译公司，成千上万家的翻译公司，请问大家在日常生产过程中你用了多少机器翻译？机器翻译真正应用在语言服务里面是机器辅助翻译工具，通用级别的机器翻译真的离我们的生产工具还有距离。中译语通过去用了超过一年半时间把所有工作流程从文档级别全部迁移到平台级别，全部迁移到机器辅助翻译流程管理工具里面，这些不是简单的通用机器翻译能够解决的。

在三种场合有文档翻译、网页翻译、字幕翻译、翻译输入法、翻译浏览器、机器翻译同传、企业机器翻译，沟通工具里还忽视了一点，现在满足的都是2C的，2B的呢？企业级的，非联网的呢？需要企业级部署的呢？它是一个复杂的系统工程。今天作为一个连接技术，语音识别、图像、AR/VR、自然语言处理，在2016年我提出的跨语言大数据概念开始被大家所接受。机器翻译结果同质化严重，翻译好的都很不错，翻译不好的也都很差，差的都很相似。为什么？数据大致差不多。今天人工智能技术能够再往上进一步，算法大致差不多的时候，那就看数据规模。数据规模大致差不多的时候，谁有高质量的数据集，这也是为什么互联网巨头们需要大家一起参加到我们的数据平台里面，数据为王、质量为王。这些年中译语通在机器翻译里有所成绩，45年的历史传承不是一天两天可以积累得到的，这是我们非常骄傲的。

2018-11-20 11:24:43

忽视人本的主观臆想都是伪创新。机器先给一段文字，同传先看一段以后再传递出去，那不叫创新，我是同传出生的，做了十多年的同声传译，我真的在多任务、多精力分配的情况下顾不上看那个东西，更何况它的质量还不到。还有的巨头们提出来，机器翻译的同声传译可以做到预测了。我不认为那是一种创新。在丢掉了翻译质量的前提下，提前几毫秒把结果预测出来，给谁看？给译员看吗？没有意义。给观众看吗？那个结果，发言人会讲出来的。所以为什么提出HAI？今天我们讲的所有做机器翻译人工智能的都是我们工程师们，在今天繁华过后一定要回归本质，回归到语言本质。曾经有互联网公司也提到，每当我们团队里减少一个语言学家，我们的机器翻译质量就可以提升20%、30%、50%，但今天我们真诚地希望语言学家重新回归到人工智能团队里。庞大语料为教学、口译、笔译研究带来巨大丰富资源，这些可以为我们的产业发展、为教学发展带来非常大的益处，同样专家们的真知灼见在语言本体研究里一定会对人工智能技术有帮助。

回归到译员本真，所有AI、所有的机器辅助翻译工具需要先考虑作为一种生产工具，语言服务企业里真正需要什么？不是弄一个机器翻译一下全翻出来，CAT工具是什么？和机器翻译真的不一样。回归到用户本体。现在考虑到2C了，那么企业级的呢？所以，HAI（人本人工智能的未来）机器翻译未来一定更加垂直、更加高的质量。视听融合，也就是图像技术、语音识别技术、AR/VR技术、自然语言处理技术的融合能够带来更多想象不到的发展空间。无可比拟的跨语言大数据，今天已经用庞大数据计算经济、预测金融，今天的大数据是新使用，预测股市发展、量化交易等等，这些其实都和语言相关。

机器翻译或者人工智能技术将成为AI互联的基础设施。在大概两年前我讲过另外一件事，某种意义上语言机器翻译和人工智能在未来发展过程中一定是沟通信息传递、数据检索、分析的一种基础设施。人类请多多指导。我们是不是也可以共同打造一个真正能够超越人类的机器翻译呢？最后一句话“In  the  heart  of  communication”谢谢大家！

2018-11-20 11:26:09

于洋先生从自身中文出版和中译语通这十几年的快速发展作了回顾，这也是语言服务这十几年快速发展的写照。面向未来，于先生提到希望大家拥抱机器翻译、拥抱新技术，共同面向未来。

下面，我们有请中国译协副会长、传神语联网网络科技股份有限公司董事长兼CEO何恩培发言，题目是“双奇点  新生态”。据我所知，何先生经常在我们圈子里有惊人的观点，也能给大家很多触动，有请。

2018-11-20 11:30:30

非常高兴有这个机会和大家作分享。谈不上惊人的观点，这么多年我们团队和语言结缘之后一直没有放弃，所以经常奉献一些我们团队不断探索的一些观点，既然是探索性的观点，不见得完全正确，但可以分享。我今天和大家分享的题目“双奇点 新生态”。几乎整个翻译行业集中表现的，几乎每个人上台都要谈人工智能，我也分享一下基于这些背景下，语言服务行业可能会有什么表现。

我们团队有这样一个共识。认为语言服务行业进入“双奇点”时代。第一个奇点是人工智能，2011年第一本书出来《奇点临近》就已经表明了。今天看到机器在一分钟出50万字的时候，人一分钟只能出二三百字，已经有惊讶。我想告诉大家，这个奇点来了，惊讶不在这里，为什么？因为做人工智能出现的第一天就有人预言，人工智能或者机器人在体力或者智力上代替人类没有悬念，这点大家要清楚，不要惊奇，所以这件事情上，在体力和智力上超越人类不要惊奇，但我们要懂迎接和拥抱。第二个奇点是区块链。区块链对于语言服务行业将更加具有颠覆性。人们总认为我们要去拥抱，我认为拥抱这个词不足以形容这两个奇点。

2018-11-20 11:31:32

如果我们面对平面的十字路口可以选择，在这两个奇点之间，我们看过科幻片，有一个奇点足以让人类要不跨维度、要不吞噬。行业思考的是面临如何跨维生存的问题，人工智能事实上改变了人们的生产力。语言服务行业在历史上已经面临压力，这里的数据很清楚，不管新摩尔定律还是其他信息都表明一件事情，信息在过去30年成长了超过一千倍，但是人的翻译能力可能只成长了一倍，我们交付速度要求提升10倍。有一个人给了我们当头一棒，这个人就是“市场”，市场用价格说明我们对翻译行业的服务方式和模式的不满。其实这个行业面临的巨大压力早已经出现，人们需要一天看到的东西，可能人类需要一个月交付。在一千倍和一倍的过程中，人类面临被信息抛弃的边缘。如果人类再不借助一种智慧能够超越互补的智慧，这种东西就是人工智能。所以，人工智能的出现既是技术进步，也是市场需求。

2018-11-20 11:36:01

我们最新做的一个实验，用61秒，机器翻译出50万字，我们会显得很惊讶，人类一分钟最快300字。人类阅读速度，专业编辑的阅读速度平均每分钟可以阅读1500字，人工智能提供的超能力，1分钟50万字对人类阅读有帮助吗？如果超越一个极限，其实对人类的帮助是不大的。过去很多人提出，不管是人机耦合、人机共译还是人机帮助，当人类每秒钟以300字处理速度和面对50万字吞吐的时候，人类谈不上和机器共同协作。怎么协作？它一分钟吐出来50万字，你还没看完一页纸呢，怎么去判断？这其实对于翻译行业、对于人工智能行业提出一个课题。这个课题是，人怎么和机器结合，结合在过程中、动作中，还是结合在对机器的智能训练上。将来是人助机译，还是机助人译，还是机器翻译之后人类编辑。如果机器翻译出来，你译后修改，不现实。过去说我们对机器翻译质量进行评估等等，其实都要基于一件事情，基于人和机器有可视的匹配度。未来到底是人助机？还是机助人？还是译后修改？一方面可能取决于我们的稿件质量的要求，另一方面，最终解决方案是基于我们要选择一种方式，这种方式是什么？

2018-11-20 11:38:17

我们团队就是在2016年我提出的人机共译。为什么不用互译？没有办法互译。可能未来针对每个译员出现一个译员的双胞胎，Twins  Translater。机器出来的只是一维的信息、一维的文字，而人讲出来的每句话在大脑里呈现的是眼耳鼻口视声音六维的场景，人之所以敢修正那个字，因为把一维的文字，人用自己的场景在修饰，如果说人工智能和人共同处理，真正进一步接近人的工作，必须和人有相同的经历。当然相同的经历这个词解释起来很复杂，最终的形态就是要有一个和一起成长的机器人，它和你经历了所有事情，形成了你的北京文化、武汉文化、广东文化认知，形成了中国文化、英国文化、日本文化认知之后，它来做文化的参与和判断。如果没有这样的结果，机器人的参与只是机械的转换，这个转换对于另外一个目标用户的帮助有限。我们经常发现有些文章即使翻译成中文也看不懂。比如说香港中文，英文翻译成香港中文你看不懂，如果进一步针对跨文化的跳跃和沟通，人最大的价值就是在语言和语言之间、文化和文化之间最后的惊险一跃。如何把文化差异灌输到机器输出的文字中呢？这是今天要解决的问题。

2018-11-20 11:39:03

我想翻译行业必将出现卵生译员。机器可以代替人类吗？我们团队判断不可能。为什么？基于这几点（图），有一个关键点，机器永远不能完全代替人类，因为语言是依赖人的大脑而存在，小孩听到I  Love  you，和爱人听到这句话感受不一样。最近很多行业人士说人工智能来，我们赶快逃吧。人工智能到底是吞了市场还是扩大了市场。（图）百度2010年到2018年的搜索数据图。搜索数据表明对人工翻译的市场需求在扩大。第一幅图的波浪代表中国在爆炒人工智能和翻译的时候大量检索机器翻译。第二幅图，人们对于翻译的搜索。这里看来人工智能的爆炒之后，对人工翻译的需求更高了。为什么？很多人以前有心理障碍，那是外文的，我不看了。今天机器试一下，但是没有全搞懂，还是要人来辅助。所以，机器反而激发了市场对精准翻译的需求。大家要记住一件事情，除非我们不是人，只要我们是人，我们要记住人一定会面向升级消费到最适合自己的。那篇文章机器翻译的差不多，那篇文章人精准翻译的更好一点。所以，作为人类翻译要清楚知道自己的价值所在，当然你非要跟机器比拼“搬砖式”的简单翻译，那个活不是你跟机器抢活儿，而是你跟机器抢活，简单翻译本来应该是机器做的。

2018-11-20 11:41:11

增长的份额到哪儿去了？昨天译协给了一组数据，这组数据已经解释我们新增加的翻译去了哪里，去了更加具体的场景中。过去翻译行业甚至今天翻译行业的绝大多数人还在做来料加工，你给我原文，我给你译文。今天语言服务行业激发了市场，市场越来越多人希望一站式解决，所以希望进入场景中。过去两年半的时间里，和翻译相关的业务和公司增加了3倍。为什么产生这么多？很多让翻译公司做，翻译公司做不了，让人工智能公司，人工智能公司做不了，干脆组合起来做，有各种产品，做一些针对小的用户的一种产品，越来越场景化。这种场景化需求，有史以来一直都在，这个需求我们怎么看呢？

其实这个世界上没有人需要翻译，他们需要的是沟通、交流、资讯、娱乐、阅读。就跟人类不需要电一样，人们需要的是照明、取暖和娱乐。所以电通过什么发生作用，电通过电器发生作用。我们语言最终落脚在场景中，语言通过场景发生作用。这是几千年来为什么没有大公司存在，今天地球上最大的翻译公司只有10亿美金，太渺小了。为什么？因为它太分散了。每个场景都有不同，所以最终只能把翻译能力赋能给各个场景这个行业才能做大。

2018-11-20 11:42:42

第二个奇点，区块链。区块链影响的是什么？区块链对于翻译公司是个巨大挑战，对译员是个福音。为什么这样说？区块链是什么？2000年以来，生产力在不断更新，从发明了蒸汽机到电、到互联网等等，是生产力的变化，但生产关系，中心化的生产关系从未发生变化，但是区块链是改变生产关系的。或者说它是最具备改变生产关系的技术。所以说这是历史上最大一次震撼。区块链这两年几乎每个国家都专门研究，并修改法律，这件事情是最重要的。为什么要修改法律呢？法律几十年、几百年可能不变的，就是因为开始触及了生产关系。

区块链带来的最大挑战，可能是对于翻译公司，事实上对于所有公司，完全有可能在不久将来公司将消失。这个行业对翻译的影响巨大，翻译其实是团队工作的，如果是团队工作的，公司在里面起到的价值，由于人工智能的出现将越来越小。因此对区块链来讲既有威力又有魅力，威力是对公司的威胁，威胁的第二点凡是没有能力、没有信用的译员无处可逃。好处是每一点劳动、每一点创造都有价值，过去手上有10万对语料，腾讯会买吗？买来干什么？买多少人的，送给别人你又不甘心，这是我的成果。区块链可以让你这点知识确权，通过这张网络把很多的10万对精准语料聚集起来产生价值。现在很多公司买的几百万语料大部分都是搜索集中的，真正靠人精准的其实是你电脑的几万对语料、几千个术语，那是精准的，怎么产生价值，过去没有。翻译行业还有一个悲哀的事情，一千字的翻译，给你一千字的钱。但是里面有个词语“班门弄斧”你搞了几个小时，客户付了你4个字的钱。顿时以后没有兴趣了，为什么？我干了半天，付了我四个字的钱。过去是价值800块钱的亿元，那是价值200块钱的译员，但是客户不认识，于是为了拿到单子你200块也干。为什么别人不知道你800块，你即使把一年50万的收入都做广告，也不足以让全世界都知道你价值800块钱，如果在区块链上信用传递接近零成本，你可以找到匹配你800块的价值。当然还有很多好处。

2018-11-20 11:46:17

有了区块链之后，翻译行业的痛点将迎刃而解。语言服务行业最大的问题是，翻译公司是小而不美。每一家翻译公司至今都是一个中介机构。由于语言服务行业特殊性，还得走中介，不可能养几个人。这个行业里最大的挑战是翻译行业拿走了链条上很大一部分，翻译公司如果不拿走这部分无以为继。我们每个专家既是这家公司的核心竞争力，也是瓶颈，为什么？一个专家只能控制2万字。所以从这个行业来讲，这些痛点怎么解决？

第一个对于行业的工作痛点，未来是场景生态化，对于行业的分散，翻译公司去哪里了，我们用了一个温柔的词叫“融合”，也可能被吸收消化变成另外一种形态。对于译员的能力怎么办？上线、上链。我们团队有个判断，语言服务行业在未来会变化，这个变化是什么？全球都没有大公司。现在由于互联网出现，进入大平台，为什么语言服务行业还没有出现大平台？因为我们稿件的流转要靠专家，专家既是能力又是瓶颈，所以今天为止行业没有真正大平台。当人工智能出现之后可以自动流转，将有可能出现大平台。我认为未来语言服务行业最可能出现的是，人工智能、区块链所有技术的大生态，这些生态像水电一样渗透到各个场景，让所有的用户不再找翻译，而是设置母语。为什么要去找翻译，他只要设置母语是中文，OK结束。区块链可以实现价值和信任的零传递。

2018-11-20 11:47:54

如果让我们团队对未来发展做判断，终极判断有两种情况。在我们有个穿戴设备，通过穿戴设备不管世界上有多少语言都变成母语。没有穿戴设备前，所有的供应商为了让自己客户能够看懂，接入赋能语言的平台，使自己的平台变成母语，未来的行业只有这两条出路。所以，未来是接入为王。

今天讲一些未来，也许明年就到了。传神语联网在区块链上做了一些探索，我们几个月前发布了区块链应用“言值录”，就是让译员的信用能力和资产上链被永久的记录在地球的历史上，从而让大家共享。大家如何参与呢？希望这里所有有能力的个人和公司加入节点，成为节点中的译员。“言值录”只是传神点燃了这把火，这个链条不会受一两家公司控制，一定会受行业大多数人影响，欢迎大家加入。现在已经有几个国家的节点加入，未来行业任何人都可以加入，让每家公司自己投入上节点、自己的东西上链，从而共享价值，从而使我们的创造真正实现，只要人类有一个人翻译的精彩，全人类都翻译的精彩，只有通过区块链。

2018-11-20 11:49:03

去年李克强总理到了传神，今天这个图拿出来，我是想说总理到底说了什么。（视频播放）不仅是转换语言而且是一种人文精神，每一种语言背后都有文化，所以应该说是全人类全世界的使者。

我们应该感谢总理说的这句话，总理说的原意是我们翻译目的是达到传神，有“神”很重要，说你们是全人类全世界的使者，是指语言服务业的每个人。总理听了语言服务发展和公司发展报告的之后，他离开传神的时候又说了一句话“把你们的神器传向全人类”，不只是我们这家公司的神器，是想通过行业从业者搭建的平台，把中华民族的神器传向全人类，希望每个民族都把自己的神韵传向全人类，因为每个民族都有神韵。为什么总理要传神，中国已经到无数的中小企业乃至个人走出去，不能再通过企业的简单零散服务，中国已经从商品带动文化走出去进入文化带动商品走出去，这是总理的愿景。

今年12月11日，为纪念总理对行业的嘱托，今天的语言服务行业如果继续坚守本行业，如果不走出去和场景结合，不学会跨界和连接，必将会被奇点吞噬。所以，12月11日我们会召开传神者大会，我在去年这个时候给行业写了一封信，商标“传神”已经注册了，但是释放给社会。因为“传神”是中国几千年的词汇，不是属于传神独有的，要把这个词嵌在每个译员的脑海里，让我们做事情是为了文化的“传神”，“传神”整个组委会也不将是“传神”独有，将召集整个行业、跨行业的组织，共同探讨让行业怎么跨维生长，不是十字路口的选择。共同探讨怎么连接和跨界，使我们的语言服务行业融合在人类历史发展中，成为人类历史文明的一程。

2018-11-20 11:52:19

何恩培先生讲了“双奇点”面向未来，正契合今天的主题：新时代、新业态、新技术高峰论坛。在第一阶段，何先生讲了AI触发了极大的翻译诉求，并没有抢了译者的工作，而且给我们带来了很多工作机会，让我们在座的各位是不是有点稍感安慰。华为公司今年18万员工的内部交流，机器翻译交付了199亿字，截至10月份，但是人工翻译的数百人的工作量一点都没有减少，它是趋同于不同的场景。何先生讲到区块链、讲到翻译服务未来企业的趋势，讲到区块链将使翻译企业，使我们交付低质量的译者受到极大挑战，这一点可能在座企业家稍微有点紧张。传神已经动手了，所以我提醒大家可以拥抱何恩培先生一起来畅想翻译企业的未来。

刚才何先生还提到一点，机器翻译是一维思考，而人类是六维思考。机器翻译基于文字，人类基于图像、语音，基于人类特有的东西。在人工智能领域原本是图像、语音、文字在不同方向发展，但这几年来趋向于融合。我们下一位讲者，谷歌AI应用资深负责人的发言题目是:全球AI技术及机器翻译发展新趋势。有请楚放女士。

2018-11-20 11:55:15

今天很高兴在这里和大家聊一聊AI技术和机器翻译的一些现状和趋势。

讲机器翻译之前,我先讲一下AI和深度学习。正像之前讲过的，近年来机器翻译取得突破性进展，背后是源于技术。谷歌搜索引擎上对于深度学习关键词的搜索量，2014年以后增长迅猛，这表明大家对它的兴趣以及背后研究工作增长迅猛。（图）对深度学习的研究投入现在非常多。（图）NIPS是国际顶级机器学习和神经网络会议，NIPS的注册，这里不同颜色代表不同的年份，在提前注册前这一天，大家注册可能有一些注册费的折扣，每年注册人数是平滑上升，但是去年提前注册截止日前30多天，NIPS人数爆满不能再注册。参加NIPS的与会人士不仅是高校老师、学生，也有各大公司企业人士参与，这是一个关于机器学习最新技术的交流。对于很多公司来讲他们也去发一些传单，组织一些聚餐，做一些招聘工作，所以会议参会人数越来越多。于是有人画了这样一幅画，再过二三十年参加NIPS的人数会超过全世界人口总和。

神经网络上世纪八九十年代已经提出，之所以现在这么火，是由于有了大数据、大算力的支持，神经网络在各个行业、各个领域取得了突破进展，尤其在翻译、语音识别、图像识别等方面已经超过了过去几十年的研究成果。

2018-11-20 11:56:57

神经网络还有一个非常好的优点，它对于输入数据基本没有要求，各种格式的输入格局都可以，无论是图像的像素还是语音的声波，这使得机器学习变得相对简单。（图）这是美国国家工程院的课题清单，是影响到人类未来的重大命题。谷歌在很多命题上，尤其是标红的命题上都做了很多研究，比如重建和改进城市基础建设，我们有无人车以及相关研究工作。我们可以想像无人车对今后的城市道路规划以及市民出行都会是颠覆性的。我们在医疗制药上也有很大的投入。另外怎么样更好地促进科学的发展，我们需要开发一些工具，在软件谷歌开发开源了TensorFlow，目前这是全球使用最广泛的开源的人工智能机器学习平台，硬件上我们开发了几代TPU，专用于加速训练神经网络训练和推演的专有的硬件。

2018-11-20 11:57:47

我们看一下我们在医疗上的一些工作。在座各位都很年轻，大家也会比较关心医疗、健康。一个工作是视网膜成像来判断糖尿病，糖尿病人早期会造成视网膜的病变。左边是正常的，右边是病人的底片。判断依据是右边照片有一些小黑点，这些是血管破裂造成的小斑块。这个图片看起来好像还比较容易分别，但是实际上并不是那么容易分别的，误判率很高，而且需要视网膜专家或者有经验的眼科医生才能判断出来。现实是世界很多地方都缺少专业训练的医生、专家。比如印度，这是与谷歌合作的一个眼科诊所，有很多人排队等待诊断。印度缺少十几万的眼科医生，相对患者人数来说。45%的患者没有得到及时诊断。这个病如果及时诊断，比如一年筛查一次，及时诊断很容易治疗，治疗费用并不贵。我们谷歌大脑的同事想这是一个很好的机器学习可以使用的场景。于是他们请了各种合作单位，包括美国、印度的54位眼科医生，标注了88万张图像，这个图像是糖尿病患者的视网膜图像，那张不是，标注之后有了很好的训练样本，用它训练出一个神经网络。结果还是很不错的。（图）绿色线是神经网络的性能，线下两个绿色的普通的眼科医生阅片判断准确度，那两个橘色的是专业视网膜医生判断的准确度，可见神经网络的性能已经非常好了。

2018-11-20 11:59:58

我们目前的工作，一方面与印度一些医院进行临床试验，另一方面我们也观察到视网膜成像的硬件也需要解决。目前,视网膜成像设备比较昂贵，需要专业人员经过培训才可以使用。所以,现在谷歌母公司下有一个专门负责生命科学的子公司VeriLy和尼康等公司合作开发更便宜、简单操作的摄像机用来做视网膜成像。类似例子，可以通过病理图片判断病人的癌症有没有转移，我们也可以通过骨科的X光来判断骨折情况等等。以上还是相对定义很好的问题，接下来我们问自己，可以不可以做得更好。如果知道一个病人所有的住院、治疗等等各个方面的医疗信息，是否可以推测出这个病人在今后短时期以及长时期的健康情况。比如一个病人治愈出院了，是否可以预测接下来的一段时间内这个病人重新入院治疗的概率。如果能够做这样基于序列数据的推测，那对整个医疗会是很大变革。

2018-11-20 12:00:44

现在我们转向机器学习。首先，我们看一下谷歌为什么投入这么大做机器学习。在今天互联网上的内容40%都是英文，但是全世界人口只有20%或多或少懂英文，对于80%的人来讲网上的东西他都看不懂。如果再看一下互联网上主要的内容，前十个语言就占了互联网内容的80%。很多语言，印度语、阿拉伯语都是有几亿用户，但是互联网上的内容几乎为零。谷歌公司的宗旨就是要整合全世界的信息使得人人可用。这就激发了我们要做机器翻译。

谷歌的翻译是一个全球化的产品。这里有一些数据，我们有超过10亿的月活跃用户量，95%的用户是美国之外的用户，这在数量庞大的谷歌产品里也是非常独特的一个产品。45%的用户都是手机用户，APP下载量非常高。我们一直关注除了大语种外的很多小语种，（图）比如说印度官方语言就有20多种，所以印度人民本身的交流也是有障碍的，所以我们在印度语上做了很多工作。我们在中文中译英上也做了很多工作。

2018-11-20 12:04:10

（图）我们主要的翻译产品。第一是搜索，搜索引擎上输入一个英文，第一个结果给OneBox是给翻译结果。还有Translate.Google.COM，它是网页版的翻译。还有安卓和苹果手机的翻译APP，还有一个如果你在Chrome网页上打开一个英文网页，下面会提示你“这是一个英文网页是否要翻译成中文”等等，也是非常有用的。

还有照片即拍即翻的功能。我们去年在中国发布了谷歌Translate的小程序，其中就有即拍即翻的功能。去年我们发布了一个翻译耳机，真正可以实现两个人戴着耳机，两个人说不同的语言实时进行翻译，得到了媒体很多好评。谷歌一直走在机器学习前列，2016年纽约时报封面文章报道的是谷歌利用人工智能深度学习变革了机器翻译。2016年是谷歌全面推出神经网络翻译的那一年。

同时我们也借力人工，我们维护了一个翻译社区，使得对翻译感兴趣的专家或者业余人士可以纠正我们的一些数据，提供更好的翻译结果。翻译在各个方面都帮助到使人们生活更美好。这个例子是有一个小婴儿早产在路边，产妇不懂英语，医护人员通过谷歌翻译完成了婴儿顺产。（图）印度有几十种的官方语言，谷歌翻译帮助这对爱人互相彼此认识，结婚，从此幸福生活。

翻译是怎么工作的呢？这张图表大概介绍了之前是基于规则的翻译，就好像拼图，你只能做到本地最优化，但基于神经网络的翻译可以照顾到全局优化。

2018-11-20 12:08:40

快速讲一下神经网络。神经网络包含了很多神经元，每个神经元就是一个函数，它拿到一个输入，进行一个函数计算，然后给一个输出。比如这个函数可能简单到只是把输入×2后再输出。但是神经网络可以是很多很多层，我们现在用在翻译上的神经网络大概是十几层，1600万个神经元组成。

翻译自然需要很多的数据，我们的数据绝大部分来自于Web网页，同时也有一些其他来源数据，包括社区贡献的数据。机器翻译使得我们的翻译质量大大提升。机器翻译会更加自然、更加准确。之前各位嘉宾也都讲过了机器翻译技术不是为了取代人工翻译，而是为了助力，这是一个协同关系。我们不断地致力于技术进步，也是为了助力于让全世界的人随时随地都能够跨语言无障碍交流。

谢谢大家！

2018-11-20 12:09:54

谷歌的楚放女士谈到了人工智能、深度学习和神经网络为什么是热点话题，用数据项目表明了这一点，也谈到了人工智能对社会特别是在医疗方面的贡献。技术的发展是为人类服务的，由于时间关系不做进一步总结。今天的议题我们很不容易请到这么多的资深专家，大家来自五湖四海聚一起不容易，所以今天上午的议程可能到12：50。我们想把第9个议题调整到第8个议题，我们现在有请韩国口笔译协会、国际译联理事郭重哲先生，简要介绍2019年7月在韩国举办的第九届亚太翻译论坛的情况。

2018-11-20 12:11:23

我来自韩国，大家都知道第九届亚太翻译论坛即将在明年9月5日至7日韩国首尔召开。首先，我要谈谈在首尔的生活是令人兴奋的、是精彩的，即使没有人工智能，我们生活本身就是精彩的。另外要介绍两位首尔到北京的成员，我还要介绍一下这个论坛网站www.aptif9.org，另外，我还要讲一下开幕式和发言人的情况。

首尔的生活非常精彩。为什么？因为我们有防弹少年团，他是一个男子唱跳组合，他们参加了Billboard A Words2018年颁奖典礼。另外，他们在联合国用英文发言，也参加了艾伦秀。我们还有禅食世界塔，此外还有迪士尼乐园，还有爱宝乐园，还有各种各样的过山车。（图）这是韩国的民俗村，我们看到韩国和朝鲜领导人在板门店会面。这是韩国战士拿着枪、朝鲜战士拿着枪站在三八线附近，但现在情况发生了改变，现在在这个地方三八线看不到拿着枪游览。所以，韩国的生活、朝鲜的生活变得越来越精彩。

2018-11-20 12:12:25

（图）这是来自首尔的一些代表，包括Sarah  Huang，韩教授，这是我，1979年我当时是韩国外国语大学高翻学院的首批学生之一，39年以后，我现在成为了这个学校的一个退休教授，差不多40年了，明年可以纪念40周年的纪念日，也就是在亚太翻译论坛上庆祝40周年的纪念日。

（图）这是北约秘书长在金瓦台，我们有翻译服务。

（图）一个月前，我去了欧盟议会代表团。

（图）这个网页有三个版本，中文版、英文板、韩语版，大家可以看到中文写的非常的地道。

另外我们希望能够收集一些论文，如果有可能的话大家可以有机会到韩国来。请大家在2018年12月31日截至前提交你们的摘要。我们还有“巴黎塔杂志”，这是关于口笔译研究的期刊。另外还有一些赞助商，还有两个主办方。

前联合国秘书长潘基文先生会为我们作开幕式演讲，主旨演讲者Deborah  Smith会讲翻译的未来，她是一位英国语翻译，也是一位资深的英韩翻译，她曾经获得国际布克奖，她也会来多这个论坛做一个主旨演讲。还有Oliver  Zetzsche是德国裔的美国译员，还有艾伦·梅尔比国际译联副主席也会作主旨演讲。还有中国译协会长仲伟合，还有中国翻译协会副会长王刚毅也会前往论坛做主旨演讲。

（图）这是论坛的总统酒店，地处市中心。另外还有邻近的威斯汀酒店。

在7月的时候刚刚过了雨季，我们十分期待那时候大家来到首尔参加我们的论坛。谢谢！

2018-11-20 12:20:32

下面，我们进入今天上午的最后一个议程高峰对话环节。再次有请仲伟合、胡国平、李学朝、于洋、何恩培、楚放六位嘉宾上台，共同围绕今天的主题“新时代、新业态、新技术”展开高峰对话。

今天上午几位嘉宾发言中我已经感觉到不同观点，下面第一个问题就是给在座的各位来提问。

2018-11-20 12:22:07

刚才还有半句话没有说出来，就是人是有智慧的生物，在“智力”上，未来人工智能超越是没有问题的。我个人理解“智力”一词，更侧重于算力、记忆能力、数据库存储能力。“慧”这个词应该属于人类。人工智能倒逼人类回归到万物之灵的慧上。至于一棵苹果树是好的还是坏的，苹果树到底是砍掉还是不砍掉，这和慧有关系，怎么迅速判断苹果树是好的，甚至根据大数据分析出来哪个地方是好的，为什么那个苹果坏了，有可能是人工智能更厉害。但并不是想下一盘棋来说人工智能超越人类，我是指在智力和体力上，但是“慧”这个词上，在我可思考的范围，人工智能是没有办法超越人类的。

2018-11-20 12:33:57

如果说大一点，从人类社会进步角度来说，会用工具是一个人类智慧非常强大的表现。计算机、互联网，人工智能，其实大家在自己学习过程中掌握这些工具，使用工具，提高自己的创造力，提高自己的工作成果，这是更应该选择的一种思维方式或者拥抱变化的概念。“比人类更强大的其实不是人工智能，而是掌握人工智能的人类”，如果你希望自己比别人表现的更好，更善于利用技术支撑帮忙，你就能够表现更好。所以，拥抱技术，掌握技术，了解技术，学习这项技术就使得我们能够有更大贡献。

2018-11-20 13:30:39

现在腾讯翻译君的团队，我们对我们翻译人才的需求量很大，我们同事这几天还在招聘，这里有几个需求，做AI翻译其实需要大数据、需要很多的语料，但是这方面在座的翻译专家可以给我们提供很好的输入，这种机器是产生不出来的。我们在算法或者真正做研究以及真正上线调系统的时候也需要真正的懂各种语言的专家能够帮我们一起看系统，到底出色在什么地方、问题在什么地方，符合不符合我们那个语言的表达情况。所以，在这方面确实是在这些专业上是有缺口的，是我们当下的情况。如果说未来，如果行业也有担心是不是机器翻译或者和学英语、学外语的人才，未来好像就被抢饭碗的感觉。我举另外一个例子，好多年前，电刚发明的时候，大家都在争论说这个是直流电还是交流电，还是用点灯、油灯之类的，这种问题还在争论。到今天我们不会讨论电，我们是讨论如何用电。未来可能会面临同样一个情况，再过几年不去讨论人工智能跟AI翻译、人工翻译的各种人的关系，而是AI翻译在什么场景下更好应用它，帮助到我们，这个场景未来几年会真正看到。人工翻译在未来各种场景下还是有很好的需求。

2018-11-20 13:39:18

在2017年澳大利亚举行的世界翻译大会上，我做了主旨演讲，主旨演讲之后大会主席做了一段评论，在未来机器翻译不会取代人类翻译，但是使用机器辅助翻译工具的译员定会取代不使用机器翻译辅具工具的译员。胡总讲在工业革命的时候，机器刚刚出现的时候工人们是砸机器的，但今天机器无所不在。我儿子3岁的时候没有人教他用手机，没有任何的说明书，他拿起来手机来找到自己愿意听的歌儿，这是互联网时代的人类。他生长在这个环境里。作为语言学生也是一样，他需要适应这个环境，适应这个环境之后，人类需要腾出更多时间做更高级的任务。

2018-11-20 13:56:39

接着回答刚才这个问题。在今天从公司定位不一样，有千亿级的、百亿级的，中译语通是从语言服务产业成长起来的一家公司，中译语通是一家大数据公司、是一家人工智能公司，其实我们从语言为根，2018年，过去一年我们更多致力于科技，我们每一天从全球非结构化的数据里不断地建构我们的知识图谱，我们把这些跨语言的大数据挖掘，深入建构我们的知识图谱。这些知识图谱应用在哪些方面？应用在国际传播、舆情分析、金融分析。今天我们讲到的，从新闻、从社交挖掘出另类数据，这些另类数据我们可以判断它的情感，可以这些新闻数据、这些文本数据带有的市场情绪，是恐惧、信心，是投资者行为，用这些数据可以预测一家公司的涨跌、股票的涨跌，可以预测大宗期货原油的交易。我们8月份做了第一次的尝试，我们预测了一个月的上海综合股指每一天的价格，很惊奇的发现，20天的预测中有13天准确率控制在1%左右，几乎所有的趋势里只有3天的趋势判断是相反的，其他的全部准确。而这些数据之前都是用基本面数据不曾发掘出来的。

另外在科技里，过去庞大的专利数据，我们申请了很多专利，但是我们做科研的时候不知道上百家、上千家公司已经做了这样的专利，因为这些专利是多语言的、大规模的，没有办法挖掘出来。今天自然语言处理技术能够去分析、挖掘出来这些数据，我们知道大疆研究的无人机是哪个方向，洛克希德·马丁是哪个方向的、美国海军是哪个方向。所以，今天自然语言处理给产业发展带来了无限大可能性。在未来，金融科技是我们的发展方向。

2018-11-20 14:02:06

中译语通对于投资、对于行业热点，通过大数据进行趋势预测协助企业走向未来做了很多工作。

2018-11-20 14:10:14

今天台上坐的有两类公司，看似都是做机器翻译的，一类是偏语言服务类的，一类是技术公司，像讯飞、腾讯。我们一直强调人工智能是赋能型的技术，在“人工智能+”行业、“行业+”人工智能上，现在更普遍的观点是人工智能和行业紧密结合一起才能真正实现，单独从技术则无法替代传统行业公司的作用和最终的成长和价值，我们非常强调传统行业公司和技术公司是有紧密合作的。从技术公司的竞争，以前说科大讯飞一直在自嗨，比如2012年之前，1999年我们对于人工智能的期待，让机器能听会说的使命感，我们一直在合肥努力做相关的人工智能技术，我们一步一个台阶持续拓展人工智能技术，那时候没有人关注我们。现在我们迎来了更好的机遇，随着人工智能热潮、人工智能技术的进步，它能够让更多行业用。我们更乐见百花齐放、百家争鸣的人工智能热潮，能够在这个时代能够有更多合作机会，讯飞人的一个希望是“让技术改变更美好的世界”，大家的认可与支持，这样的机遇和氛围是更容易达成这样的诉求。

2018-11-20 14:17:39

现在这个市场竞争蛮激烈的，从腾讯来讲我们的一些优势。第一个是场景优势，2C、2B都可以看到，2C一侧腾讯的产品以及用户群十几亿，这个场景下腾讯有不可比拟的优势，包括它的用户以及渗透到用户使用的每一种产品都可以感受到或者找到机会。另外，腾讯最近做了组织变革，成立了语音与智慧产业互联网，我们把我们的能力输出给合作伙伴，让腾讯积累的这些场景赋能合作伙伴，成为他们的数字化助手，让我们的行业伙伴找到他们自己的场景，这是我们的场景优势。

技术确实是发展的原动力，是很大的推进力。腾讯有几大实验室，ILAB、微信都可以为我们应用这些能力提供推进力，我们几大实验室吸引了全球顶尖人才，这些优秀人才放在一起会发生很多化学反应，他们产出的东西，应用在各个场景中，同时这些技术产出会成为我们AI的原动力，让技术加速度更快一些。从目前来讲，这几个优势是腾讯目前AI落地、AI场景化中可以讨论的点。

2018-11-20 14:29:54

今天早上有一位专家说，中国去年的翻译市场是350多亿人民币，到现在为止，我认为中国所有语言服务公司还没有份额超过2%，所以对决二字在这个行业不存在。从另外一个角度来讲，传神一开始本质上是技术起家，传神公司名字，传神挂牌一直没有叫翻译公司，多语信息处理，一开始传神命中场景，更准确地说，非要给传神如果做更准确的定位，翻译生态里传神想做生态链接者。今天在座大部分公司都和传神有深度合作，包括讯飞、腾讯、谷歌，我们合作很多方面，其中一方面它们优秀的人工智能基层产能和技术被我们聚集起来输送给不同的客户。人工智能如果从原始的TensorFlow来讲，还是从他们自创的人工智能平台来讲，从算法和技术层级看起来是一致的，事实上不同的基因他们会长向不同的市场和客户群，这样使得他们有差异化。看这个市场大小，应该根据自己企业特色走向不同的市场。

早上有一位专家画了一个冰山。我们讲359亿是指冰山上面，下面还没有人做。传神从上面的冰山开始在往下走，所以这个角度来讲，也不存在对决。前面有同学在问，他们到底去哪里？其实人工智能在扩大。人工智能来了，我们的程序员说我不会人工智能，这么多大公司都要招人工智能怎么办，其实就是一步之遥，这一步之遥从心里上来讲就是拥抱变化，从技术上来讲就是学点新东西。现在市场在逐步壮大，每个人都会有新的工作，就看我们能不能适应。

2018-11-20 14:32:49

谷歌是一个国际化公司，我们技术很强，同时一直秉持开放姿态，所以我们会有TensorFlow、有新的技术就会发表文章，谷歌也是希望用技术赋能所有大家，希望大家把这些技术拿去用，在翻译领域谷歌覆盖100多种语种。我们高兴看到中国公司在中译英上的进步非常大，而且场景化各个方面都做的非常好。另外，我们也很高兴看到谷歌技术能够被服务行业公司拿去，和人类翻译一起把整个翻译界发展得更好。

2018-11-20 14:36:43

我们有一个产品“云译客”，你用上它就和AI结合了。

2018-11-20 14:52:24

在机器翻译行业，我们还有很多的公司，不止有中译语通、科大讯飞、腾讯、传神语联网，还有谷歌、百度、阿里，还有深圳源译、有道、搜狗、中科院自动化所、计算所、清华大学、哈尔滨工业大学、苏州大学、厦门大学，有很多的科研机构，上个月机器翻译的国内的CWMT论坛刚好在武夷山召开了两天会议，各位要在机器翻译方面求助，我们有大把选择。

我们讲人工智能其实从50年代图灵提出了机器智能，也提出了图灵设想，什么样叫机器达到智能。其实很多东西已经实现了。从1956年Dartmouth会议的时候，这些人物当时是小人物，现在都是机器翻译、人工智能行业的大人物，他们为我们这个行业提出了非常多的理论。当年他们吹的牛，实现了一部分，还有一部分没有实现。我相信技术领域的人才正孜孜以求一直往下走。

2018-11-20 14:58:17

（图）我想用这张胶片告诉大家，其实我们没有必要这样担心。今天用的技术，强化学习的理论基础1957年马尔可夫决策过程就出现了。神经网络，1959年的感知机就是单层的神经网络。现在用到的技术很多是几十年前由于我们的算力、由于我们的数据不可达而造成的无法应用。这里波浪线我们看一下人工智能也有波谷和波峰，现在处于波峰阶段。这几年很快把我们的数据、把我们的算法在过去几十年发展的成果都消耗得差不多，至少现在机器翻译是基于句子的，语音识别是基于词的，如果我们的语音识别是97%，基于词的识别率，如果基于句子、基于场景。

我今年一年参加了多场人工智能机器同传的会议，我去年冲动说出来的，对口译行业人士也造成了一点小小的惊吓，我说一年时间机器同传很快会取代人工，经过这一年，我发现差得很远，有时候简直一塌糊涂。所以，语音识别词的识别率，再到句子、再到场景，机器翻译现在大部分基于句子，长一点的句子就搞不定。篇章翻译，是不是更长句子也行呢！可是现在长句子搞不定。其实现在已经把过去40年的技术红利，90年代开始的数据红利用得比较足了，所以，下一个波谷什么时候来临？我们不知道。技术大佬也无法回答。所以，我们人工翻译圈子也不必过于担心。

2018-11-20 14:58:48

人工智能这四个方面，算力可以提升，也可快速地修复错误，但是它本身不能提升交付质量，算法现在并没有太多新的突破。数据，已经有大量数据，是不是8千万句例就可以，还是8个亿句例，平行语料库设立一个系统就会有质的提升，其实没有人能够给出答案。我个人并不认为数据越多越好，一定是有拐点。还有场景，它本身存在，由于人工智能机器翻译突破性的进展，使得过去已经存在的场景浮现出来而已，所以还有很长一段时间，相信仲伟合老师讲的，2007年的MTI教育，300多所到现在培养了不到1万人，可是有1万个翻译企业，有数千上万家走向海外的企业。所以，在人才培养上我们这个行业还有很多事情要做。当然所有技术服务于人类，技术可以帮助你更好学习，帮助你提升效率，降低工作强度，让我们更快走向市场。

2018-11-20 15:03:49

今天占用大家太多时间。最后，非常感谢各位嘉宾的精彩分享！感谢还依然在场的各位！感谢我们的同传传译译员们！谢谢你们！

2018-11-20 15:13:40