以ChatGPT为代表的生成式人工智能（Generative AI，GenAI）和大语言模型（LLMs）的发展历程，一直是翻译和本地化领域的焦点。自ChatGPT问世一年以来，企业和本地化团队是如何适应它带来的变化的？在AI帮助下获得成功的案例，现状如何？2024年AI又将如何发展？
近日，我们与Unbabel的产品营销高级总监菲尔·布罗汉姆（Phill Brougham）和首席技术官若昂·格拉萨（João Graça）、CSA Research的高级分析师阿尔勒·洛梅尔（Arle Lommel)、戴尔的全球化技术经理乔治·基希纳（Georg Kirchner）等专家组成的小组开展对话，回顾了ChatGPT的影响，分享了对明年的展望。
在网络研讨会上，我们探讨了ChatGPT如何改变组织的工作方式，如何在内部设定期望值，以及用AI进行翻译和本地化的常见问题等。
话不多说，开门见山。
回顾GPT问世后的第一年
不可否认，ChatGPT推出一年来，至始至终都具有革命性，并引领了整个创新浪潮。对于ChatGPT所带来的转变，尽管诸企业历经的方式各不相同，但其影响却显而易见。那么，专家们如何从个人角度出发，看待这种转变呢？
乔治表示，“戴尔科技公司对下一波AI应用浪潮所带来的机遇感到非常兴奋。为此，公司任命了首席AI官，并成立了AI审查委员会，负责协调整个公司的活动。不得不说，就我个人而言，ChatGPT真的为我打开了通往新技能的大门，这一点我确实从未想过。”
乔治还分享说，尽管AI带来的影响很大程度上是积极的，我们也要对其保持适当的怀疑态度。“关于AI的影响有太多的炒作，所以你得稍微对这种炒作有些厌烦，过滤掉这些噪音，然后专注你的工作。”
这对整个行业意味着什么？
阿尔勒表示，“我们正在进入如今所谓的后本地化时代，当所有事情都将由机器和人类共同完成时，不同服务之间的界限将越来越模糊。因此，至少从我们的角度来看，GenAI显然正在对语言服务行业以及购买它的公司产生重大影响。”
接着，若昂分享到，深入到技术层面，“LLMs的体验没那么新，它不过是一个有着ChatGPT的体验和GenAI的先进功能的界面，就连ChatGPT都算不上最先进的技术，”然而，质量仍然是一个令人关心的问题。
“怎样知道翻译质量好坏？”若昂继续说道，“为此，越来越多的公司，不断谈论开展多年的译文质量评估，试图评估机器翻译的译文质量，因为人在机翻环节中被剔除了。”
当今ChatGPT、GenAI、LLMs的最佳使用方法
AI固然大有裨益，但也可能存在企业必须避开的陷阱和问题。企业如何在使用AI并享受它带来的好处的同时规避风险？
若昂表示，“谈及ChatGPT或其他任何翻译系统：要聪明地使用这些技术，关键是具备评估翻译质量的能力，同时，要能规划出译文达到预期的方式（或需要为此投入什么），并撰写性能报告。还要注意ChatGPT的安全级别，要考虑到数据流可能会带来风险。因为只要一将内容输入到ChatGPT中，数据就会被传输并存储到外部服务器，而企业再没法撤销。”
最重要的一点是，AI无法独立完成所有工作，而翻译也不是一步到位的过程。
若昂继续说到，“不要把翻译看作是一个步骤，这点很重要。最好把它想得更像本地化，而本地化有很多步骤——你需要一个AI搭档，帮你实现术语和实词翻译、音译等前后一致性，当然还要执行机器翻译，评估翻译质量，协助人类标记出严重错误。”
展望未来
如今，AI让公司和个体有能力产出更多内容，并比以往更轻而易举地翻译这些内容。而这仅仅是迈入GPT时代的第一年。那么，下一步是什么？
阿尔勒表示，“在我看来，质量评估将会是关键要点。我们会越来越多地看到质量评估不断完善。我认为目前还没到人人都接受AI的程度。但一旦达到，就会彻底改变语言学家个人的工作。因为到那时，你就可以让机器开始为语言学家提供他们要看的东西，而不是相反。”
若昂分享称，质量评估必将不断完善下去。
他表示，“我认为我们将看到底层大语言模型取得诸多进步，还将看到更小的语言模型具备与之相当的准确度。这点很重要，因为这类模型的最终生产成本非常高，而且在大规模运行时会产生很多问题。我想我们会看到大语言模型不断完善的过程，我也非常期待看到插件在模型中的运用，以及它如何发挥作用。”
想进一步了解GPT的发展历程和未来走向？点击此处观看完整的网络研讨会。
（机器翻译，轻度译后编译，仅供参考）
编辑：张湄婕