---
title: "機器翻譯（Machine Translation）"
slug: machine-translation
language: zh-TW
source: https://aiterms.tw/terms/machine-translation
updated_at: 2026-07-29
tags: [自然語言處理, 機器學習, 深度學習, AI應用, 模型訓練]
ipas_term: false
---

# 機器翻譯（Machine Translation）

> **你有沒有在看外文網站或國外訊息時，想先把內容快速看懂？**
> 你可以把機器翻譯想成，讓電腦自動把一句話從一種語言換成另一種語言。
> 它其實就是用模型去學習語言和語言之間的對應關係。
> 當你需要跨語言溝通時，它能先把理解門檻降下來。
>
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **機器翻譯 vs 人工翻譯**
> 人工翻譯更能理解語氣和文化，機器翻譯更快。
> 一個重細膩，一個重效率。
>
> **機器翻譯 vs 摘要生成**
> 翻譯是保留原意並換語言，摘要是保留重點並縮短內容。
> 一個換語言，一個縮內容。
>
> **最關鍵的區別：** 翻譯不等於摘要，重點是語言轉換。
>
### 記住這句就好
> 意思要留住，語言可以換掉。
>
### 實際案例
> **旅遊即時翻譯**
> 旅途中看到日文公告或英文菜單時，機器翻譯能先幫你快速理解。
>
> **跨國文件處理**
> 跨國團隊收到外文 SOP 時，先用機器翻譯讀懂，再交給人工校對。
>
### 算法與應用
> 早期方法有規則式和統計式，現在主流多是神經機器翻譯。
> 現代系統常用 encoder-decoder、注意力機制和大型語言模型。
> 評估時常看 BLEU 分數，但實務上仍需要人工確認語氣和上下文。
>

### 中英對照與常見說法

| 說法 | 出現場合 |
| --- | --- |
| 機器翻譯 | 台灣與中國大陸通用譯名 |
| 机器翻译 | 簡體寫法 |
| Machine Translation | 英文原名 |
| MT | 標準縮寫 |
| 自動翻譯 | 口語說法 |

> 相關但不同的兩個詞：<strong>電腦輔助翻譯（CAT）</strong>指的是給人類譯者用的工具（翻譯記憶庫、術語庫），主角仍是人；**譯後編輯（post-editing, MTPE）** 指的是機器先翻、人再修，這是目前產業界最普遍的實務流程。

### 三個世代

| 世代 | 做法 | 品質特徵 |
| --- | --- | --- |
| 規則式（RBMT） | 語言學家寫文法規則與雙語詞典 | 可控、可預測，但覆蓋不了語言的變化 |
| 統計式（SMT） | 從雙語語料統計片語對應機率 | 片段對但整句不通順 |
| 神經式（NMT） | 神經網路端到端學整句對應 | 流暢自然，但錯的時候也錯得很自然 |

> 現在的主流是神經式，底層架構是 Transformer。大型語言模型則進一步讓翻譯可以帶上下文條件：告訴它文件類型、目標讀者、術語表、語氣要求，品質差距明顯。

### 評估怎麼做

> **BLEU** 是最廣為使用的自動指標，比對機器輸出與參考譯文的 n-gram 重疊程度。它的問題是只看字面：意思完全正確但用詞不同的翻譯會被低估，而堆砌常用詞的爛翻譯反而可能拿到不錯的分數。
>
> **chrF** 改用字元層級比對，對詞形變化多的語言比較友善。
>
> **COMET** 用預訓練模型評分，跟人工評分的相關性明顯高於 BLEU，近年逐漸成為研究與產業的首選。
>
> **人工評估仍然無可取代**，通常從兩個維度打分：**充分性**（意思有沒有完整傳達）與**流暢性**（讀起來像不像人話）。兩者要分開評，因為一個流暢但漏譯的翻譯，跟一個完整但拗口的翻譯，問題完全不同。
>
> 看到任何 BLEU 數字，要先確認語言對、測試集、以及有沒有做文字正規化。不同設定下的 BLEU 不能互相比較。

### 什麼情況不該直接用機器翻譯

> **法律合約、藥品說明、安全指引**：一個詞的偏差就有實質後果，必須有專業人員審核。
>
> **行銷文案與品牌訊息**：需要的是轉譯而不是翻譯，機器翻譯的字面正確反而會讓文案失效。
>
> **低資源語言對**：訓練語料稀少的語言組合，品質跟英中這類高資源語言對差距明顯，不能用同一套期待。

### 情境判斷
> **Q1（直覺題）： 你要把英文會議紀錄先看懂，最先想到哪種工具？**
>
> → 機器翻譯，因為它能先把語言門檻降下來。
>
> **Q2（判斷題）： 翻譯品質只看字面準不準就夠了嗎？**
>
> → 不夠，還要看語氣、上下文和專有名詞是否自然。
>
### 常見問題
> **Q：機器翻譯最常出錯在哪裡？**
> 長句、語境、俚語和專業術語都很容易讓它翻得不自然。
>
> **Q：機器翻譯可以取代人工翻譯嗎？**
> 通常不能完全取代，特別是正式文件和文學內容。
>
> **Q：機器翻譯和大型語言模型有什麼關係？**
> 很多 LLM 也能做翻譯，但專門的翻譯系統仍有速度和穩定性優勢。
>
### 相關術語
> - **自然語言處理**：翻譯是 NLP 的重要應用之一。
> - **注意力機制**：現代翻譯模型很常靠它抓語境。
> - **BERT**：做語意理解時，這類模型和翻譯常被一起比較。
> - **BLEU分數**：評估翻譯品質時常會碰到。

---

來源：https://aiterms.tw/terms/machine-translation
快查頁：https://aiterms.tw/terms/machine-translation
最後更新：2026/07/29
深度解說：https://aiterms.tw/learning/what-is-machine-translation