人工智能（AI）的快速发展给气象科技领域带来了革命性的影响，包括雷达图像识别、决策服务材料撰写、预报大模型等等。接着上一期AI写作的话题，这一期小编结合多年来给作者们翻译和润色稿件的经历探讨使用机器翻译或AI翻译进行气象论文翻译的问题。
1.什么是机器翻译，什么是AI翻译？
机器翻译是基于计算机程序自动将一种自然语言文本转换成另一种自然语言的过程。机器翻译先后经历了三个发展阶段，技术基础分别是规则方法、统计方法、深度学习。根据技术原理可分为基于规则的机器翻译（RBMT）、统计机器翻译（SMT）和神经机器翻译（NMT）三种主要类型。RBMT和SMT就是传统的机器翻译，NMT也就是常说的AI翻译。换句话说，AI翻译就是最新阶段的机器翻译。
2.常见的机器翻译工具有哪些？机器翻译的优缺点？
国内常用的机器翻译工具有google翻译、DeepL、百度翻译、腾讯翻译君、智能翻译官等等；此外，Deepseek和Chatgpt等大模型也集成了语言翻译功能（其原理和NMT类似）。这些机器翻译工具目前基本更新到了第三代，以机器学习和神经网络为主要技术基础，也就是AI翻译的阶段。
评价机器翻译质量的好坏，一个最直接的标准，就是看它有多接近人工翻译。AI翻译、SMT、RBMT，机器翻译一代比一代进步，翻译质量逐步向人工翻译靠拢，并有很多自身的优点。例如，处理速度快，能够迅速完成大量文本的初步翻译工作；且成本低廉、费用低。AI翻译比前2代机器翻译具备更强的上下文理解能力，能够提供更准确、流畅的翻译结果。
但三代的机器翻译仍存在很多共性的问题，特别是在专业学术领域文章的翻译上。
缺点：
（1）专业词汇误差大：山东的德州翻译为美国的德州；副高翻译为sub-high。
（2）语境理解不足：常误解复杂句式、歧义或文化特定表达，错误断句、导致逻辑错误。
（3）直译：对照字面意思由中到英（一一映射），不是先理解了中文再用英文写出来。常导致复杂啰嗦，且不会变通的添加连接词使文章逻辑通顺。
（4）错误遗传：作者中文写作的一些笔误被继承到英文中，引发让人哭笑不得的错误。
（5）学术风格欠缺：译文生硬，缺乏学术写作的流畅性和规范性，语言AI化，没人味。
（6）格式问题：图题表题、公式符号、参考文献格式不规范。
（7）文字重复率高：机器翻译有统计因素在里面，容易导致过高的重复率，而被直接拒稿。
（8）惰性和依赖：个人的英文写作水平将一直低于AI，限制了个人水平的提高。一篇只花了几分钟机器翻译的文章，对编辑的耐心也是极大的考验。
3.机器翻译效果示例
以上示例是文章引言中的一句话，尝试用AI工具翻译了下，发现存在的问题还是不少的。一个最直观的感受就是直译，原本中文较长的一句话，翻译过来还是一句英文，但这句英文太长了，分句太多，读起来很别扭，机器没能根据中文的逻辑层次将英文分为多个句子。另一个明显存在的问题，就是专业词汇的“死板翻译”，如例子中的“副高”。结尾还有1个莫名奇妙的Types，汗......就这短短一句中文，机器翻译大概有10多个不当之处。于是咱自己又花了10几分钟修改，早知道还不如自己直接翻译。
就这短短一句中文，机器翻译大概有10多个不当之处。于是咱自己又花了10几分钟修改，早知道还不如自己直接翻译。修改如下：
以上内容笔者又尝试使用DeepSeek翻译，并指定了气象论文场景。结果比DeepL错误少一些，但仍存在不少共性的问题，结果如下。
4.英文写作和翻译中，如何结合使用人工翻译和AI翻译工具？（1）首先建议有一定水平的作者，考虑直接写英文。
（2）如果作者先写了中文，建议作者自己对照中文，逐字逐句地翻译英文。
（3）对AI工具的利用，主要体现在疑难词汇的查询。此外，大模型提供的语言翻译功能中，可以提出语言场景，比如气象论文，有助于语料库的对应选择，能提高翻译的准确度。当然，最后需要人工来逐字逐句的审核校对。
（4）人工翻译过程中，多去检索同行文献，看看其他作者类似的专业词汇和句子结构是如何使用的，这比直接抄机器翻译的靠谱得多。
（5）经费充足的作者，可以请既懂科学问题又有丰富写作经验的科研人员帮忙翻译。
总的来看，在气象科技论文翻译方面，目前的翻译水平：RBMT（专业翻译工具）（大模型）<人工翻译。随着未来AI水平的继续提高，机器翻译的准确性会进一步提高，并逐步逼近人工翻译。
但对我们气象学者来说，由于机器的局限性，最终还需要人工翻译来把关。更好的把AI和人工结合起来，才能更高效、更准确、更科学的包装好咱们的论文。飓风翻译的老师们有着数千篇气象SCI论文的人工翻译经验，涵盖了气象及相关交叉学科的各个分支，大家翻译过程中遇到问题的欢迎随时沟通交流。