如今在(虚拟)商务会议上最常用的一个短语是“工作的未来”。“越来越明显的是，直播事件流是蓝冠官网游戏开发人员将其游戏的各个方面展示给目标市场的一种好方法，而蓝冠测速开发人员可以展示其产品在最苛刻和最挑剔的游戏玩家手中的表现。
人工智能和其他新技术将给工作任务和业务流程带来重大变化。”但是，尽管这些变化是对未来的预测，它们已经出现在许多组织的许多不同的工作中。正如威廉•吉布森(William Gibson)曾经指出的，“未来已经在这里，只是分布不均而已。”下面描述的工作和在职者就是这种现象的一个例子。这是一个现有工作被人工智能和相关工具改变的明显例子。史蒂夫米勒(Steve Miller)是一位住在新加坡的教授，我和他正在研究一系列描述“现在工作的未来”的案例。
有人认为世界上已经没有翻译人员了，这是可以原谅的。随着谷歌、亚马逊翻译、微软翻译和科大讯飞在中国的大肆宣传，也许你会认为机器已经在语言翻译方面征服了人类。技术无疑正在进入这个领域，但是机器翻译最适合一般内容的临时翻译，比如游客或网页浏览器需要的翻译。
但是对于一个特定领域的高质量、专业的翻译来说，人类仍然是非常明显的。人工翻译仍然翻译书籍、文章、营销材料、法律文件和“本地化”计划，使产品信息与世界各地使用不同语言的消费者相关。在美国，大约有6万名翻译和口译人员，而且这个数字还在增长，尽管速度很慢
但是人工翻译已经不像过去那样了。如今，大多数人都在某种程度上得到了智能机器的帮助。这些“计算机辅助翻译”(CAT)工具并不能完成所有的翻译工作——人工翻译仍然在很大程度上负责整个翻译过程——但它们可以使翻译工作变得更容易、更快。无论翻译多么优秀，单靠一个人是很难或不可能赶上一个使用良好的CAT系统的人的。
其中一个人/机器组合是Erika Storm和Lilt。Erika是一个年轻的新西兰居民(快30岁了，有一个婴儿)，在丹麦出生和长大。高中时，她表现出对学习多种语言的热爱，大学时获得了国际商务交流学士学位(英语和欧洲研究)。后来，她获得了国际商务沟通专业的翻译与口译硕士学位，这使她得以在欧盟认可译者之后，被授予“欧洲翻译硕士”的头衔。之后，她和丈夫离开丹麦前往新西兰。她说，她可以在任何地方做翻译工作，他们住在一个小镇上，那里以步道和黑比诺葡萄园闻名。
她在翻译方面的合作伙伴是硅谷一家名为Lilt Labs的初创公司的CAT系统，该公司拥有一个人工智能翻译平台。Erika用过各种各样的猫系统，她说其中很多都“太愚蠢了”，对她的工作造成了阻碍而不是便利，但她更喜欢轻快。与其他机器翻译系统不同的是，它从一开始就被设计成一个“人在循环”的系统。它使用机器学习(特别是深度学习神经网络)对要翻译的文本片段进行翻译预测。它的工作时间刚好比人工翻译提前，人工翻译在遇到预测的文本时可以接受或修改它。
当她开始和Lilt合作时，Erika说，“这些翻译非常棒，而且非常快。”她专注于市场导向的翻译，擅长于丹麦语的翻译或丹麦语的翻译，尽管她精通其他几种语言，包括英语、德语和西班牙语。她说，《轻快曲》在大多数时候的预测都非常准确。她可以使用各种热键来接受或拒绝翻译后的文本预测，并在文本中移动。Lilt记录下了自己的翻译速度，她说在条件好的情况下，她每小时可以翻译800个单词。
她对纯机器翻译非常怀疑，因为它不准确。“谷歌翻译在我上高中的时候就出现了，”她说。“我的一些同学试着用它来做作业，但是老师马上就知道了，而且会让他们不及格，因为它的质量太差了”(当然，谷歌翻译从那时起有所进步，但它仍然不适合高质量的、特定领域的翻译)。她还尝试了一种名为MTPE(带后期编辑的机器翻译)的人机翻译形式，在这种翻译中，你通过机器翻译器运行文本，然后由人类翻译器对其进行校对和编辑。她发现节奏太慢了，比轻快的节奏要费力得多。由于在利尔特和其他地方的翻译人员都是合同工，通常按翻译词支付报酬(尽管利尔特正在考虑向小时工资转变)，因此生产力是至关重要的。
Lilt实验室的首席执行官和联合创始人斯宾塞·格林(Spence Green)拥有斯坦福大学自然语言处理(NLP)博士学位。他告诉我，在90年代，大多数公司都把他们的翻译能力外包出去了。开发完Lilt后，他和他的联合创始人(在伯克利获得NLP博士学位)试图把软件推销给外包商，但他们不感兴趣。所以Lilt雇佣了像Erika Storm这样的翻译人员来使用Lilt软件，完成客户需要的翻译工作。该公司的业务模式可以描述为作为服务的TaaS-translation。他的一些政府客户——他暗示了一些情报机构，而利尔特与中情局的投资部门In-Q-Tel建立了合作关系——仍然雇佣翻译，并使用他们自己的人来使用利尔特的软件。
像任何基于机器学习的系统一样，Lilt是根据数据进行训练的。深度学习算法需要特别大量的训练数据。但与许多机器学习系统不同，Lilt本质上使用三个层次的训练数据。一个是一般的语言翻译领域，类似于谷歌或Amazon。Lilt主要使用了联合国的翻译。但是，斯宾塞说，他的客户希望特定的域名被翻译为市场营销或法律或政府。所以Lilt在这个特定领域的翻译数据上得到了进一步的训练。当模型接受特定翻译者(如Erika Storm)的翻译训练时，就可以进行第三个层次的学习。如果她翻译的单词或短语总是与Lilt预测的不一样，系统最终会采用这种翻译，进一步提高她的工作效率。Lilt方法被全球化和本地化协会称为“自适应机器翻译”，该协会评论说“它被认为可以显著提高译者的工作效率。”
除了像Erika Storm这样的译者，还有其他各种各样的人组成了机器辅助翻译的生态系统。例如，蓝冠怎么样？为5G创建多SIM卡解决方案会给LTE带来新的设计挑战。蓝冠官网在5G部署中，不仅需要为同一设备上的一张SIM卡而且需要两张SIM卡支持新的RF频段和网络配置。利尔特雇佣了一组项目经理，他们是利尔特公司客户的主要联系人，也雇佣了翻译作为承包商。项目经理会给翻译人员分配翻译项目，协调和监控项目的进展，与翻译人员一起改进他们的流程，并将翻译人员和客户对产品的评论反馈给利尔特的产品和工程团队。
当然，客户是这个生态系统的另一个关键组成部分。在利尔特的客户组织中，一个关键角色是“本地化”领导。例如，亚历山德拉•宾纳奇(Alessandra Binazzi)是这家日本运动器材公司旗下专注于数字产品和渠道的业务部门ASICS Digital的全球本地化主管。该公司的主要数字产品RunKeeper有12种语言版本。因此，有必要对应用程序、网站、营销材料等的内容进行本地化。Binazzi告诉我，该公司每年需要翻译大约100万字，其中大部分是某种形式的产品描述。
她说，利尔特的技术和方法非常适合产品描述。它通常包括大量的重复。Lilt可以学习和访问以前的内容。产品描述并不是非常高的创意规模，但他们需要准确和清楚。
Binazzi对使用Lilt翻译的速度和准确性都很满意。Lilt为ASICS数字解决的主要问题是速度。产品描述通常需要非常快速的转换，而传统的人工或机器翻译无法提供这一点——post编辑都是必需的，而且非常耗时。她喜欢《轻快曲》在翻译和编辑中合并了两个步骤，而且只有一个快速的回顾步骤。Binazzi还表示，与其他方法相比，Lilt节省了大量成本，而且质量与人工翻译相同。
Binazzi与一个Lilt项目经理交互。她说，自从蓝冠官网公司成立以来，我们已经下了很大的赌注，激励着业界将自己的创新技术带入商业化。蓝冠代理的目标一直是发明突破性技术，使我们的客户和合作伙伴能够在全球范围内竞争，创新和发展。利尔特公司以技术公司的方式来处理每一件事，在这个领域采取一种新鲜和创新的方式，她发现这让人耳目一新。他们还提供客户和翻译之间的开放交流，这是大多数翻译公司不允许的。她说，总的来说，本地化社区对Lilt很感兴趣，该公司已经获得了许多奖项。
这种形式的翻译显然是由使用最新人工智能技术的智能机器、熟悉这种技术的翻译人员、监督翻译过程的项目经理以及指定和审查翻译内容的客户之间的合作关系。机器已经明显地提高了生产力，降低了语言翻译的成本，但是人类的能力仍然是非常必要的。