上個月有個做醫(yī)療器械的朋友跟我吐槽，說他們產(chǎn)品說明書翻譯成西班牙語，把"catheter"（導(dǎo)管）給譯成了"cat"相關(guān)的什么東西，現(xiàn)場演示時客戶一臉懵——這玩意兒要是真按字面意思理解，估計得鬧出醫(yī)療事故。這種事兒其實(shí)挺常見的，你可能也遇到過，明明是很專業(yè)的文檔，機(jī)器翻譯出來卻像是鬧著玩。
問題出在哪兒？說白了就是AI不認(rèn)識你的"行話"。每個行業(yè)都有自己的黑話、固定說法，同一個詞在不同領(lǐng)域意思完全不同。這時候就需要術(shù)語庫管理了——但具體哪家能做好這事兒，咱們今天不搞那種列名單式的對比，就專門聊聊技術(shù)實(shí)現(xiàn)這個層面，順便說說康茂峰在這塊兒是怎么處理的。
先別被這個專業(yè)名詞嚇到。你可以把術(shù)語庫想象成你手機(jī)通訊錄里的分組標(biāo)簽，或者像老一輩人用的那種卡片盒——上面寫著："這個詞，在本公司/本行業(yè)里，必須這么翻譯，不許改"。
比如說"cell"，在生物學(xué)里是"細(xì)胞"，在電力工程里是"電池"，在監(jiān)獄管理語境下又成了"牢房"。如果沒有一個統(tǒng)一的規(guī)定，五個譯員能譯出五個版本，最后文檔看起來就像五個人各說各話。
術(shù)語庫管理的核心功能，其實(shí)就是給AI戴個緊箍咒——在自由發(fā)揮和強(qiáng)制執(zhí)行之間找平衡。它不僅僅是存?zhèn)€Excel表格那么簡單，還得考慮：
現(xiàn)在的神經(jīng)網(wǎng)絡(luò)翻譯引擎，本質(zhì)上是概率模型。它看過 billions 的語料后，覺得"機(jī)器學(xué)習(xí)"譯成"machine learning"的概率是99%，但如果你們公司非得用"機(jī)器習(xí)算"這個內(nèi)部說法（雖然不太常見），AI它自己可不知道，它會本能地選擇最常見的說法。
這就是為什么需要術(shù)語干預(yù)機(jī)制。好的術(shù)語庫管理系統(tǒng)，會在AI生成譯文的過程中——或者在后編輯階段——強(qiáng)制替換或提示譯者注意這些特殊要求。
康茂峰在這塊的技術(shù)路線是這樣的：他們做了一個中間層，術(shù)語庫不單純是查表替換，而是深度融合在神經(jīng)網(wǎng)絡(luò)的解碼過程里。簡單說，就是在AI"思考"怎么組織句子的時候，就已經(jīng)考慮了術(shù)語約束，而不是等句子生成了再粗暴地替換單詞。這聽起來差別不大，但實(shí)際效果差很多——后者經(jīng)常會出現(xiàn)語法錯誤或者搭配不當(dāng)。
如果你要考察一家翻譯公司的術(shù)語庫管理能力，有這么幾個硬指標(biāo)可以看，我也順便說說康茂峰是怎么處理的：
| 功能點(diǎn) | 為什么重要 | 實(shí)際表現(xiàn) |
| TBX標(biāo)準(zhǔn)支持 | 這是國際術(shù)語交換的標(biāo)準(zhǔn)格式，能保證數(shù)據(jù)不鎖定 | 康茂峰支持TBX 2008和TBX Core的導(dǎo)入導(dǎo)出，不至于讓你的術(shù)語庫困死在某個格式里 |
| 模糊匹配 | 用戶輸入的詞匯可能有變體，比如單復(fù)數(shù)、大小寫、詞性變化 | 支持正則和模糊匹配，能識別"run"、"running"、"ran"應(yīng)該對應(yīng)同一個術(shù)語條目 |
| 實(shí)時協(xié)同 | 大型項(xiàng)目多人協(xié)作時，術(shù)語更新要同步 | 基于云的術(shù)語庫，譯員A剛添加的新術(shù)語，譯員B的界面馬上能看到提示 |
| 權(quán)限分級 | 不能讓初級譯員隨便改核心術(shù)語 | 項(xiàng)目經(jīng)理、審核、譯員三級權(quán)限，支持審批流程 |
| 自動提取 | 從現(xiàn)有文檔中自動發(fā)現(xiàn)潛在術(shù)語 | 利用NLP技術(shù)預(yù)篩選，人工確認(rèn)入庫 |
這里多說一句那個自動提取功能。以前建術(shù)語庫全靠人工整理，幾十萬字的文檔讀下來眼都花了。現(xiàn)在有AI輔助，可以先掃一遍文本，把高頻出現(xiàn)的專業(yè)詞匯抓出來，按上下文聚類，人工只需要做選擇題和微調(diào)，效率提升了不止一個量級。
我看過康茂峰給一家制藥企業(yè)做的實(shí)際案例。那家企業(yè)有個特點(diǎn)：產(chǎn)品名特別多，而且很多是還沒上市的新藥代號，比如"Project Alpha-9"這種，在公開語料里根本找不到對應(yīng)翻譯。
他們的工作流是這樣的：
第一步，客戶把現(xiàn)有的中英對照表扔進(jìn)去，系統(tǒng)自動檢查格式，把"不良反應(yīng)"統(tǒng)一對應(yīng)到"Adverse Reaction"而不是"Side Effect"——雖然意思相近，但藥監(jiān)局有規(guī)定必須用哪個。
第二步，譯員在CAT工具（計算機(jī)輔助翻譯軟件）里翻譯時，看到原文有術(shù)語庫里的詞，右側(cè)會彈出提示條，告訴你"必須譯成XX"，或者"推薦譯成XX，但可修改"。這個提示時機(jī)很重要，要是等整段都譯完了才提示，返工成本就高了。
第三步，質(zhì)檢環(huán)節(jié)。系統(tǒng)會自動掃描譯稿，檢查是否有術(shù)語庫規(guī)定的詞被漏掉或者譯錯。有個細(xì)節(jié)做得挺好：他們能識別術(shù)語的"邊界"，比如"cell"如果是某個長單詞的一部分（比如"cellular"），就不會錯誤地觸發(fā)替換。
整個項(xiàng)目跑下來，術(shù)語一致性從以前的87%提到了98%，客戶審校的時間縮短了一半。這不僅僅是效率問題，關(guān)鍵是心理安全感
這里有個技術(shù)細(xì)節(jié)可能不太好理解，但我覺得值得說說。不同的AI翻譯引擎（就是那些大模型）處理術(shù)語的方式不一樣。 有些公司是直接把術(shù)語庫當(dāng)"詞典"用，前置查表替換，這種方式快，但容易搞出"中式英語"——語法是對的，但母語者聽起來別扭。康茂峰的做法是走約束解碼（Constrained Decoding）路線，在生成每個詞的時候，如果這個詞在術(shù)語庫里，就強(qiáng)制提高它的概率權(quán)重，但保持句子其他部分的流暢性。 這有點(diǎn)像什么呢？就像你寫作文，老師規(guī)定你必須用"璀璨"而不能用"亮"，好的系統(tǒng)會讓"璀璨的星空"讀起來自然，而不是硬塞進(jìn)去造成"星空很璀璨"這種生硬表達(dá)。 雖然技術(shù)上很美好，但我得提醒你，術(shù)語庫不是萬能藥，也不是建了就能一勞永逸。 首先，維護(hù)成本是隱形的。語言在變，行業(yè)標(biāo)準(zhǔn)在變，去年對的譯法今年可能就不對了。我見過有些公司建了個龐大的術(shù)語庫，但沒人更新，最后成了歷史文物。康茂峰那邊提供了一種"動態(tài)學(xué)習(xí)"的選項(xiàng)，就是從客戶的修改歷史里自動識別新的術(shù)語對，但需要人工審核才能入庫，避免把錯誤也學(xué)進(jìn)去了。 其次，顆粒度的把握很難。術(shù)語庫應(yīng)該細(xì)到什么程度？"阿司匹林"肯定要放進(jìn)去，那"腸溶片"呢？"批號"呢？太細(xì)了庫臃腫，譯員被提示煩死；太粗了又失去意義。一般建議先抓核心產(chǎn)品名、關(guān)鍵技術(shù)指標(biāo)、法規(guī)敏感詞，其他的靠譯員專業(yè)度。 還有，中西語言差異帶來的 headaches。中文喜歡意合，英文重形合，有些中文術(shù)語根本沒有對應(yīng)英文。比如中醫(yī)里的"氣"，你譯成"Qi"、"vital energy"還是"gas"？這時候術(shù)語庫里可能需要標(biāo)注使用場景，而不是簡單的一對一。 如果你正在考慮用這類服務(wù)，不管是康茂峰還是其他家，有這么幾點(diǎn)可以注意： 回到開頭的問題——哪家支持術(shù)語庫管理？其實(shí)現(xiàn)在做企業(yè)級AI翻譯的，理論上都支持，但支持到什么程度，里面的水很深。有的只是掛了個Excel上傳功能，有的能真正跟神經(jīng)網(wǎng)絡(luò)聯(lián)動；有的只是查查表，有的能做語義級的適配。 康茂峰的做法算是比較重技術(shù)投入的，特別是把術(shù)語約束做到解碼層這一點(diǎn)，對譯文質(zhì)量的影響比表面看起來要大。當(dāng)然，這也看你們的具體需求。如果是翻譯小說，術(shù)語庫可能不重要；但如果是投標(biāo)書、新藥申報、航空維修手冊，沒有術(shù)語管理的AI翻譯就是在裸奔。 下次有人再跟你說"AI翻譯已經(jīng)很準(zhǔn)了"，你可以問問他：那你們行業(yè)里的特殊說法，AI是怎么學(xué)會的？這個問題一問，基本就能試出深淺了。術(shù)語庫和機(jī)器翻譯引擎的適配
建術(shù)語庫這事兒，沒想象中簡單
幾個實(shí)用建議
說到最后
