大型语言"通用"模型有一项优势：它们能完成许多不同的任务，并且大多数任务执行得非常不错。举例来说，另一种通用智能模型 DeepMind GATO 已经针对 600 多种任务进行了测试，并且在完成其中 400 种任务时取得了“目前最佳水平”(SOTA) 结果。

两条发展线路会继续存在 — 一条是通用模型，比如 GPT、Megatron 和 GATO；另一条是基于这些通用模型，为达到特定目的而打造的专业模型。

通用模型对于促进通用人工智能 (AGI) 有重要意义。长期来说，这类模型甚至可能会推动影响更加深远的技术进步。而专业模型在短期内则将实际用于特定领域。关于 LLM，有一点值得一提 — 这两条线路可以齐头并进。

随着当前神经网络机器翻译技术范式达到极限，一种占主导地位的新型机器翻译技术范式（很可能以 LLM 为基础）已然兴起，我们预计 MT 领域会发生一些变化。新范式产生的大多数影响会使各公司大大受益，不过寻求人工翻译的公司预计会面临更多挑战。

预期影响如下：

随着技术取得进步，解决了长期存在的问题（比如，机器翻译正式语体和非正式语体，以及其他与语气相关的质量问题），机器翻译质量将实现巨大飞跃。LLM 甚至可以解决 MT 引擎的重大问题：缺乏对世界的认识。通过多模态训练，就有可能做到这一点。

技术专家不仅使用大量文本训练新型 LLM，还会使用图像和视频。经过此类训练，LLM 能够获取更多相关知识，帮助机器解读文本的含义。

各公司将能够更快地创作更多内容，内容创作速度也将超过能够翻译这些内容的译员人数增长速度。即使 MT 得到改进，译员的工作效率也有所提高，翻译团队满足翻译需求仍会比较吃力。

随着新技术范式的推出和机器翻译质量的提高，人们对翻译服务的需求将继续增长，从而提高机器翻译在更多情况和使用情形中的接受度。

随着 MT 质量的提高，以及对打造更加个性化和更具针对性的客户体验的需求，各公司将会更频繁地使用 MT 改善全球客户的数字体验，并与客户建立更牢固的关系。

技术公司对 LLM 技术表现出很浓厚的兴趣。Microsoft 向 OpenAI 投资 100 亿美元。Nvidia、Google 和其他公司也在大举投资 LLM 和人工智能 (AI) 技术。

未来浪潮涌动之处，就是我们心之向往之地。我们会持续评估 LLM，敬请继续关注，以便您及时了解这场激动人心的演化之旅的新动向。

如果您想了解 Lionbridge 如何帮助您充分利用机器翻译，请立即联系我们。