[论文解读] Artificial intelligence contribution to translation industry: looking back and forward

Mohammed Q. Shormani, Al-Sohbani, Yehia A.|arXiv (Cornell University)|Nov 29, 2024

Translation Studies and PracticesArts and Humanities被引用 3

一句话总结

本研究基于WoS、Scopus和Lens数据库中9,836篇独立的AI相关翻译研究论文（1980–2024年）进行了全面的科学计量与主题分析，揭示了神经机器翻译及类似ChatGPT的大语言模型显著推动了该领域的发展。尽管取得了进展，低资源语言、多方言及文化内涵复杂的语言翻译仍面临关键挑战，凸显了在这些领域开展更深入严谨研究的必要性。

ABSTRACT

This study provides a comprehensive analysis of artificial intelligence (AI) contribution to research in the translation industry (ACTI), synthesizing it over forty-five years from 1980-2024. 13220 articles were retrieved from three sources, namely WoS, Scopus, and Lens; 9836 were unique records, which were used for the analysis. We provided two types of analysis, viz., scientometric and thematic, focusing on Cluster, Subject categories, Keywords, Bursts, Centrality and Research Centers as for the former. For the latter, we provided a thematic review for 18 articles, selected purposefully from the articles involved, centering on purpose, approach, findings, and contribution to ACTI future directions. This study is significant for its valuable contribution to ACTI knowledge production over 45 years, emphasizing several trending issues and hotspots including Machine translation, Statistical machine translation, Low-resource language, Large language model, Arabic dialects, Translation quality, and Neural machine translation. The findings reveal that the more AI develops, the more it contributes to translation industry, as Neural Networking Algorithms have been incorporated and Deep Language Learning Models like ChatGPT have been launched. However, much rigorous research is still needed to overcome several problems encountering translation industry, specifically concerning low-resource, multi-dialectical and free word order languages, and cultural and religious registers.

研究动机与目标

• 分析1980至2024年这45年间人工智能对翻译产业影响的演变与影响。
• 通过科学计量与主题分析，识别AI驱动翻译研究中的关键趋势、热点与新兴主题。
• 评估神经网络及类似ChatGPT的大语言模型对翻译质量与系统能力的贡献。
• 突出在翻译低资源语言、阿拉伯语方言以及具有文化或宗教敏感性的文本方面持续存在的挑战。
• 通过识别当前AI翻译研究中的空白与优先方向，为未来研究提供指导，尤其关注复杂语言与文化语境下的研究。

提出的方法

• 在三个数据库（WoS、Scopus和Lens）中系统性地检索文献，共获得13,220篇文章，其中9,836篇为独立记录。
• 采用科学计量分析方法，使用包括聚类分布、学科类别、关键词突现、中心度分数及研究机构贡献在内的多种指标。
• 对18篇有目的性选取的文章实施主题分析，以考察其研究目的、方法、研究发现及其对未来AI翻译研究的贡献。
• 追踪关键词突现情况，以识别随时间推移而兴起或衰落的研究主题，如“神经机器翻译”和“大语言模型”。
• 绘制按国家与机构划分的研究产出图谱，以评估全球在AI翻译研究中的贡献与合作趋势。
• 运用引文分析与共现分析，评估关键研究主题及领先机构的影响力与关联性。

实验结果

研究问题

• RQ1 从1980年到2024年，人工智能在翻译产业中的贡献在研究产出与主题聚焦方面如何演变？
• RQ2 AI翻译研究中的主导主题、关键词与新兴趋势是什么，特别是关于神经网络与大语言模型的研究？
• RQ3 尽管AI技术取得进展，哪些语言挑战——如低资源语言、阿拉伯语方言以及自由词序语言——仍处于研究不足状态？
• RQ4 中心度与关键词突现分析如何反映AI驱动翻译研究中研究优先事项随时间的变化？
• RQ5 当前AI翻译研究中的关键空白是什么，特别是在文化与宗教语体翻译方面？未来研究方向有哪些建议？

主要发现

• 神经机器翻译与类似ChatGPT的大语言模型已成为推动AI在翻译中应用的主导力量，显著提升了系统性能与可用性。
• 关键词突现分析识别出“神经机器翻译”与“大语言模型”为主要上升趋势，表明自2010年代以来研究关注度持续增长。
• 尽管取得进展，针对低资源语言、多语种阿拉伯语及具有文化或宗教敏感性的文本的研究仍显不足，凸显了关键的知识空白。
• 最具影响力的科研机构与作者主要集中在北美、欧洲与东亚，中东与非洲的代表性较弱。
• 学科类别分析显示，“人工智能”与“计算机科学”是推动AI翻译研究的主要领域，且跨学科交叉趋势日益明显。
• 对18篇精选文章的主题分析证实，尽管AI提升了翻译速度与可扩展性，但在语义准确性、文化细微差别与语体一致性方面仍存在挑战。