Félix do
Carmo
：目前
的研究主要集中于把神经机器翻译技术应用于传统的翻译工具，从而提升译文质量上。下面我提到的四个领域，可能改变神经机器翻译译文呈现给译者的方式。这四个领域是：
1.交互式神经机器翻译
（Interactive Neural Machine Translation，
INMT
）
：致力于开发从并行语料库上训练的神经网络向译员逐步提供译文的方法。译员产出译文时，NMT系统为下一个句段提出建议。如果一切顺利，则译文产出速度会得到提高。要使这些系统得到接受并成为翻译人员常用的工具，需要向这些系统提供针对每种情况调整的建议。由于INMT输出的译文受已写译文的影响，因此可以预期，交互式神经机器翻译（INMT）系统提出的建议将比统计机器翻译（SMT）引擎可能提供的建议更好。但是，目前在这一领域，问题远比答案多。例如，可以让已写译文和已验证的术语列表同时影响输出译文，并控制整个过程的准确性吗？
2.自适应机器
翻译（Adaptive Machine Translation，A
MT）
：这个术语指那些可以学习每个译员译文风格的“特征”并能针对这些特征调整建议的系统。目前尚不清楚该如何实现该系统，亦不能确定这些“特征”具体是什么（有些人称其为“样式”，而这个属于非常模糊）以及其实际效果如何。
3.自动后期编
辑（Automatic Post-Editing，AP
E）
是另一个正在研究的领域。这个名字听起来像是不仅在翻译阶段，而且在编辑和修订阶段替代译者的方式。但实际上，我想说APE只是提高译文质量的另一种方法。已经表明，将NMT技术应用于APE可以提高机器翻译系统的输出质量。但是，尽管输出有所提高，但这仍然不会改变所需翻译/编辑工作的性质，也不会改变这项工作仍需要专业人类翻译的事实。
4.质
量评估（Quality Estimation，QE）：
无论一个句段是否需要大量翻译，质量评估都能提供一些提示。QE还可以突出显示翻译建议中可能有误的单词。这些补充信息，可能有助于翻译决策过程。将NMT方法用于质量评估，能增强质量评估的能力。
