ChatGPT，颠覆专利翻译？

原题 | 分析ChatGPT对于专利翻译的影响

作者 | 戎骏京 北京恒都（上海）律师事务所

编辑 | 布鲁斯

引  言

谈到目前最引人注目的话题，那一定是ChatGPT。

这款由OpenAI开发及推出的人工智能聊天机器人，在仅仅2个月时间内，收获了过亿的月活跃用户，成为历史上增长最快的消费者应用程序。在ChatGPT声名鹊起并引起轰动的同时，也引起了不少人的担忧和焦虑，“我们离强大到危险的AI不远了。”马斯克的话并非危言耸听，人工智能正在肉眼可见的对诸多传统行业的从业者们造成冲击和挑战。

很多ChatGPT的使用者对其翻译能力大加赞赏，认为人工智能翻译将替代传统人工翻译的时间已经越来越近。

作为一个专利及法律行业多年的从业者，本人始终认为专利领域的翻译一直是翻译界最为复杂及困难的。不仅仅是因为专利文献涉及到大量的专业领域词汇，其对于技术方案中涉及的连接关系、位置关系、结构、功能性限定等内容也使其的理解和翻译难度大大提升。要知道，也许在权利要求书中任何一个细微的瑕疵和误翻就可能使其含义与原文大大改变，甚至产生完全相反的歧义，从而影响整个权利要求书的保护范围或授权前景。

因此，本文将就一个专利律师的视角来审核一下ChatGPT对于“专利翻译”的能力究竟如何，以及分析其对于专利翻译界的影响。

探  讨

案例1

引用了一篇内燃机领域日本专利中的两个段落，日本专利号：JP2014548626A；日本专利名称： 内燃機関の制御装置；

这件专利中文授权文献的专利号是：CN201380061423.8；中文专利名称为：内燃机的控制装置。

这是交给ChatGPT的翻译截图：

我将日文原文，ChatGPT翻译及专利代理师人工翻译做了一个详细对比：

段落 1

日文原文

本発明の実施例１に係る内燃機関の制御装置（以下、制御装置１００と称する）について説明する。まず、制御装置１００が適用される内燃機関の構成の一例について説明し、次いで制御装置１００の詳細について説明する。図１は、制御装置１００が適用される内燃機関５の一例を示す模式図である。図１に示す内燃機関５は車両に搭載されている。本実施例においては内燃機関５の一例として、圧縮着火式内燃機関を用いる。内燃機関５は、機関本体１０と、吸気通路２０と、排気通路２１と、スロットル２２と、燃料噴射弁３０と、コモンレール４０と、ポンプ４１と、ＥＧＲ（Ｅｘｈａｕｓｔ　Ｇａｓ　Ｒｅｃｉｒｃｕｌａｔｉｏｎ）通路５０と、ＥＧＲバルブ５１と、過給機６０と、インタークーラ７０と、各種センサと、制御装置１００とを備えている。

ChatGPT翻译

本发明的实施例1涉及内燃机的控制装置（以下称为控制装置100）。首先，将说明适用于控制装置100的内燃机的组成的一个例子，然后详细说明控制装置100。图1是一个示例图，显示了适用于控制装置100的内燃机5。图1所示的内燃机5安装在车辆上。在本实施例中，作为内燃机5的一个例子，使用压缩点火式内燃机。内燃机5具有机体10、吸气通道20、排气通道21、油门22、燃料喷射阀30、公共导轨40、泵41、EGR（排气气体再循环）通道50、EGR阀51、过载机60、内气空压缩机70、各种传感器和控制装置100。

专利代理师翻译

对本发明的实施例一所涉及的内燃机的控制装置（以下，称之为控制装置100）进行说明。首先，对应用了控制装置100的内燃机的结构的一个示例进行说明，接下来对控制装置100的详细情况进行说明。图1为表示应用了控制装置100的内燃机5的一个示例的模式图。图1所示的内燃机5被搭载于车辆上。在本实施例中作为内燃机5的一个示例而使用了压缩点火式内燃机。内燃机5具备内燃机主体10、进气通道20、排气通道21、节气门22、燃料喷射阀30、共轨40、泵41、EGR（Exhaust Gas Recirculation：废气再循环）通道50、EGR阀51、增压器60、内部冷却器70、各种传感器、控制装置100。

段落 2

日文原文

機関本体１０は、気筒１１が形成されたシリンダブロックと、シリンダブロックの上部に配置されたシリンダヘッドと、気筒１１に配置されたピストンとを有している。本実施例において、気筒１１の数は複数（具体的には４つ）である。吸気通路２０は、下流側が分岐して各々の気筒１１に接続している。吸気通路２０のうち上流側の端部からは新気が流入する。排気通路２１は、上流側が分岐して各々の気筒１１に接続している。スロットル２２は、吸気通路２０に配置されている。スロットル２２は制御装置１００からの指示を受けて開閉することで、気筒１１に導入される空気量を調整する。

ChatGPT翻译

机体10包括：构成的气缸11、气缸11上部的气缸头、以及气缸11内的活塞。在本实施例中，气缸11的数量是多个（具体为4个）。吸气通道20的下游与各个气缸11相连。在吸气通道20的上游端部进入新气体。排气通道21的上游与各个气缸11相连。节流阀22位于吸气通道20上。节流阀22根据控制装置100的指示开关，以调整气缸11中導入的空氣量。

专利代理师翻译

内燃机主体10具有形成有气缸11的气缸体、被配置于气缸体的上部的气缸盖、被配置于气缸11中的活塞。在本实施例中，气缸11的数目为多个（具体而言为四个）。进气通道20的下游侧分支并与各个气缸11连接。从进气通道20中的上游侧的端部流入有新气。排气通道21的上游侧分支并与各个气缸11连接。节气门22被配置在进气通道20上。节气门22通过接收来自控制装置100的指令而进行开闭，从而对被导入气缸11的空气量进行调整。

通过比对可以看出，ChatGPT的翻译虽说并不完美，但确实令人惊艳。

抛开对于专业词汇的特定翻译不谈，这两段相对复杂的专利文献的翻译中，ChatGPT的语法逻辑和连接关系都很清晰，对于诸如进气位置，排气通道和气缸的连接关系甚至节流阀的功能性限定都没有出现漏译和错译。

当然在语句本身还相对生硬，有些措辞还需要完善，比如“节流阀22根据控制装置100的指示开关，以调整气缸11中導入的空氣量”这句中开关翻译成开闭，打开或关闭，会更准确且不容易被误读。

案例2

引用了一篇来自于谷歌公司深度学习领域英文专利文献中的一个段落，即权利要求1，美国专利号：US10207402B2；美国专利名称：Deep machine learning methods and apparatus for robotic grasping；

这件专利中文授权文献的专利号是：CN201680083745.6；中文专利名称为：用于机器人抓握的深度机器学习方法和装置。

这是交给ChatGPT的翻译截图：

我们再将英文原文，ChatGPT翻译及专利代理师人工翻译做了一个详细对比：

英文原文

A method, comprising:

generating, by one or more processors, a   candidate end effector motion vector defining motion to move a grasping end   effector of a robot from a current pose to an additional pose;

identifying, by one or more of the   processors, a current image captured by a vision sensor associated with the   robot, the current image capturing the grasping end effector and at least one   object in an environment of the robot;

applying, by one or more of the   processors, the current image and the candidate end effector motion vector as   input to a trained convolutional neural network;

generating, over the trained   convolutional neural network, a measure of successful grasp of the object   with application of the motion, the measure being generated based on the   application of the current image and the end effector motion vector to the   trained convolutional neural network;

generating an end effector command based   on the measure, the end effector command being a grasp command or an end   effector motion command; and providing the end effector command to one or   more actuators of the robot.

ChatGPT翻译

一种方法，包括： 

通过一个或多个处理器生成一个候选终端效应器运动向量，定义从机器人的当前姿态移动抓握终端效应器的运动到额外姿态； 

通过一个或多个处理器识别机器人关联的视觉传感器捕获的当前图像，当前图像捕获抓握终端效应器和环境中至少一个物体； 

通过一个或多个处理器将当前图像和候选终端效应器运动向量作为输入应用于训练卷积神经网络； 

通过训练卷积神经网络生成成功抓握物体的度量，该度量基于将当前图像和终端效应器运动向量应用于训练卷积神经网络生成； 

根据度量生成终端效应器命令，终端效应器命令是抓握命令或终端效应器运动命令；

向机器人的一个或多个执行器提供终端效应器命令。

专利代理师翻译

一种用于机器人抓握的深度机器学习方法，包括：

通过一个或多个处理器生成候选末端执行器运动向量，所述候选末端执行器运动向量定义用于将机器人的抓握末端执行器从当前姿势移动到附加姿势的运动；

通过所述处理器中的一个或多个识别由与所述机器人相关联的视觉传感器捕获的当前图像，所述当前图像捕获所述抓握末端执行器和所述机器人的环境中的至少一个对象；

通过所述处理器中的一个或多个将所述当前图像和所述候选末端执行器运动向量作为输入应用于经训练的卷积神经网络；

在所述经训练的卷积神经网络上，生成在应用所述运动的情况下成功抓握所述对象的度量，所述度量是基于向所述经训练的卷积神经网络应用所述当前图像和所述末端执行器运动向量来生成的；

基于所述度量生成末端执行器命令，所述末端执行器命令是抓握命令或末端执行器运动命令；以及

将所述末端执行器命令提供给所述机器人的一个或多个致动器。

通过比对，我想还是能够得出相似的结论，ChatGPT的翻译语句虽说会偶尔出现晦涩或不通顺的情况（这也可能和ChatGPT目前是基于英语应用环境开发的产品，其训练模型主要基于英语的原因有一定关系），并且某些特定专业词汇的翻译与实际中国该领域技术人员的叫法有出入，但是总体技术方案中表达的逻辑都相对清楚，呈现出的效果也出人意料。

经过上述两个案例的比对，大家是否对目前ChatGPT专利文献的翻译能力感到惊叹。

我们都知道，在专业从事涉外专利翻译的专利代理机构或律所中，一篇涉外专利文献的翻译往往至少会经过翻译人员初翻，校对人校对+修改，审核人审核，这三大步骤；

而在看到ChatGPT的翻译能力之后，完全有理由相信ChatGPT等人工智能将很快可以替代第一步的人工来完成对涉外专利文献的初翻，甚至会比一些经验稍浅的翻译人员做的更优秀；只要有经验的专利代理师在AI翻译的基础上，进行进一步的校对，调整修改及审核，就可以完成一篇涉外专利文献的翻译工作，效率将会大大提升。

结  语

综上所述，就目前而言，作者认为ChatGPT等人工智能目前在专利翻译领域完全替代专利代理师还是很难的。不仅仅是因为ChatGPT的专业词汇和语句组织还需要完善，更重要的是一篇外文专利文献在经过翻译之后，往往还需要专利代理师在理解技术方案的基础上对权项及语言进行重新的调整来满足申请的需要，这一些需要大量创造性劳动的步骤暂时还是无法被取代。但是，一些翻译中基础的辅助性工作已经完全面临被AI取代的威胁！

就像当你问起“在专利翻译领域，AI翻译会替代人工翻译吗？”

ChatGPT的回答“在专利翻译领域，AI翻译已经在逐渐成为人工翻译的补充，但它很难完全取代人工翻译。专利文件通常具有高度专业性和复杂性，需要翻译员具备相关知识和技能。目前，AI翻译技术还不能完全理解和翻译专利文件中的专业术语和技术细节。因此，我们预计AI翻译将在未来几年内逐渐成为专利翻译业务的一部分，但它不太可能在短期内完全替代人工翻译。”

也许真的如他所说，AI翻译短期内在专利领域还不能替代人工翻译，

但难道不觉得的这个回答本身，已经足够让人类感到威胁了吗？

（图片来源 | 网络）