今天來試試翻譯(Translation)，這是最常見的 NLP 應用之一。

實際操作
使用translation pipeline，在Colab輸入程式碼

from transformers import pipeline

translator = pipeline("translation_en_to_zh", model="Helsinki-NLP/opus-mt-en-zh")

text = "Artificial intelligence is transforming the future of healthcare."
result = translator(text, max_length=40)
print(result[0]['translation_text'])

得出的結果為

對於我這種醫資系背景的學生來說，翻譯的應用場景非常多：

• 閱讀英文文獻：醫學與資訊領域的最新研究大多是英文論文，AI可以幫忙先翻成中文，快速掌握大意。
• 病患資訊多語化：醫院常常會有不同語言的病人，AI翻譯可以協助醫護人員初步了解病患需求。
• 國際合作：跨國研究、會議紀錄或報告，也可以靠翻譯模型來加速理解。

雖然Hugging Face提供的模型不一定像Google翻譯那樣完整，但它的好處是能嵌進自己的應用程式裡，做出更客製化的翻譯工具。