迪普尔首席技术官塞巴斯蒂安·恩德莱恩 – 采访系列

塞巴斯蒂安·恩德莱恩，DeepL 首席技术官，是一位具有十多年硅谷经验的欧洲出生的技术专家，他曾在 Uber、Salesforce (CRM ) 和 Personio 等公司担任高级工程领导职务。凭借在云基础设施、分布式系统和构建高性能工程组织方面的坚实背景，他帮助一些美国和欧洲最快-growing 的科技公司扩展。如今，他在旧金山和欧洲之间分配时间，担任 DeepL 的首席技术官，同时也为初创公司提供咨询和投资，重点解决复杂的技术挑战和帮助初创公司成长为独角兽公司。

DeepL 于 2017 年推出，是一项神经机器翻译服务，能够提供高精度和自然流畅的翻译，支持 30 多种语言。使用先进的神经网络和专有的 AI 增强功能，DeepL 一直在流畅度和精度方面超越竞争对手。DeepL 通过 Web、桌面和移动应用、浏览器扩展和 API 提供服务，并提供具有企业级功能、无限使用量和增强安全性的 Pro 版本。

您在大西洋两岸都有建立工程团队的经验——硅谷和欧洲。您从这些非常不同的技术生态系统中获得了哪些个人经验，它们如何塑造了您对领导和创新 的方法?

这两个生态系统都有其独特的优势和特点，我很感激能够在两个文化中获得深入的见解和经验。在硅谷，有一个令人兴奋的初创企业文化，具有高度动力和全球多样化的工程师，他们追求大胆的想法，并且有一个快速移动和接受大胆风险的思维方式。然而，也有很多压力，节奏可能很紧张——公司通常有雄心勃勃的愿景，快速扩张， либо 成功， либо 快速失败。我的硅谷经验教会了我很多关于快速扩张团队和技术的知识，以及如何平衡雄心壮志和节奏带来的压力。

在欧洲，也有强大的人才、想法和创新，团队通常是多语言和多文化的，并且对安全、合规和精度有明确的重视。这个大陆的多样性可以成为一种优势，带来丰富的视角，但也是一种挑战，具有碎片化的市场、不同的法律体系和更高的合规要求。我还注意到，欧洲的初创公司更倾向于自我融资，这有时会减缓增长，但也可以建立韧性和长期的持久力。对于 DeepL 来说，在欧洲根基是我们的明显优势。它塑造了我们对精度、安全和文化细微差别的关注，帮助我们在快速发展的 AI 风景中脱颖而出。

是什么激励您在 Personio 和像 Uber 和 Salesforce 这样的公司的经验之后加入 DeepL担任首席技术官?

当我第一次遇到 Jarek，DeepL 的首席执行官和创始人，以及其他领导团队成员时，我立即被他们的愿景清晰度和解决真正有意义的问题的热情所吸引。DeepL 不仅仅是在建造酷炫的 AI 技术，而是专注于建造能够解决人们和企业日常生活中真正问题的产品——他们对此充满热情。这种目的感和潜力，以及公司文化的根基在于实际创新和现实影响，这对我来说是一个重要的激励因素，让我很高兴加入团队。我在 Personio、Uber 和 Salesforce 的时间里也看到了使命驱动团队的影响。

作为一个在大西洋两岸都有时间的人，公司打破语言障碍的使命也对我产生了影响。DeepL 正在解决人们和企业面临的真正挑战，这是我亲身经历过的，也是亲眼所见的。无论是全球团队试图更有效地合作，还是公司试图进入新的市场，语言障碍都可能减缓一切。因此，我也很高兴能够加入团队，帮助以有意义的方式解决这一挑战。

让我们谈谈 Clarify。它不仅仅是一个翻译工具——它是交互式的、上下文的和适应性的。是什么激发了开发它的初衷，它又如何推动语言 AI 的边界?

今年，我们的一个重点是如何通过我们的语言 AI 平台增强我们提供的产品——从 DeepL 翻译器到我们的实时语音翻译解决方案 Deepl Voice——使其变得更加个性化、协作和直观。我们希望 DeepL 体验感觉不像传统软件，而更像与智能协作者合作，这正是 Clarify 所提供的。

语言非常细致。单词和句子可以有多种含义、文化影响或语法变体，例如性别化名词或无法清晰翻译的习语。Clarify 是通过 DeepL 翻译器提供的，旨在帮助客户导航这些复杂性，作为一个交互式的 AI 语言专家，直接与用户交互以解决模糊性和提供更深入的上下文。例如，Clarify 将帮助确定句子中的“bank”是否指的是河流或金融机构，或者在不知道性别的情况下翻译“教授”。

关于 Clarify 的令人兴奋之处在于，它将 DeepL 翻译过程从单向输入-输出模型转变为真正的协作。用户不再被动地接收结果，而是与 Clarify 在整个过程中进行交互。工具将主动提出编辑建议和建议，以便您共同达到最准确的结果。

Clarify 中最令人着迷的方面之一是它能够检测模糊性并提示用户澄清。您如何从技术上定义“模糊性”，使机器能够识别和采取行动?

这是一个很好的问题——模糊性是机器翻译中的一个已知挑战，但通常会被忽略或绕过，因为实时理解用户的意图可能很有挑战性。然而，模糊性完全可以改变翻译的含义，取决于如何理解输入。为了解决这个问题，我们的研究人员与语言专家密切合作，识别出这种情况发生的实例，并开发出相应的系统。

DeepL 以精度著称，但现在它正在转向个性化和协作。您如何平衡模型性能与用户体验，以确保 AI 不仅提供“一种”翻译，而是为用户提供“正确”的翻译?

正如您所说，“正确”的翻译并不总是普遍的。它取决于上下文、语言对和用例。一个公司可能需要特定的内部术语，而另一个公司可能需要捕捉特定的语气或细微差别。对于我们来说，精度和个性化并不是分离的目标，而是共同作用于确保质量。

在 DeepL，我们思考质量时，专注于提供技术上准确和上下文适当的翻译输出，同时也符合用户的意图。我们的语言 AI 平台反映了这一点——我们将尖端的模型性能与智能用户体验相结合，以确保我们的客户获得真正符合他们需求的翻译输出。

许多通用模型在处理语言细微差别和文化背景时都存在不足。DeepL 的模型有什么不同之处，为什么专业化具有如此重要的优势?

我们的语言 AI 平台的模型专门为翻译和写作而设计。这种专注使我们在捕捉语言、语境和语气方面具有显著的优势，这在商业环境中至关重要，精度至关重要。

与在广泛的互联网数据上训练的通用模型不同，DeepL 的专有 LLM 在 7 多年领域特定内容上进行了训练，并由数千名专业语言学家进行了额外的微调。这使我们能够始终提供更高质量和可靠性。在 2024 年的盲测中，专业翻译人员发现我们的下一代 LLM 需要 2-3 倍较少的编辑才能达到与 Google (GOOGL ) 或 ChatGPT 相同的质量。这就是为什么全球超过 20 万家企业信任 DeepL。在法律、科技、医疗保健和营销等领域，甚至小小的翻译错误都可能带来严重后果。质量和准确性不是可选的。

从您在 Uber 管理云基础设施的经历到领导 Personio 和现在 DeepL 的工程团队，您面临过的最艰难的工程挑战是什么，您从中吸取了什么教训?

从人员角度来看，最大的挑战是带领团队经历长时间的超高速增长，找到快速移动和保持效率之间的平衡，同时确保新员工能够顺利入职，理解公司的使命，并有机会成长。其中一个重要教训是我学到的，就是避免在极端之间摇摆。快速从“以增长为一切”转变为“高效”，对组织来说是很难的，仅在一年内将技术团队增加一倍以上，必然会带来紧张——我已经将其设定为一个粗略的上限。

从技术角度来看，我在职业生涯中大部分时间都在云和全球范围内扩展技术栈，处理一致性和可靠性方面的复杂问题，这些问题与世界上最受欢迎的服务有关。我已经学会了过度架构是一种严重的问题，“过度平台化”可能会使组织瘫痪，并使客户影响的责任更难实现。随着 AI 加速商业步伐——公司现在可以在不到一年内达到 1 亿美元的年收入，团队正在看到前所未有的生产力增长——专注和简单比以往任何时候都更重要。

DeepL 现在为超过 20 万家企业和政府机构提供服务。您如何平衡企业级可靠性和快速创新?

这是我们一直在思考的平衡。我们的商业客户依赖 DeepL 进行关键的高风险通信，因此可靠性、安全性和信任至关重要。同时，我们知道创新不能减慢… AI 行业正在以闪电般的速度发展！关键在于专注。当谈到我们的语言 AI 平台时，我们专注于解决复杂的语言问题，具有高精度和精度。这使我们能够快速移动而不损害质量。

我们也非常适应性强。我们可以引入新的功能或功能，提供前瞻性的解决方案，推动行业发展，同时保持企业级的质量、准确性和性能，这些是我们的客户所期望和信任的。一个很好的例子是 DeepL Voice 的最近扩展：我们刚刚宣布它现在支持来自普通话、乌克兰语和罗马尼亚语的语音输入，以及增强的会议生产力功能和即将与 Zoom 会议集成，这真的令人兴奋。

最后，您认为语言 AI 的未来会是什么样的?

语言 AI 已经在改变我们作为企业、员工和个人全球沟通的方式，实现更深入的联系和合作，跨越商业、文化和行业。我们正在走向一个未来，公司无论大小，都可以在国际上运营和发展，而不会被语言障碍所阻碍，这将开启一个更加相互联系、包容的世界和经济的大门。

感谢这次精彩的采访，希望读者能够通过访问 Deepl 来了解更多信息。