何昕博士 (澳門科技大學研究生院 從事博士后科研工作，研究方向為機譯技術(shù))

　　機器翻譯(Machine Translation，簡稱MT)，又稱為自動翻譯，是利用計算機將一種自然語言(源語言)轉(zhuǎn)換為另一種自然語言(目標語言)的過程。它是計算語言學的一個分支，是人工智能的核心技術(shù)之一，具有重要的科研價值。同時，MT又具有重要的實用價值;隨著經(jīng)濟全球化及互聯(lián)網(wǎng)的飛速發(fā)展，機譯技術(shù)在促進政治、經(jīng)濟、文化交流等方面起到越來越重要的作用。

　　機譯技術(shù)的發(fā)展一直與計算機技術(shù)、信息技術(shù)、語言科學等的發(fā)展緊密相隨。從早期的詞典匹配，到詞典結(jié)合語言學專家知識的規(guī)則翻譯，再到如今基于神經(jīng)網(wǎng)絡(luò)的方法;從過去局限于理解句子，發(fā)展到現(xiàn)在多文本、跨模態(tài)的內(nèi)容理解，MT已經(jīng)整整走過了70多年的歷程。對于MT來說,不管是它應(yīng)用范圍的廣度,還是其發(fā)揮作用的重要性,都具有不可估量的想象空間。

　　按目前翻譯需求的提交和反饋方式，MT主要可分為“文字機譯”、“語音機譯” 和“圖片機譯”三種方式。谷歌、微軟、臉書、百度等各大科技公司積極研發(fā)的機譯技術(shù)中，多以文字機譯和語音機譯為主，在這兩方面谷歌皆暫處領(lǐng)先地位。而圖片機譯則近年來才受到關(guān)注，谷歌和百度都已在圖片機譯領(lǐng)域初顯身手;盡管識別結(jié)果和翻譯質(zhì)量不盡人意，但也不失為一種嘗試。

　　近年深度學習的研究取得較大進展，基于人工神經(jīng)網(wǎng)絡(luò)的MT逐漸興起。其技術(shù)核心是一個擁有海量結(jié)點(神經(jīng)元)的深度神經(jīng)網(wǎng)絡(luò)，可以自動的從語料庫中學習翻譯知識。一種語言的句子被向量化之后，在網(wǎng)絡(luò)中層層傳遞，轉(zhuǎn)化為計算機可以“理解”的表示形式，再經(jīng)過多層復(fù)雜的傳導運算，生成另一種語言的譯文，從而實現(xiàn)了“理解語言，生成譯文”的翻譯方式。

　　事實上，不論哪種方法，影響機譯發(fā)展的最大因素在于譯文質(zhì)量;就已有的成就來看，機譯的譯文質(zhì)量離終極目標仍相差甚遠。那么,什么是譯文質(zhì)量?其標準是什么?我國著名翻譯家和教育家嚴復(fù)先生提出了“信、達、雅”的翻譯標準，還有美國著名翻譯家和語言學家尤金·奈達先生提出的“功能對等”理論。不可否認這些理論都對翻譯實踐產(chǎn)生了強大的指導意義。

　　長期以來，許多科學家采用多種技術(shù)和方法來提高MT的譯文質(zhì)量，但實際效果并不是很理想。一些專家認為，MT要達到人工翻譯(簡稱“人譯”)的水準，首先要解開人腦處理語言信息之謎。我國著名學者周海中先生曾經(jīng)指出，在人類尚未明了大腦是如何進行語言的模糊識別和邏輯判斷的情況下，機譯要想達到“信、達、雅”的程度是不可能的。這一觀點也許道出了制約譯文質(zhì)量的瓶頸所在。

　　只有突破機譯瓶頸，才能提高MT的譯文質(zhì)量。可喜的是，近幾年，陸續(xù)實施的歐洲大腦計劃、美國大腦計劃、中國大腦計劃等都旨在利用計算機模擬人類大腦的功能，以便提高人們對大腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的認識。這些計劃的研究成果也勢必有助于人們了解大腦是如何進行自然語言處理的，并有望為機譯技術(shù)的突破性進展，尤其是譯文質(zhì)量的迅速提高鋪平道路。

　　機譯技術(shù)一直被科學界公認為是人工智能領(lǐng)域最難的課題之一，曾經(jīng)被英國《新科學家》雜志列為“21世紀世界十大科技難題”的第一位。MT要達到人譯的的水準，還有一段漫長而艱巨的路要走。目前，人們只能將機譯與人譯結(jié)合起來，相輔相成，既能節(jié)省翻譯的時間，又能做出高標準的譯文。

　　文/何昕(作者單位：澳門科技大學研究生院)