機器翻譯的起源發(fā)展與未來展望

劉琢

摘 要：語言在溝通中所起到的重要作用已是世所公認的事實。在這種情況下，能夠兼顧高質(zhì)量與高速度的翻譯需求開始日益迫切，而機器翻譯的出現(xiàn)就很好地滿足了這種需求。機器翻譯的設(shè)想被提出，并且在時間的推移與技術(shù)的變革中不斷衍進。本文將主要探討機器翻譯研究的起源和發(fā)展與展望機器翻譯的未來發(fā)展趨勢。

關(guān)鍵詞：機器翻譯；機器翻譯研究

1 引言

機器翻譯（Machine Translation）想必是大家最耳熟能詳?shù)娜斯ぶ悄軕?yīng)用之一了，它不僅是計算語言學（Computational Linguistics）的瑰寶，同時也是居家旅行的必需品。機器翻譯，又稱計算機翻譯，是指利用計算機將一種語言符號轉(zhuǎn)換成另一種語言符號。（胡開寶、李翼，2016）

機器翻譯的雛形最早可以追溯到1933年，一位蘇聯(lián)科學家利用卡片、打字機和舊式膠片相機發(fā)明了一個簡易的機械式翻譯器。然而，這個發(fā)明并沒有引起任何人的注意，也沒有留下實物或照片。1946年，第一臺電子計算機 ENIAC 誕生之后，美國科學家 Warren Weaver 就開始思考如何更好地利用計算機“為人民服務(wù)”。圖靈在二戰(zhàn)期間利用機器破譯密文的事跡給了他機器翻譯的靈感，即翻譯也可以看成是一種編碼和解碼的過程。

而機器翻譯（machine translation，MT）的研究始于20世紀50年代，其目的是自動翻譯俄美文本，以便在冷戰(zhàn)中快速獲取對方的科學情報。恰逢冷戰(zhàn)初期，翻譯外文（尤其是俄文）的情報與文獻是美國的一個剛性需求。在政治與科技的歷史進程的雙重推動之下，1949年，Warren 正式在《翻譯備忘錄》中提出機器翻譯的思想。1954年，美國 Georgetown-IBM 實驗室成功利用 IBM 701 計算機將60句俄文句子翻譯成了英文。彼時計算機的運算能力和存儲能力相對較弱，美國、俄羅斯、法國、德國、意大利和日本的研究人員花費了30年時間為它奠定計算基礎(chǔ)，而它現(xiàn)在正在改變世界的交流。自20世紀80年代開始，機器翻譯在快速處理海量翻譯內(nèi)容上的作用日益突顯出來。

2 機器翻譯的發(fā)展

此后機器翻譯的發(fā)展，大體可分為四個階段：基于規(guī)則的機器翻譯（Rule-Based Machine Translation，RBMT）、基于例句的機器翻譯（Example-Based Machine Translation， EBMT）、統(tǒng)計機器翻譯（Statistical Machine Translation， SMT）、神經(jīng)機器翻譯（Neural Machine Translation， NMT）。

基于規(guī)則的機器翻譯以源語的分析規(guī)則、源語和目的語之間的轉(zhuǎn)換規(guī)則以及目的語語言的生成規(guī)則的描寫為基礎(chǔ)。這些規(guī)則的分析涉及詞匯、語法、語義等語言層面。（胡開寶、李翼，2016）

基于短語的統(tǒng)計機器翻譯模型具有原理簡單、性能優(yōu)異、魯棒性高等諸多特點， 受到研究與應(yīng)用人員的廣泛青睞， 在當今真實的翻譯任務(wù)中得到廣泛應(yīng)用。 短語翻譯系統(tǒng)使用短語對作為翻譯的基本單元， 傳統(tǒng)的啟發(fā)式短語對抽取算法抽取所有與詞對齊保持一致的短語對。（李強、李沐、張冬冬、朱靖波，2016）基于統(tǒng)計的機器翻譯方法建立在大規(guī)模雙語及單語語料的基礎(chǔ)上。

在2017年的《機器翻譯市場報告》中，我們著眼于機器翻譯市場中不同類型的參與者，特別關(guān)注了新近出現(xiàn)的神經(jīng)機器翻譯。神經(jīng)機器翻譯是近幾年興起的機器翻譯方法。（Koehn P， Och F J， Marcu D.，2003）神經(jīng)機器翻譯的核心思想是使用一個循環(huán)神經(jīng)網(wǎng)絡(luò)將源語言句子編碼為一個稠密向量，然后從該向量解碼出目標語言句子。（哈里旦木·阿布都克里木、劉洋、孫茂松，2017）盡管面臨很多挑戰(zhàn)，機器翻譯乃是大勢所趨，我們依然期待這項技術(shù)被廣泛應(yīng)用。

3 總結(jié)與展望

當然，任何一個成熟的機器翻譯工業(yè)產(chǎn)品都不可能只靠一種模型，而應(yīng)該是多種策略組合的結(jié)果。機器翻譯相關(guān)的研究一直以來都是推動計算語言學發(fā)展的最主要的動力之一，這四個階段的發(fā)展與計算語言學整體的走向也是一脈相承。盡管機器翻譯有時的效果不盡如人意，但是忽視或否認它所帶來的積極作用是不明智的。現(xiàn)在，機器翻譯已成為人工翻譯過程中的一環(huán)，用來補充或替代過去的翻譯記憶工具。而近期出現(xiàn)的神經(jīng)機器翻譯則更向前邁進了一步，將機器學習的潛能與現(xiàn)存數(shù)據(jù)量和計算速度相互融合，以期達到完美的翻譯效果。最后，引用報告中的一段話：機器翻譯正在商品化，而影響商品化經(jīng)濟增長的主要因素則體現(xiàn)在語言數(shù)據(jù)上。機器翻譯是“使能者”，也是“融合時代”的重要組成部分。機器翻譯賦予了溝通交流以全新的展現(xiàn)形式，包括可穿戴技術(shù)、搜索、社交媒體、物聯(lián)網(wǎng)、聊天機器人等等，當然還有更多的其他應(yīng)用領(lǐng)域。

參考文獻

[1]胡開寶，李翼.機器翻譯特征及其與人工翻譯關(guān)系的研究[J].中國翻譯，2016（5）

[2]李強，李沐，張冬冬，朱靖波. 統(tǒng)計機器翻譯中實例短語對研究[J].北京大學學報（自然科學版），2016（1）

[3]Koehn P， Och F J， Marcu D. Statistical phrase-based translation //Proceedings of the 2003 Conference of the North American Chapter of the Association for Computational Linguistics on Human Language Technology-Volume 1. Edmonton： Association for Computational Linguistics， 2003

[4]哈里旦木·阿布都克里木，劉洋，孫茂松.神經(jīng)機器翻譯系統(tǒng)在維吾爾語-漢語翻譯中的性能對比[J].清華大學學報 （自然科學版），2017（8）