淺析計(jì)算機(jī)翻譯的發(fā)展概況與趨勢

劉玉恩

摘要：歷經(jīng)多年的發(fā)展，計(jì)算機(jī)翻譯技術(shù)日趨成熟，大幅提高了翻譯效率，降低了翻譯成本，為促進(jìn)中國與世界各國的交流與合作發(fā)揮了重要作用。本文對計(jì)算機(jī)翻譯的發(fā)展歷程進(jìn)行了論述，從應(yīng)用的角度比較了機(jī)器翻譯與計(jì)算機(jī)輔助翻譯的異同，并對兩者未來的發(fā)展趨勢進(jìn)行了展望。

關(guān)鍵詞：機(jī)器翻譯;計(jì)算機(jī)輔助翻譯;MT;CAT

中圖分類號(hào)：H059 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）13-0212-02

1引言

社會(huì)對翻譯需求的急劇增長促進(jìn)了翻譯事業(yè)的蓬勃發(fā)展，尤其1946年電子計(jì)算機(jī)誕生之后，結(jié)合互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能的計(jì)算機(jī)翻譯技術(shù)應(yīng)運(yùn)而生，在日常生活中發(fā)揮了越來越重要的作用。

2計(jì)算機(jī)翻譯技術(shù)的發(fā)展歷程

從時(shí)間歷程劃分，計(jì)算機(jī)翻譯技術(shù)大致經(jīng)歷了初創(chuàng)期、停滯期、復(fù)蘇期和發(fā)展期。

2.1初創(chuàng)期（1947-1964）

1949年，美國科學(xué)家WarrenWeaver正式提出機(jī)器翻譯的設(shè)想。1954年，美國Georgetown大學(xué)與IBM公司合作，用IBM-701型計(jì)算機(jī)實(shí)現(xiàn)了首次英俄機(jī)器翻譯試驗(yàn)。1956年，中國將計(jì)算機(jī)翻譯技術(shù)納入了全國科學(xué)工作發(fā)展規(guī)劃，課題名稱為“機(jī)器翻譯、自然語言翻譯規(guī)則的建設(shè)和自然語言的數(shù)學(xué)理論”。1957年，中國科學(xué)院語言研究所與計(jì)算機(jī)技術(shù)研究所聯(lián)合開展了俄漢機(jī)器翻譯試驗(yàn)。同期，歐洲各國也高度重視機(jī)器翻譯的研究。

2.2停滯期（1965-1974）

限于當(dāng)時(shí)計(jì)算機(jī)的硬件水平，最初的機(jī)器翻譯只能采用直譯法，不能對源語言的結(jié)構(gòu)進(jìn)行深度分析處理，譯文質(zhì)量遠(yuǎn)低于人工翻譯。1964年，美國的語言自動(dòng)處理咨詢委員會(huì)（AL-PAC）對過去十余年間美國重金資助的機(jī)器翻譯項(xiàng)目進(jìn)行了整體評(píng)估。1966年11月，該委員會(huì)發(fā)布了題為《語言與機(jī)器：翻譯和語言學(xué)視角下的計(jì)算機(jī)》的報(bào)告，對機(jī)器翻譯基本持否定的態(tài)度，認(rèn)為在可預(yù)期的將來，機(jī)器翻譯不可能達(dá)到與人工翻譯相媲美的目標(biāo)。該報(bào)告嚴(yán)重影響了機(jī)器翻譯的研究。

2.3復(fù)蘇期（1975-1989）

隨著計(jì)算機(jī)和語言學(xué)的發(fā)展以及社會(huì)信息服務(wù)需求的提升，機(jī)器翻譯的研究迎來了復(fù)蘇，許多國家相繼投入巨額資金開發(fā)機(jī)器翻譯系統(tǒng)。歐共體的EURORA計(jì)劃和DLT系統(tǒng)，日本的Mu系統(tǒng)和ODA計(jì)劃，以及美國的CMU機(jī)器翻譯項(xiàng)目都是這一時(shí)期具有代表性的項(xiàng)目。20世紀(jì)70年代中后期，中國的機(jī)器翻譯研究也從停滯走向了復(fù)蘇，部分項(xiàng)目列入“六五”“七五”以及“863”等重大課題。軍事科學(xué)院研制的“KY-1”英漢機(jī)譯系統(tǒng)和中科院計(jì)算所研制的“863-IMT”英漢機(jī)譯系統(tǒng)成為中國機(jī)器翻譯歷史上具有里程碑意義的系統(tǒng)。

2.4發(fā)展期（1990-t今）

全球化趨勢對翻譯的巨大需求以及Internet的普及應(yīng)用，推動(dòng)了機(jī)器翻譯研究進(jìn)入新的發(fā)展階段。1990年，芬蘭赫爾辛基第13屆國際計(jì)算語言學(xué)大會(huì)提出了處理大規(guī)模文本的任務(wù)。1993年，IBM的DellaPietra等人提出的基于詞對齊的翻譯模型，標(biāo)志著現(xiàn)代統(tǒng)計(jì)機(jī)器翻譯方法的誕生。在統(tǒng)計(jì)機(jī)器翻譯的基礎(chǔ)上，神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型的應(yīng)用，大幅提升了機(jī)器翻譯的質(zhì)量。同期，中國在機(jī)翻領(lǐng)域也取得了前所未有的成績，相繼推出了百度、有道、譯星、雅信、通譯等機(jī)器翻譯系統(tǒng)。

3計(jì)算機(jī)翻譯的類型和特點(diǎn)

計(jì)算機(jī)翻譯從應(yīng)用角度上可分為機(jī)器翻譯和計(jì)算機(jī)輔助翻譯。

3.1機(jī)器翻譯（MT）

機(jī)器翻譯（machinetranslation，MT），又稱機(jī)譯，是利用計(jì)算機(jī)將一種自然語言文本（源語言）自動(dòng)轉(zhuǎn)換為另一種自然語言文本（目標(biāo)語言）的過程。從語言學(xué)角度來講，機(jī)器翻譯就是自然語言處理技術(shù)的開發(fā)應(yīng)用，其原理是利用計(jì)算機(jī)按照特定的規(guī)則把一種自然語言自動(dòng)轉(zhuǎn)換為另一種目標(biāo)自然語言。從最早的詞典匹配，到詞典結(jié)合語言學(xué)規(guī)則的翻譯，再到基于語料庫的統(tǒng)計(jì)學(xué)機(jī)器翻譯，隨著計(jì)算機(jī)軟硬件水平的飛速提升，機(jī)器翻譯技術(shù)也日趨成熟，能夠?yàn)槠胀ㄓ脩籼峁?shí)時(shí)、便捷的翻譯服務(wù)。目前的常見的網(wǎng)絡(luò)在線翻譯系統(tǒng)，如谷歌翻譯、百度翻譯、有道翻譯、騰訊翻譯等均屬于機(jī)器翻譯的范疇。

3.2計(jì)算機(jī)輔助翻譯（CAT）

計(jì)算機(jī)輔助翻譯（computer aided translation，CAl）的工作原理：TM（翻譯記憶）+MT（機(jī)器翻譯）+HT（人工翻譯/校對）。它的核心技術(shù)是翻譯記憶（Translation Memory）和術(shù)語庫（Terminol-ogy Database）。簡單來說，系統(tǒng)會(huì)根據(jù)相應(yīng)規(guī)則，將原文劃分為單獨(dú)的句子或段落，并分解成詞或詞組，再根據(jù)系統(tǒng)附帶的術(shù)語庫或用戶自行建立的語料庫，輸出相應(yīng)的翻譯結(jié)果。此外，系統(tǒng)還會(huì)自動(dòng)檢索翻譯記憶庫中與之相同或類似的翻譯資源，給出參考譯文供譯者借鑒。目前常見的CAT軟件有SDL Tra-dos、Smartcat、YiCAT、iCAT、Transmate、Wordfast等。

4計(jì)算機(jī)輔助翻譯的發(fā)展趨勢

20世紀(jì)50年代到20世紀(jì)80年代之間，基于規(guī)則的機(jī)器翻譯（RBMT）占據(jù)了主流。這種翻譯方法通過研究源語言和目標(biāo)語言之間的語言學(xué)信息，基于詞典和語法生成翻譯結(jié)果。20世紀(jì)80年代，隨著統(tǒng)計(jì)學(xué)的發(fā)展，統(tǒng)計(jì)機(jī)器翻譯（SMT）應(yīng)運(yùn)而生。這種方法將統(tǒng)計(jì)模型應(yīng)用到機(jī)器翻譯之中，基于對雙語語料庫的分析生成翻譯結(jié)果。SMT的效果要優(yōu)于RBMT。

1997年，Ramon Neco和Mikel Forcada提出了使用編碼器一解碼器結(jié)構(gòu)做機(jī)器翻譯的構(gòu)想。2003年，蒙特利爾大學(xué)Yosh-uaBengio的研究團(tuán)隊(duì)開發(fā)出了一個(gè)基于神經(jīng)網(wǎng)絡(luò)的語言模型，并改善了SMT模型存在的數(shù)據(jù)稀疏性問題。他們的研究為神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯奠定了基礎(chǔ)。2013年，Nal Kalchbrenner和PhilBlunsom開發(fā)出了一種新型端到端編碼器一解碼器結(jié)構(gòu)模型。他們的研究成果意味著神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯（Neural MachineTranslation。NMT）的誕生。

NMT最初的表現(xiàn)并不好。2014年，Yoshua Bengio的團(tuán)隊(duì)為NMT引人了attention機(jī)制后，NMT的表現(xiàn)顯著提升。在2015年的Workshop 0n Statistical Machine Translation（WMT）比賽上，蒙特利爾大學(xué)的團(tuán)隊(duì)使用NMT方法贏得了英語一德語翻譯的第一名。2016年9月，谷歌大腦團(tuán)隊(duì)宣布在谷歌翻譯產(chǎn)品的漢語一英語語言上使用NMT替代基于短語的機(jī)器翻譯。2017年，F(xiàn)acebook人工智能研究院（FAIR）就宣布了他們使用CNN實(shí)現(xiàn)NMT方法，其可以實(shí)現(xiàn)與基于RNN的NMT近似的表現(xiàn)水平，但速度卻快9倍。亞馬孫、微軟、IBM、英偉達(dá)和SYSTRAN等科技巨頭也都參與了NMT的開發(fā)。在中國，百度、有道、騰訊、搜狗、訊飛、阿里巴巴等公司甚至已經(jīng)部署了NMT。在最近的ACL 2017會(huì)議上，機(jī)器翻譯類接收到的論文全都與神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯有關(guān)。2019年3月，云從科技和上海交通大學(xué)聯(lián)合宣布，計(jì)算機(jī)算法在自然語言處理（NLP）上取得重大突破，在大型深層閱讀理解任務(wù)RACE數(shù)據(jù)集登頂?shù)谝?，并成為世界首個(gè)超過人類排名的模型。隨著算法的改進(jìn)，NMT必將持續(xù)突破并取代SMT成為主流的機(jī)器翻譯技術(shù)。

5結(jié)語

經(jīng)過多年的發(fā)展，計(jì)算機(jī)翻譯技術(shù)取得了長足的進(jìn)步，極大地提高了翻譯質(zhì)量和效率，降低了翻譯成本，促進(jìn)了國際間交流與合作。對機(jī)器翻譯發(fā)展歷程和趨勢的探討，能為翻譯工作者瞄準(zhǔn)學(xué)科前沿，建立傳統(tǒng)與科技相融合，知識(shí)創(chuàng)新與技術(shù)創(chuàng)新相并行的翻譯研究新局面提供有價(jià)值的參考。