本站小編為你精心準(zhǔn)備了淺析機(jī)器翻譯應(yīng)用與前景參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫(xiě)作靈感。歡迎深入閱讀并收藏。

[摘要]隨著科學(xué)技術(shù)迅猛發(fā)展，人工智能與翻譯的關(guān)系更為密切。智能翻譯工具的迅速發(fā)展對(duì)翻譯從業(yè)者構(gòu)成潛在挑戰(zhàn)，為行業(yè)發(fā)展帶來(lái)一定影響?；谝陨蠒r(shí)代背景，本文闡述了基于規(guī)則的機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯和神經(jīng)機(jī)器翻譯的翻譯原理，對(duì)機(jī)器翻譯運(yùn)用優(yōu)勢(shì)和問(wèn)題進(jìn)行了分析，并對(duì)其發(fā)展前景進(jìn)行了展望。

[關(guān)鍵詞]機(jī)器翻譯；翻譯原理；運(yùn)用分析；前景分析

在以人工智能、大數(shù)據(jù)和物聯(lián)網(wǎng)為代表的技術(shù)變革時(shí)代，信息交流越來(lái)越便捷、高效，許多高新技術(shù)已經(jīng)應(yīng)用于機(jī)器翻譯領(lǐng)域。隨著機(jī)器翻譯的發(fā)展，人們對(duì)其能否取代人工翻譯以及其發(fā)展前景存有疑問(wèn)。本論文重點(diǎn)分析機(jī)器翻譯的現(xiàn)狀和發(fā)展前景，以解開(kāi)疑惑。機(jī)器翻譯的研究可以追溯到20世紀(jì)50年代。國(guó)外機(jī)器翻譯可分為初創(chuàng)期（1947s-1954s）、從高潮到低谷時(shí)期（1954s-1975s）、復(fù)蘇和發(fā)展時(shí)期（1975s-1890s）和新時(shí)期（1989s至今）。由于國(guó)際環(huán)境的影響和計(jì)算機(jī)發(fā)展水平的限制，我國(guó)機(jī)器翻譯有效研究始于20世紀(jì)80年代末。

1機(jī)器翻譯的原理

1.1基于規(guī)則的機(jī)器翻譯原理

基于語(yǔ)言規(guī)則的機(jī)器翻譯系統(tǒng)類型大致可分為直接翻譯系統(tǒng)、轉(zhuǎn)換系統(tǒng)和中間語(yǔ)言系統(tǒng)。源語(yǔ)和目標(biāo)語(yǔ)之間的詞匯單元的對(duì)應(yīng)關(guān)系是直接翻譯系統(tǒng)設(shè)計(jì)的依據(jù)。轉(zhuǎn)換系統(tǒng)的源語(yǔ)言分析獨(dú)立于目標(biāo)語(yǔ)言，雙語(yǔ)轉(zhuǎn)換時(shí)不僅需一部雙語(yǔ)對(duì)應(yīng)詞典，還需要考慮雙語(yǔ)結(jié)構(gòu)差異，進(jìn)行結(jié)構(gòu)調(diào)整。中間語(yǔ)言系統(tǒng)的源語(yǔ)言不與目標(biāo)語(yǔ)言直接接觸,它把源語(yǔ)的文本用中間語(yǔ)表達(dá)出來(lái)，然后再把中間語(yǔ)言所表達(dá)的意義用目標(biāo)語(yǔ)表達(dá)出來(lái)（馮志偉，2018：35-48）。基于規(guī)則的機(jī)器翻譯的優(yōu)點(diǎn)：第一，保持原文本結(jié)構(gòu)；第二，對(duì)已知語(yǔ)言現(xiàn)象或結(jié)構(gòu)規(guī)范的源語(yǔ)言效果較好。其缺點(diǎn)有：第一，手工書(shū)寫(xiě)、工作量大；第二，主觀性很強(qiáng)、一致性得不到保證；第三，不利于系統(tǒng)擴(kuò)充；第四，不能解決非標(biāo)準(zhǔn)語(yǔ)言翻譯的問(wèn)題。

1.2統(tǒng)計(jì)機(jī)器翻譯原理

統(tǒng)計(jì)機(jī)器翻譯和案例機(jī)器翻譯的原理是基于語(yǔ)料庫(kù)的。語(yǔ)料庫(kù)是它們獲得翻譯知識(shí)的來(lái)源，所以它們統(tǒng)稱為基于語(yǔ)料庫(kù)的機(jī)器翻譯技術(shù)原理。（馮志偉，2018：35-48）其中，基于統(tǒng)計(jì)的機(jī)器翻譯系統(tǒng)應(yīng)用更為廣泛，例如IBM公司的Candide系統(tǒng)。統(tǒng)計(jì)機(jī)器翻譯采用數(shù)據(jù)驅(qū)動(dòng)的方式，主要依靠雙語(yǔ)或多語(yǔ)言并行語(yǔ)料庫(kù)，通過(guò)對(duì)詞對(duì)齊和翻譯規(guī)則提取實(shí)現(xiàn)翻譯建模，然后利用所學(xué)知識(shí)和翻譯規(guī)則進(jìn)行自動(dòng)翻譯。統(tǒng)計(jì)機(jī)器翻譯的任務(wù)是將觀察到的源語(yǔ)言還原為最有可能的翻譯，即同一源語(yǔ)句段可能對(duì)應(yīng)多個(gè)候選翻譯句段，呈現(xiàn)概率最大的便是譯文。（侯強(qiáng)、侯瑞麗，2019：4）設(shè)計(jì)概率模型對(duì)翻譯過(guò)程建模是統(tǒng)計(jì)機(jī)器翻譯的核心。統(tǒng)計(jì)機(jī)器翻譯的優(yōu)點(diǎn)：第一，基于平行語(yǔ)料直接訓(xùn)練翻譯模型統(tǒng)計(jì)量產(chǎn)階段；第二，推動(dòng)以谷歌為代表的工業(yè)界大規(guī)模商業(yè)運(yùn)用。其缺點(diǎn)：第一，建模能力差、模型假設(shè)較多；第二，調(diào)序困難、翻譯比較生硬。

1.3神經(jīng)機(jī)器翻譯原理

2013年Kalchbrenner和Blunsom提出了一種基于神經(jīng)網(wǎng)絡(luò)的翻譯方法。端到端序列生成模型是神經(jīng)機(jī)器翻譯的基本建模框架。它是一種將輸入序列轉(zhuǎn)化為輸出序列的框架和方法。其基本思想是通過(guò)神經(jīng)網(wǎng)絡(luò)直接實(shí)現(xiàn)自然語(yǔ)言之間的自動(dòng)翻譯，因此，神經(jīng)機(jī)器翻譯通常使用編碼器—解碼器框架實(shí)現(xiàn)序列到序列的轉(zhuǎn)換。（Bah-danauD,ChoK,BengioY,2014：4）神經(jīng)網(wǎng)絡(luò)法在模型訓(xùn)練完畢后無(wú)需再使用語(yǔ)料庫(kù)，只運(yùn)用神經(jīng)網(wǎng)絡(luò)獲取源語(yǔ)言到目標(biāo)語(yǔ)言的轉(zhuǎn)換。但是,它需借助注意力機(jī)制，長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)（SutskeverI,VinyalsO,LeQV，2014：3104-3112），和門限循環(huán)單元（ChungJ,Guleceh-reC,ChoK,etal,2014：3）等。

2機(jī)器翻譯的應(yīng)用分析

2.1應(yīng)用優(yōu)勢(shì)

2.1.1成本低，質(zhì)量不斷提高與專業(yè)的人工翻譯相比較，機(jī)器翻譯只需要一臺(tái)電腦，不需大量人力參與，這就大大減少了時(shí)間、空間及人力成本。在其發(fā)展的歷程中，翻譯機(jī)器具有不斷更新的大數(shù)據(jù)庫(kù)，所以它總能做到與時(shí)俱進(jìn)，質(zhì)量也不斷提升。數(shù)據(jù)庫(kù)建立后，它使機(jī)器翻譯能在翻譯過(guò)程中得到學(xué)習(xí)和訓(xùn)練，不斷完善自身的翻譯質(zhì)量，提高翻譯水平和速度。機(jī)器翻譯質(zhì)量不斷提高，這是人工翻譯所無(wú)法比擬的優(yōu)越性。

2.1.2人機(jī)翻譯結(jié)合，提升翻譯速度日常交流不需要專業(yè)的翻譯人員，人工同聲傳譯供應(yīng)有限，無(wú)法滿足目前龐大的翻譯市場(chǎng)的需求。機(jī)器翻譯作為一種語(yǔ)言轉(zhuǎn)換的工具，在日常學(xué)習(xí)、生活中可以填充翻譯人員的空缺。龐大的數(shù)據(jù)庫(kù)和計(jì)算機(jī)系統(tǒng)支持機(jī)器翻譯，它具有實(shí)時(shí)翻譯能力，翻譯速度不低于人工譯者的翻譯速度，又具有可持續(xù)運(yùn)作性，為消費(fèi)者提供了更快、更便利的服務(wù)。

2.1.3翻譯語(yǔ)言多元，滿足眾多需求當(dāng)下，翻譯界能長(zhǎng)期從事小語(yǔ)種翻譯的工作者稀缺，且能扎實(shí)掌握多語(yǔ)言的高端翻譯人才較少。在市場(chǎng)上，高端翻譯人才的薪酬比普通翻譯人員高,而在線語(yǔ)言翻譯機(jī)擁有33種（見(jiàn)網(wǎng)絡(luò)銷售翻譯機(jī)器的介紹）甚至更多語(yǔ)種翻譯功能，能滿足日常交流的多語(yǔ)種翻譯需求，其市場(chǎng)供給充足，可用較低價(jià)格實(shí)現(xiàn)長(zhǎng)久使用。

2.2存在問(wèn)題

2.2.1翻譯質(zhì)量有待提升市場(chǎng)上多語(yǔ)言的高端翻譯人才較少，機(jī)器翻譯具有實(shí)時(shí)翻譯能力，翻譯速度不低于人工譯者的翻譯速度，又具有可持續(xù)運(yùn)作性，為消費(fèi)者提供了更快、更便利的服務(wù)，但翻譯質(zhì)量有待提升。

2.2.2語(yǔ)義翻譯效果不如人工翻譯人工譯者可以根據(jù)雙語(yǔ)知識(shí)、文化、風(fēng)俗習(xí)慣對(duì)文本進(jìn)行“重組”，也可對(duì)翻譯進(jìn)行修飾和潤(rùn)色。但機(jī)器翻譯缺乏人工翻譯的自由度及內(nèi)心的真實(shí)感受，無(wú)法將原文優(yōu)美地翻譯出來(lái)。實(shí)際翻譯中情況復(fù)雜，需要具體問(wèn)題具體分析。目前，解決的主要方法是機(jī)器翻譯＋人工翻譯。

2.2.3機(jī)器翻譯應(yīng)用廣，影響專業(yè)翻譯學(xué)習(xí)者和譯者過(guò)度依賴機(jī)器翻譯，語(yǔ)言基礎(chǔ)得不到訓(xùn)練，最終導(dǎo)致外語(yǔ)能力得不到有效提升，在緊張的學(xué)習(xí)氛圍和嚴(yán)峻的就業(yè)形勢(shì)中易失去競(jìng)爭(zhēng)先機(jī)。在外語(yǔ)學(xué)習(xí)、出境旅游、網(wǎng)上跨國(guó)交友等情況下，機(jī)器翻譯大規(guī)模使用，其自身在性能、價(jià)格方面的優(yōu)勢(shì)較強(qiáng)烈沖擊了對(duì)譯者的需求量，造成譯者在日常場(chǎng)合就業(yè)機(jī)會(huì)和所得薪酬都大幅度減少。機(jī)器翻譯的廣泛應(yīng)用，導(dǎo)致市場(chǎng)對(duì)譯者的需求下降，引發(fā)專業(yè)翻譯人員對(duì)就業(yè)的擔(dān)憂。

3前景分析

3.1神經(jīng)機(jī)器翻譯成為主流

目前，市場(chǎng)上最流行的翻譯軟件是基于規(guī)則的機(jī)器翻譯軟件和基于統(tǒng)計(jì)的機(jī)器翻譯軟件。但是隨著科學(xué)技術(shù)的發(fā)展，機(jī)器翻譯已經(jīng)發(fā)展到端到端的神經(jīng)機(jī)器翻譯，并成為未來(lái)主流的機(jī)器翻譯。如圖1所示：圖1來(lái)源：RicoSennrich16年11月份報(bào)告以上數(shù)據(jù)顯示了從2013年到2016年基于規(guī)則的機(jī)器翻譯、統(tǒng)計(jì)機(jī)器翻譯、神經(jīng)機(jī)器的發(fā)展趨勢(shì)。2016年神經(jīng)機(jī)器翻譯首次處于領(lǐng)先地位，成為主流的機(jī)器翻譯方法。圖1和影響神經(jīng)機(jī)器翻譯發(fā)展的重大事件相對(duì)應(yīng)：2015年5月，百度上線互聯(lián)網(wǎng)NMT（NeuralMachineTranslation，神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯）系統(tǒng)；2016年12月，SYSTRANINTERNATIONAL公司首次在世界范圍內(nèi)推出了PNMT（PureNeuralMachineTranslation）；2016年9月29日，谷歌Google神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯系。

3.2人機(jī)共存

論記憶、存儲(chǔ)、計(jì)算，甚至某些特殊的智能，人類都可能不再是機(jī)器翻譯的對(duì)手，但人工智能機(jī)器翻譯也有自身的弱點(diǎn)——有智能沒(méi)智慧。如果機(jī)器翻譯和人工翻譯形成一個(gè)共同體，取長(zhǎng)補(bǔ)短，相互增強(qiáng)，那就會(huì)更加精準(zhǔn)快捷。正是基于這種想法，未來(lái)的機(jī)器翻譯將可能與人類形成互補(bǔ)共同體。從兩方面來(lái)展開(kāi)，一方面給機(jī)器增加一點(diǎn)人類的智慧，另一方面則給人類增加一點(diǎn)機(jī)器的能力。人機(jī)共存是人類與智能機(jī)器未來(lái)存在的理想狀態(tài)，未來(lái)的機(jī)器翻譯應(yīng)該在這方面加強(qiáng)研究。

3.3類腦機(jī)器翻譯

人類最智慧的器官是大腦，因此研究和模仿人類大腦的結(jié)構(gòu)和功能是機(jī)器翻譯的重要工作。然而，由于人腦結(jié)構(gòu)及其功能的復(fù)雜性，幾千年來(lái)人類大腦的結(jié)構(gòu)和功能之迷仍然沒(méi)有完全被解開(kāi)，更不要說(shuō)仿造人類大腦。未來(lái)的機(jī)器翻譯如果要趕上或超越人類智慧，就必須解開(kāi)大腦之謎，并讓機(jī)器能夠像人類大腦一樣進(jìn)行思維和創(chuàng)新。雖然目前芯片越造越微小，功能越來(lái)越強(qiáng)大，人工神經(jīng)網(wǎng)絡(luò)也越來(lái)越接近人類，但目前的處理器離大腦的結(jié)構(gòu)和功能還相距甚遠(yuǎn)。今后，若想在機(jī)器翻譯的研究方面取得突破，就必須在類腦計(jì)算和類腦智能上有重大突破。

4結(jié)論

綜上所述，本文通過(guò)對(duì)機(jī)器翻譯技術(shù)原理及其應(yīng)用分析，論述了機(jī)器翻譯的優(yōu)勢(shì)：（1）人機(jī)翻譯結(jié)合，提升翻譯速度；（2）翻譯語(yǔ)言多元，滿足眾多需求；（3）成本低，質(zhì)量不斷提高。存在的問(wèn)題有：（1）質(zhì)量有待提升；（2）語(yǔ)義翻譯效果不如人工翻譯；（3）機(jī)器翻譯應(yīng)用廣，影響專業(yè)翻譯。其前景是：（1）神經(jīng)機(jī)器翻譯成為主流；（2）人機(jī)共存；（3）類腦機(jī)器翻譯。

參考文獻(xiàn)

[5]馮志偉.機(jī)器翻譯研究[M].北京：中國(guó)對(duì)外翻譯出版社公司，2004（12）：40-44.

[6]馮志偉.機(jī)器翻譯與人工智能的平行發(fā)展[J].外國(guó)語(yǔ)（上海外國(guó)語(yǔ)大學(xué)學(xué)報(bào)），2018，41（06）：35-48.

[7]高明虎，于志強(qiáng).神經(jīng)機(jī)器翻譯綜述[J].云南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，28（01）：72-76.

[8]侯強(qiáng)，侯瑞麗.機(jī)器翻譯方法研究與發(fā)展綜述[J/OL].計(jì)算機(jī)工程與應(yīng)用，2019（4）：1-8.

[9]黃欣榮.新一代人工智能研究的回顧與展望[J].新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2019（04）：1-11.

[10]李正栓，孟俊茂.機(jī)器翻譯簡(jiǎn)明教程[M].上海：上海外語(yǔ)教育出版社，2009：6-13.

[11]劉洋.神經(jīng)機(jī)器翻譯前沿進(jìn)展[J].計(jì)算機(jī)研究與發(fā)展，2017，54（06）：1144-1149.

[12]羅華珍，潘正芹，易永忠.，人工智能翻譯的發(fā)展現(xiàn)狀與前景分析[J].電子世界，2017（21）：21-23.

[13]翟琦雨.人工智能對(duì)翻譯行業(yè)的影響和建議探討[J].現(xiàn)代商貿(mào)工業(yè)，2019，40（09）:178-179.

[14]張靖睿.以機(jī)器翻譯為例淺析人工智能技術(shù)的應(yīng)用[J].中國(guó)新通信，2018，20（21）：94-95.

作者：赫云露 胡喬 李桂麗 劉佳 單位：昆明理工大學(xué)外國(guó)語(yǔ)言文化學(xué)院