淺析計算機翻譯的發展概況與趨勢

劉玉恩

摘要：歷經多年的發展，計算機翻譯技術日趨成熟，大幅提高了翻譯效率，降低了翻譯成本，為促進中國與世界各國的交流與合作發揮了重要作用。本文對計算機翻譯的發展歷程進行了論述，從應用的角度比較了機器翻譯與計算機輔助翻譯的異同，并對兩者未來的發展趨勢進行了展望。

關鍵詞：機器翻譯;計算機輔助翻譯;MT;CAT

中圖分類號：H059 文獻標識碼：A

文章編號：1009-3044（2020）13-0212-02

1引言

社會對翻譯需求的急劇增長促進了翻譯事業的蓬勃發展，尤其1946年電子計算機誕生之后，結合互聯網、大數據、人工智能的計算機翻譯技術應運而生，在日常生活中發揮了越來越重要的作用。

2計算機翻譯技術的發展歷程

從時間歷程劃分，計算機翻譯技術大致經歷了初創期、停滯期、復蘇期和發展期。

2.1初創期（1947-1964）

1949年，美國科學家WarrenWeaver正式提出機器翻譯的設想。1954年，美國Georgetown大學與IBM公司合作，用IBM-701型計算機實現了首次英俄機器翻譯試驗。1956年，中國將計算機翻譯技術納入了全國科學工作發展規劃，課題名稱為“機器翻譯、自然語言翻譯規則的建設和自然語言的數學理論”。1957年，中國科學院語言研究所與計算機技術研究所聯合開展了俄漢機器翻譯試驗。同期，歐洲各國也高度重視機器翻譯的研究。

2.2停滯期（1965-1974）

限于當時計算機的硬件水平，最初的機器翻譯只能采用直譯法，不能對源語言的結構進行深度分析處理，譯文質量遠低于人工翻譯。1964年，美國的語言自動處理咨詢委員會（AL-PAC）對過去十余年間美國重金資助的機器翻譯項目進行了整體評估。1966年11月，該委員會發布了題為《語言與機器：翻譯和語言學視角下的計算機》的報告，對機器翻譯基本持否定的態度，認為在可預期的將來，機器翻譯不可能達到與人工翻譯相媲美的目標。該報告嚴重影響了機器翻譯的研究。

2.3復蘇期（1975-1989）

隨著計算機和語言學的發展以及社會信息服務需求的提升，機器翻譯的研究迎來了復蘇，許多國家相繼投入巨額資金開發機器翻譯系統。歐共體的EURORA計劃和DLT系統，日本的Mu系統和ODA計劃，以及美國的CMU機器翻譯項目都是這一時期具有代表性的項目。20世紀70年代中后期，中國的機器翻譯研究也從停滯走向了復蘇，部分項目列入“六五”“七五”以及“863”等重大課題。軍事科學院研制的“KY-1”英漢機譯系統和中科院計算所研制的“863-IMT”英漢機譯系統成為中國機器翻譯歷史上具有里程碑意義的系統。

2.4發展期（1990-t今）

全球化趨勢對翻譯的巨大需求以及Internet的普及應用，推動了機器翻譯研究進入新的發展階段。1990年，芬蘭赫爾辛基第13屆國際計算語言學大會提出了處理大規模文本的任務。1993年，IBM的DellaPietra等人提出的基于詞對齊的翻譯模型，標志著現代統計機器翻譯方法的誕生。在統計機器翻譯的基礎上，神經網絡機器翻譯模型的應用，大幅提升了機器翻譯的質量。同期，中國在機翻領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、通譯等機器翻譯系統。

3計算機翻譯的類型和特點

計算機翻譯從應用角度上可分為機器翻譯和計算機輔助翻譯。

3.1機器翻譯（MT）

機器翻譯（machinetranslation，MT），又稱機譯，是利用計算機將一種自然語言文本（源語言）自動轉換為另一種自然語言文本（目標語言）的過程。從語言學角度來講，機器翻譯就是自然語言處理技術的開發應用，其原理是利用計算機按照特定的規則把一種自然語言自動轉換為另一種目標自然語言。從最早的詞典匹配，到詞典結合語言學規則的翻譯，再到基于語料庫的統計學機器翻譯，隨著計算機軟硬件水平的飛速提升，機器翻譯技術也日趨成熟，能夠為普通用戶提供實時、便捷的翻譯服務。目前的常見的網絡在線翻譯系統，如谷歌翻譯、百度翻譯、有道翻譯、騰訊翻譯等均屬于機器翻譯的范疇。

3.2計算機輔助翻譯（CAT）

計算機輔助翻譯（computer aided translation，CAl）的工作原理：TM（翻譯記憶）+MT（機器翻譯）+HT（人工翻譯/校對）。它的核心技術是翻譯記憶（Translation Memory）和術語庫（Terminol-ogy Database）。簡單來說，系統會根據相應規則，將原文劃分為單獨的句子或段落，并分解成詞或詞組，再根據系統附帶的術語庫或用戶自行建立的語料庫，輸出相應的翻譯結果。此外，系統還會自動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計算機輔助翻譯的發展趨勢

20世紀50年代到20世紀80年代之間，基于規則的機器翻譯（RBMT）占據了主流。這種翻譯方法通過研究源語言和目標語言之間的語言學信息，基于詞典和語法生成翻譯結果。20世紀80年代，隨著統計學的發展，統計機器翻譯（SMT）應運而生。這種方法將統計模型應用到機器翻譯之中，基于對雙語語料庫的分析生成翻譯結果。SMT的效果要優于RBMT。

1997年，Ramon Neco和Mikel Forcada提出了使用編碼器一解碼器結構做機器翻譯的構想。2003年，蒙特利爾大學Yosh-uaBengio的研究團隊開發出了一個基于神經網絡的語言模型，并改善了SMT模型存在的數據稀疏性問題。他們的研究為神經網絡機器翻譯奠定了基礎。2013年，Nal Kalchbrenner和PhilBlunsom開發出了一種新型端到端編碼器一解碼器結構模型。他們的研究成果意味著神經網絡機器翻譯（Neural MachineTranslation。NMT）的誕生。

NMT最初的表現并不好。2014年，Yoshua Bengio的團隊為NMT引人了attention機制后，NMT的表現顯著提升。在2015年的Workshop 0n Statistical Machine Translation（WMT）比賽上，蒙特利爾大學的團隊使用NMT方法贏得了英語一德語翻譯的第一名。2016年9月，谷歌大腦團隊宣布在谷歌翻譯產品的漢語一英語語言上使用NMT替代基于短語的機器翻譯。2017年，Facebook人工智能研究院（FAIR）就宣布了他們使用CNN實現NMT方法，其可以實現與基于RNN的NMT近似的表現水平，但速度卻快9倍。亞馬孫、微軟、IBM、英偉達和SYSTRAN等科技巨頭也都參與了NMT的開發。在中國，百度、有道、騰訊、搜狗、訊飛、阿里巴巴等公司甚至已經部署了NMT。在最近的ACL 2017會議上，機器翻譯類接收到的論文全都與神經網絡機器翻譯有關。2019年3月，云從科技和上海交通大學聯合宣布，計算機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RACE數據集登頂第一，并成為世界首個超過人類排名的模型。隨著算法的改進，NMT必將持續突破并取代SMT成為主流的機器翻譯技術。

5結語

經過多年的發展，計算機翻譯技術取得了長足的進步，極大地提高了翻譯質量和效率，降低了翻譯成本，促進了國際間交流與合作。對機器翻譯發展歷程和趨勢的探討，能為翻譯工作者瞄準學科前沿，建立傳統與科技相融合，知識創新與技術創新相并行的翻譯研究新局面提供有價值的參考。