淺析機器翻譯應用與前景范文

本站小編為你精心準備了淺析機器翻譯應用與前景參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

[摘要]隨著科學技術迅猛發展，人工智能與翻譯的關系更為密切。智能翻譯工具的迅速發展對翻譯從業者構成潛在挑戰，為行業發展帶來一定影響。基于以上時代背景，本文闡述了基于規則的機器翻譯、統計機器翻譯和神經機器翻譯的翻譯原理，對機器翻譯運用優勢和問題進行了分析，并對其發展前景進行了展望。

[關鍵詞]機器翻譯；翻譯原理；運用分析；前景分析

在以人工智能、大數據和物聯網為代表的技術變革時代，信息交流越來越便捷、高效，許多高新技術已經應用于機器翻譯領域。隨著機器翻譯的發展，人們對其能否取代人工翻譯以及其發展前景存有疑問。本論文重點分析機器翻譯的現狀和發展前景，以解開疑惑。機器翻譯的研究可以追溯到20世紀50年代。國外機器翻譯可分為初創期（1947s-1954s）、從高潮到低谷時期（1954s-1975s）、復蘇和發展時期（1975s-1890s）和新時期（1989s至今）。由于國際環境的影響和計算機發展水平的限制，我國機器翻譯有效研究始于20世紀80年代末。

1機器翻譯的原理

1.1基于規則的機器翻譯原理

基于語言規則的機器翻譯系統類型大致可分為直接翻譯系統、轉換系統和中間語言系統。源語和目標語之間的詞匯單元的對應關系是直接翻譯系統設計的依據。轉換系統的源語言分析獨立于目標語言，雙語轉換時不僅需一部雙語對應詞典，還需要考慮雙語結構差異，進行結構調整。中間語言系統的源語言不與目標語言直接接觸,它把源語的文本用中間語表達出來，然后再把中間語言所表達的意義用目標語表達出來（馮志偉，2018：35-48）。基于規則的機器翻譯的優點：第一，保持原文本結構；第二，對已知語言現象或結構規范的源語言效果較好。其缺點有：第一，手工書寫、工作量大；第二，主觀性很強、一致性得不到保證；第三，不利于系統擴充；第四，不能解決非標準語言翻譯的問題。

1.2統計機器翻譯原理

統計機器翻譯和案例機器翻譯的原理是基于語料庫的。語料庫是它們獲得翻譯知識的來源，所以它們統稱為基于語料庫的機器翻譯技術原理。（馮志偉，2018：35-48）其中，基于統計的機器翻譯系統應用更為廣泛，例如IBM公司的Candide系統。統計機器翻譯采用數據驅動的方式，主要依靠雙語或多語言并行語料庫，通過對詞對齊和翻譯規則提取實現翻譯建模，然后利用所學知識和翻譯規則進行自動翻譯。統計機器翻譯的任務是將觀察到的源語言還原為最有可能的翻譯，即同一源語句段可能對應多個候選翻譯句段，呈現概率最大的便是譯文。（侯強、侯瑞麗，2019：4）設計概率模型對翻譯過程建模是統計機器翻譯的核心。統計機器翻譯的優點：第一，基于平行語料直接訓練翻譯模型統計量產階段；第二，推動以谷歌為代表的工業界大規模商業運用。其缺點：第一，建模能力差、模型假設較多；第二，調序困難、翻譯比較生硬。

1.3神經機器翻譯原理

2013年Kalchbrenner和Blunsom提出了一種基于神經網絡的翻譯方法。端到端序列生成模型是神經機器翻譯的基本建模框架。它是一種將輸入序列轉化為輸出序列的框架和方法。其基本思想是通過神經網絡直接實現自然語言之間的自動翻譯，因此，神經機器翻譯通常使用編碼器—解碼器框架實現序列到序列的轉換。（Bah-danauD,ChoK,BengioY,2014：4）神經網絡法在模型訓練完畢后無需再使用語料庫，只運用神經網絡獲取源語言到目標語言的轉換。但是,它需借助注意力機制，長短時記憶網絡（SutskeverI,VinyalsO,LeQV，2014：3104-3112），和門限循環單元（ChungJ,Guleceh-reC,ChoK,etal,2014：3）等。

2機器翻譯的應用分析

2.1應用優勢

2.1.1成本低，質量不斷提高與專業的人工翻譯相比較，機器翻譯只需要一臺電腦，不需大量人力參與，這就大大減少了時間、空間及人力成本。在其發展的歷程中，翻譯機器具有不斷更新的大數據庫，所以它總能做到與時俱進，質量也不斷提升。數據庫建立后，它使機器翻譯能在翻譯過程中得到學習和訓練，不斷完善自身的翻譯質量，提高翻譯水平和速度。機器翻譯質量不斷提高，這是人工翻譯所無法比擬的優越性。

2.1.2人機翻譯結合，提升翻譯速度日常交流不需要專業的翻譯人員，人工同聲傳譯供應有限，無法滿足目前龐大的翻譯市場的需求。機器翻譯作為一種語言轉換的工具，在日常學習、生活中可以填充翻譯人員的空缺。龐大的數據庫和計算機系統支持機器翻譯，它具有實時翻譯能力，翻譯速度不低于人工譯者的翻譯速度，又具有可持續運作性，為消費者提供了更快、更便利的服務。

2.1.3翻譯語言多元，滿足眾多需求當下，翻譯界能長期從事小語種翻譯的工作者稀缺，且能扎實掌握多語言的高端翻譯人才較少。在市場上，高端翻譯人才的薪酬比普通翻譯人員高,而在線語言翻譯機擁有33種（見網絡銷售翻譯機器的介紹）甚至更多語種翻譯功能，能滿足日常交流的多語種翻譯需求，其市場供給充足，可用較低價格實現長久使用。

2.2存在問題

2.2.1翻譯質量有待提升市場上多語言的高端翻譯人才較少，機器翻譯具有實時翻譯能力，翻譯速度不低于人工譯者的翻譯速度，又具有可持續運作性，為消費者提供了更快、更便利的服務，但翻譯質量有待提升。

2.2.2語義翻譯效果不如人工翻譯人工譯者可以根據雙語知識、文化、風俗習慣對文本進行“重組”，也可對翻譯進行修飾和潤色。但機器翻譯缺乏人工翻譯的自由度及內心的真實感受，無法將原文優美地翻譯出來。實際翻譯中情況復雜，需要具體問題具體分析。目前，解決的主要方法是機器翻譯＋人工翻譯。

2.2.3機器翻譯應用廣，影響專業翻譯學習者和譯者過度依賴機器翻譯，語言基礎得不到訓練，最終導致外語能力得不到有效提升，在緊張的學習氛圍和嚴峻的就業形勢中易失去競爭先機。在外語學習、出境旅游、網上跨國交友等情況下，機器翻譯大規模使用，其自身在性能、價格方面的優勢較強烈沖擊了對譯者的需求量，造成譯者在日常場合就業機會和所得薪酬都大幅度減少。機器翻譯的廣泛應用，導致市場對譯者的需求下降，引發專業翻譯人員對就業的擔憂。

3前景分析

3.1神經機器翻譯成為主流

目前，市場上最流行的翻譯軟件是基于規則的機器翻譯軟件和基于統計的機器翻譯軟件。但是隨著科學技術的發展，機器翻譯已經發展到端到端的神經機器翻譯，并成為未來主流的機器翻譯。如圖1所示：圖1來源：RicoSennrich16年11月份報告以上數據顯示了從2013年到2016年基于規則的機器翻譯、統計機器翻譯、神經機器的發展趨勢。2016年神經機器翻譯首次處于領先地位，成為主流的機器翻譯方法。圖1和影響神經機器翻譯發展的重大事件相對應：2015年5月，百度上線互聯網NMT（NeuralMachineTranslation，神經網絡機器翻譯）系統；2016年12月，SYSTRANINTERNATIONAL公司首次在世界范圍內推出了PNMT（PureNeuralMachineTranslation）；2016年9月29日，谷歌Google神經網絡機器翻譯系。

3.2人機共存

論記憶、存儲、計算，甚至某些特殊的智能，人類都可能不再是機器翻譯的對手，但人工智能機器翻譯也有自身的弱點——有智能沒智慧。如果機器翻譯和人工翻譯形成一個共同體，取長補短，相互增強，那就會更加精準快捷。正是基于這種想法，未來的機器翻譯將可能與人類形成互補共同體。從兩方面來展開，一方面給機器增加一點人類的智慧，另一方面則給人類增加一點機器的能力。人機共存是人類與智能機器未來存在的理想狀態，未來的機器翻譯應該在這方面加強研究。

3.3類腦機器翻譯

人類最智慧的器官是大腦，因此研究和模仿人類大腦的結構和功能是機器翻譯的重要工作。然而，由于人腦結構及其功能的復雜性，幾千年來人類大腦的結構和功能之迷仍然沒有完全被解開，更不要說仿造人類大腦。未來的機器翻譯如果要趕上或超越人類智慧，就必須解開大腦之謎，并讓機器能夠像人類大腦一樣進行思維和創新。雖然目前芯片越造越微小，功能越來越強大，人工神經網絡也越來越接近人類，但目前的處理器離大腦的結構和功能還相距甚遠。今后，若想在機器翻譯的研究方面取得突破，就必須在類腦計算和類腦智能上有重大突破。

4結論

綜上所述，本文通過對機器翻譯技術原理及其應用分析，論述了機器翻譯的優勢：（1）人機翻譯結合，提升翻譯速度；（2）翻譯語言多元，滿足眾多需求；（3）成本低，質量不斷提高。存在的問題有：（1）質量有待提升；（2）語義翻譯效果不如人工翻譯；（3）機器翻譯應用廣，影響專業翻譯。其前景是：（1）神經機器翻譯成為主流；（2）人機共存；（3）類腦機器翻譯。

參考文獻

[5]馮志偉.機器翻譯研究[M].北京：中國對外翻譯出版社公司，2004（12）：40-44.

[6]馮志偉.機器翻譯與人工智能的平行發展[J].外國語（上海外國語大學學報），2018，41（06）：35-48.

[7]高明虎，于志強.神經機器翻譯綜述[J].云南民族大學學報（自然科學版），2019，28（01）：72-76.

[8]侯強，侯瑞麗.機器翻譯方法研究與發展綜述[J/OL].計算機工程與應用，2019（4）：1-8.

[9]黃欣榮.新一代人工智能研究的回顧與展望[J].新疆師范大學學報（哲學社會科學版），2019（04）：1-11.

[10]李正栓，孟俊茂.機器翻譯簡明教程[M].上海：上海外語教育出版社，2009：6-13.

[11]劉洋.神經機器翻譯前沿進展[J].計算機研究與發展，2017，54（06）：1144-1149.

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

[13]翟琦雨.人工智能對翻譯行業的影響和建議探討[J].現代商貿工業，2019，40（09）:178-179.

[14]張靖睿.以機器翻譯為例淺析人工智能技術的應用[J].中國新通信，2018，20（21）：94-95.

作者：赫云露 胡喬 李桂麗 劉佳 單位：昆明理工大學外國語言文化學院