你真的了解机器翻译吗丨机器翻译研究热点与展望

谈起“机器翻译”，作为非专业人士，可能首先想到的是翻译软件翻译出来“比较可笑”的译文。事实上，机器翻译技术在近年来已经取得了长足发展，已在诸多语种与领域实现了从0到1的突破，并且逐步逼近平行对译的境界。在西方诸多语种之间，机器翻译的准确率已经稳居90%以上，即便是长期以来难度颇大的中-英互译，机器翻译的准确率也在稳步增长。

另一方面，机器翻译似乎总面临那么一点瓶颈，哪怕99%的内容都不出错，仍然会在最后一公里卡壳，不是需要人工查漏补缺，就是弄出令人尴尬的错误。因此机器翻译结合译后编辑自然成为当下的主流选择，结合两种模式实现1+1＞2的效果。

机器翻译研究具有跨学科属性，计算机领域学者致力于机器翻译的模型构建与算法提升，对基于规则的机器翻译与基于语料库的机器翻译进行了深入探讨。语料库法是目前机器翻译系统的主流构建方式，具体包括实例法、统计法和神经网络法。

机器翻译早期，机器译文质量不容乐观，外语界学者基于机器译文展开质量评测，归纳机译文本里的错误。为提高机译质量，学者们寻求译后编辑途径辅助机器翻译。翻译技术的不断发展也引发机器翻译在翻译教学及语言服务中应用问题的深入探讨。

总体而言，各领域学者从不同角度切入机器翻译研究，为学界进一步研究机器翻译提供了参考，但不足之处也逐渐显露。

 表1 国内机器翻译研究发文机构排名

由表1可知，国内机器翻译研究主要由理工科院校的计算机技术学院和信息科学学院为驱动。就机构分布地来看，国内机器翻译研究机构分布广泛，具体可归纳为三大板块：北部学术团体以中国科学院大学和哈尔滨工业大学为主；东部以苏州大学、中国科学院合肥智能机械研究所为代表；西部地区的新疆大学和中国科学院新疆理化技术研究所同样表现不俗。值得一提的是，新疆大学、内蒙古大学依托地域特色，致力于机器翻译在少数民族语言中的应用研究，研究特色鲜明。中国地域广阔，民族多样，语言众多，不同民族之间需要交流沟通。基于计算机的“语际翻译”研究有利于不同民族之间的语言阐释。

统计机器翻译和神经机器翻译是21世纪以来国内外机器翻译研究关注的重点。对于机器翻译技术原理的阐释与提升，国内外研究均涵盖了语料库、注意力机制、特征提取、翻译模型等关键词。这说明机器翻译作为以计算机为依托的语言翻译技术，系统构建与算法改进对其具有重要作用。信息提取、数据转换、自然语言处理等是数据获取的重要方法，也是国内外机器翻译研究中共同的热点话题。

然而，国内外机器翻译的跨语言研究存在差异。国内机器翻译研究的语言类别中，汉英机译转换讨论最多。作为一种国际性的官方交际语言，英语的优势地位在短期内依旧难以动摇。民族语言的机译是国内机器翻译研究的一大亮点，如维汉机器翻译、蒙汉机器翻译等，这与我国丰富的民族语言文化密不可分。国外对于跨语言机器翻译的讨论集中于不同语言间的转换，如英汉、英法、德法等，也有研究关注英语与拉丁语等低资源语种之间的机译转换。

语音识别技术是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高级技术。近年来，人工神经网络在语音识别中的应用研究兴起，面向个人用途的语音识别技术也日渐完善。这拓展了机器翻译可实现的文本形式，视听翻译也在机器翻译市场中崭露头角。与此同时，国内机器翻译应用研究更多地关注翻译教学、语言服务、众包翻译等话题，这与国内语言服务行业规模不断扩大密切相关。翻译技术高歌猛进的同时，要求翻译教学革新以培养符合市场需求的翻译人才。

总的来说，机器翻译发展势头强劲，全球化趋势明显。国内外机器翻译研究均关注机器翻译系统构建与技术提升，类型研究包括统计机器翻译和神经网络翻译，语言模式囊括信息提取和自然语言处理，应用研究包含计算机辅助翻译，体现出技术发展与产业需求的共同作用。同时，机器翻译研究地域化研究特点突出。国内研究关注机器翻译在翻译教学、语言服务等领域的应用，注重语内语言的机译转换。而国外侧重译文质量的实证评测，兼有对低资源语种机译的探讨。

作为新兴产业，机器翻译无论在应用还是在科研领域都享有广阔的发展前景。本文通过描写国内外机器翻译发展现状，为新时代国内机器翻译持续发展提供思路。