浅析机器翻译应用与前景范文

本站小编为你精心准备了浅析机器翻译应用与前景参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

[摘要]随着科学技术迅猛发展，人工智能与翻译的关系更为密切。智能翻译工具的迅速发展对翻译从业者构成潜在挑战，为行业发展带来一定影响。基于以上时代背景，本文阐述了基于规则的机器翻译、统计机器翻译和神经机器翻译的翻译原理，对机器翻译运用优势和问题进行了分析，并对其发展前景进行了展望。

[关键词]机器翻译；翻译原理；运用分析；前景分析

在以人工智能、大数据和物联网为代表的技术变革时代，信息交流越来越便捷、高效，许多高新技术已经应用于机器翻译领域。随着机器翻译的发展，人们对其能否取代人工翻译以及其发展前景存有疑问。本论文重点分析机器翻译的现状和发展前景，以解开疑惑。机器翻译的研究可以追溯到20世纪50年代。国外机器翻译可分为初创期（1947s-1954s）、从高潮到低谷时期（1954s-1975s）、复苏和发展时期（1975s-1890s）和新时期（1989s至今）。由于国际环境的影响和计算机发展水平的限制，我国机器翻译有效研究始于20世纪80年代末。

1机器翻译的原理

1.1基于规则的机器翻译原理

基于语言规则的机器翻译系统类型大致可分为直接翻译系统、转换系统和中间语言系统。源语和目标语之间的词汇单元的对应关系是直接翻译系统设计的依据。转换系统的源语言分析独立于目标语言，双语转换时不仅需一部双语对应词典，还需要考虑双语结构差异，进行结构调整。中间语言系统的源语言不与目标语言直接接触,它把源语的文本用中间语表达出来，然后再把中间语言所表达的意义用目标语表达出来（冯志伟，2018：35-48）。基于规则的机器翻译的优点：第一，保持原文本结构；第二，对已知语言现象或结构规范的源语言效果较好。其缺点有：第一，手工书写、工作量大；第二，主观性很强、一致性得不到保证；第三，不利于系统扩充；第四，不能解决非标准语言翻译的问题。

1.2统计机器翻译原理

统计机器翻译和案例机器翻译的原理是基于语料库的。语料库是它们获得翻译知识的来源，所以它们统称为基于语料库的机器翻译技术原理。（冯志伟，2018：35-48）其中，基于统计的机器翻译系统应用更为广泛，例如IBM公司的Candide系统。统计机器翻译采用数据驱动的方式，主要依靠双语或多语言并行语料库，通过对词对齐和翻译规则提取实现翻译建模，然后利用所学知识和翻译规则进行自动翻译。统计机器翻译的任务是将观察到的源语言还原为最有可能的翻译，即同一源语句段可能对应多个候选翻译句段，呈现概率最大的便是译文。（侯强、侯瑞丽，2019：4）设计概率模型对翻译过程建模是统计机器翻译的核心。统计机器翻译的优点：第一，基于平行语料直接训练翻译模型统计量产阶段；第二，推动以谷歌为代表的工业界大规模商业运用。其缺点：第一，建模能力差、模型假设较多；第二，调序困难、翻译比较生硬。

1.3神经机器翻译原理

2013年Kalchbrenner和Blunsom提出了一种基于神经网络的翻译方法。端到端序列生成模型是神经机器翻译的基本建模框架。它是一种将输入序列转化为输出序列的框架和方法。其基本思想是通过神经网络直接实现自然语言之间的自动翻译，因此，神经机器翻译通常使用编码器—解码器框架实现序列到序列的转换。（Bah-danauD,ChoK,BengioY,2014：4）神经网络法在模型训练完毕后无需再使用语料库，只运用神经网络获取源语言到目标语言的转换。但是,它需借助注意力机制，长短时记忆网络（SutskeverI,VinyalsO,LeQV，2014：3104-3112），和门限循环单元（ChungJ,Guleceh-reC,ChoK,etal,2014：3）等。

2机器翻译的应用分析

2.1应用优势

2.1.1成本低，质量不断提高与专业的人工翻译相比较，机器翻译只需要一台电脑，不需大量人力参与，这就大大减少了时间、空间及人力成本。在其发展的历程中，翻译机器具有不断更新的大数据库，所以它总能做到与时俱进，质量也不断提升。数据库建立后，它使机器翻译能在翻译过程中得到学习和训练，不断完善自身的翻译质量，提高翻译水平和速度。机器翻译质量不断提高，这是人工翻译所无法比拟的优越性。

2.1.2人机翻译结合，提升翻译速度日常交流不需要专业的翻译人员，人工同声传译供应有限，无法满足目前庞大的翻译市场的需求。机器翻译作为一种语言转换的工具，在日常学习、生活中可以填充翻译人员的空缺。庞大的数据库和计算机系统支持机器翻译，它具有实时翻译能力，翻译速度不低于人工译者的翻译速度，又具有可持续运作性，为消费者提供了更快、更便利的服务。

2.1.3翻译语言多元，满足众多需求当下，翻译界能长期从事小语种翻译的工作者稀缺，且能扎实掌握多语言的高端翻译人才较少。在市场上，高端翻译人才的薪酬比普通翻译人员高,而在线语言翻译机拥有33种（见网络销售翻译机器的介绍）甚至更多语种翻译功能，能满足日常交流的多语种翻译需求，其市场供给充足，可用较低价格实现长久使用。

2.2存在问题

2.2.1翻译质量有待提升市场上多语言的高端翻译人才较少，机器翻译具有实时翻译能力，翻译速度不低于人工译者的翻译速度，又具有可持续运作性，为消费者提供了更快、更便利的服务，但翻译质量有待提升。

2.2.2语义翻译效果不如人工翻译人工译者可以根据双语知识、文化、风俗习惯对文本进行“重组”，也可对翻译进行修饰和润色。但机器翻译缺乏人工翻译的自由度及内心的真实感受，无法将原文优美地翻译出来。实际翻译中情况复杂，需要具体问题具体分析。目前，解决的主要方法是机器翻译＋人工翻译。

2.2.3机器翻译应用广，影响专业翻译学习者和译者过度依赖机器翻译，语言基础得不到训练，最终导致外语能力得不到有效提升，在紧张的学习氛围和严峻的就业形势中易失去竞争先机。在外语学习、出境旅游、网上跨国交友等情况下，机器翻译大规模使用，其自身在性能、价格方面的优势较强烈冲击了对译者的需求量，造成译者在日常场合就业机会和所得薪酬都大幅度减少。机器翻译的广泛应用，导致市场对译者的需求下降，引发专业翻译人员对就业的担忧。

3前景分析

3.1神经机器翻译成为主流

目前，市场上最流行的翻译软件是基于规则的机器翻译软件和基于统计的机器翻译软件。但是随着科学技术的发展，机器翻译已经发展到端到端的神经机器翻译，并成为未来主流的机器翻译。如图1所示：图1来源：RicoSennrich16年11月份报告以上数据显示了从2013年到2016年基于规则的机器翻译、统计机器翻译、神经机器的发展趋势。2016年神经机器翻译首次处于领先地位，成为主流的机器翻译方法。图1和影响神经机器翻译发展的重大事件相对应：2015年5月，百度上线互联网NMT（NeuralMachineTranslation，神经网络机器翻译）系统；2016年12月，SYSTRANINTERNATIONAL公司首次在世界范围内推出了PNMT（PureNeuralMachineTranslation）；2016年9月29日，谷歌Google神经网络机器翻译系。

3.2人机共存

论记忆、存储、计算，甚至某些特殊的智能，人类都可能不再是机器翻译的对手，但人工智能机器翻译也有自身的弱点——有智能没智慧。如果机器翻译和人工翻译形成一个共同体，取长补短，相互增强，那就会更加精准快捷。正是基于这种想法，未来的机器翻译将可能与人类形成互补共同体。从两方面来展开，一方面给机器增加一点人类的智慧，另一方面则给人类增加一点机器的能力。人机共存是人类与智能机器未来存在的理想状态，未来的机器翻译应该在这方面加强研究。

3.3类脑机器翻译

人类最智慧的器官是大脑，因此研究和模仿人类大脑的结构和功能是机器翻译的重要工作。然而，由于人脑结构及其功能的复杂性，几千年来人类大脑的结构和功能之迷仍然没有完全被解开，更不要说仿造人类大脑。未来的机器翻译如果要赶上或超越人类智慧，就必须解开大脑之谜，并让机器能够像人类大脑一样进行思维和创新。虽然目前芯片越造越微小，功能越来越强大，人工神经网络也越来越接近人类，但目前的处理器离大脑的结构和功能还相距甚远。今后，若想在机器翻译的研究方面取得突破，就必须在类脑计算和类脑智能上有重大突破。

4结论

综上所述，本文通过对机器翻译技术原理及其应用分析，论述了机器翻译的优势：（1）人机翻译结合，提升翻译速度；（2）翻译语言多元，满足众多需求；（3）成本低，质量不断提高。存在的问题有：（1）质量有待提升；（2）语义翻译效果不如人工翻译；（3）机器翻译应用广，影响专业翻译。其前景是：（1）神经机器翻译成为主流；（2）人机共存；（3）类脑机器翻译。

参考文献

[5]冯志伟.机器翻译研究[M].北京：中国对外翻译出版社公司，2004（12）：40-44.

[6]冯志伟.机器翻译与人工智能的平行发展[J].外国语（上海外国语大学学报），2018，41（06）：35-48.

[7]高明虎，于志强.神经机器翻译综述[J].云南民族大学学报（自然科学版），2019，28（01）：72-76.

[8]侯强，侯瑞丽.机器翻译方法研究与发展综述[J/OL].计算机工程与应用，2019（4）：1-8.

[9]黄欣荣.新一代人工智能研究的回顾与展望[J].新疆师范大学学报（哲学社会科学版），2019（04）：1-11.

[10]李正栓，孟俊茂.机器翻译简明教程[M].上海：上海外语教育出版社，2009：6-13.

[11]刘洋.神经机器翻译前沿进展[J].计算机研究与发展，2017，54（06）：1144-1149.

[12]罗华珍，潘正芹，易永忠.，人工智能翻译的发展现状与前景分析[J].电子世界，2017（21）：21-23.

[13]翟琦雨.人工智能对翻译行业的影响和建议探讨[J].现代商贸工业，2019，40（09）:178-179.

[14]张靖睿.以机器翻译为例浅析人工智能技术的应用[J].中国新通信，2018，20（21）：94-95.

作者：赫云露 胡乔 李桂丽 刘佳 单位：昆明理工大学外国语言文化学院