AI翻译的原理、难点及发展方向

今天整个翻译圈都在转发一条关于AI翻译的推文。事件起因是，9月20日，一位ID为BellWang的用户在知乎发文“科大讯飞，你的AI同传操（qi）作（zha）能更风骚一点吗”，狠狠Diss了科大讯飞AI同传，指出科大讯飞在现场和直播展示的AI同传其实用的是人类同传翻译结果。具体可查看原文链接：http://dwz.cn/bFVximCd。

随后科大讯飞作出如下回应：“我们要以开放的心态看待科技的发展，不过也希望讯飞以后多尊重下译员的劳动成果和版权问题。”

既然说到AI翻译，今天我们就来了解下AI翻译的原理以及AI口语翻译仍要克服的那些困难吧~

AI翻译的原理

“AI干起了实时翻译，我们离跨越语言的鸿沟还有多远？”

1954年，美国成功研制出了世界首个机器翻译系统，实现了俄英两种语言之间的简单转化。但由于人类语言本身的复杂性和多样性，半个多世纪以来，计算机系统对于人类语言的理解一直处于相对较低的阶段，投入实际应用的研究成果寥寥无几。直到近10年，以“深度学习”为代表的人工智能技术在语音识别、自然语言处理等基础应用领域与产业结合的业务中取得了较大突破，能够识别语音的机器翻译逐渐从实验室走向普罗大众。

在AI机器翻译这条赛道上，互联网巨头都在虎视眈眈。自2016年乌镇互联网大会上，百度、搜狗相继亮相人工智能同声传译技术之后，又一次引发机器翻译是否会取代同声传译的激烈争论。尽管专业人工翻译公司依然看衰AI对翻译产业的颠覆性，但包括Google、Facebook、微软、百度、腾讯、搜狗在内的各大技术巨头却在不遗余力地推进深度学习在机器翻译领域的研发和应用。

2016年9月，Google发布谷歌神经机器翻译（GNMT:GoogleNeuralMachineTranslation）系统，声称该系统利用神经网络技术，模仿人脑的神经思考模式，产出媲美人工翻译的高质量译文，并将误差降低了55%-85%。谷歌公司己经将该技术应用于网页翻译与手机应用，译文质量明显提升。腾讯、百度、阿里巴巴等国内互联网公司将深度学习理念应用到机器翻译，在智能翻译领域持续发力，推出多款基于神经网络技术的在线翻译和手机应用。甚至在手机浏览器的升级战争中，智能翻译也被当作重要功能革新，搜狗手机浏览器推出“智能翻译”，集合了语音对话翻译、AR实时翻译、拍照翻译等常用功能。智能翻译架起了不同语种间人们便利沟通的桥梁，已经成为日常交流、出国旅游、外文学习等方面不可或缺的助手。

AI主要有三种方法翻译人类自然语言，分别是基于规则的机器翻译方法、基于实例的机器翻译方法、基于统计的翻译方法。其中，基于统计的机器翻译方法目前被谷歌、搜狗等基本采用。深度学习能够自动学习抽象特征表示、建立源语言与目标语言之间复杂的映射关系，给统计机器翻译的实现提供新途径，目前已经在词对齐、语言模型训练、解码等模块的优化应用方面取得较多成果。

口语翻译的难点

与普通文字翻译相比，AI口语翻译难度更大，原因有两个：

一、想要“译的准”，首先要能“听得清”。

AI要准确判断出指令发出者的语音、停顿，并在极短时间内进行“语音断句”，在涉及一些模糊音时能够根据“上下文”进行及时调整，这需要有深度学习的模型自动更换为一个语义通顺、更符合作者指令的句子，然后才能进行文字翻译处理。

二、想要“译的准”，还要包容口语的“4个任性”。

口语中很少会有严格符合语法约束的结构完整、正确的句子，而大量存在的是语法规则难以处理的现象。例如，口语中存在大量的代词，人类口语比较容易理解，但是AI不能结合上下文，缺乏背景知识，难以区分指代对象，导致翻译结果偏离原意。

除此之外，口语不连贯、语法约束弱、句子边界不明确、非正式语体材料多等问题也给AI口语翻译带来了挑战。

发展方向

要跨越语言不通的鸿沟，智能翻译还需往哪加油？

智能翻译对于口语化文本处理能力还不强，一是由于翻译语料库口语化语料不足，二是针对口语词汇与口语表达多采取直译方式，因此出现较多误译。该问题的解决应该从扩大对应部分语料库入手，增加口语类文本语料库，包括常见口语化词汇、表达与生活用语。

智能翻译对于中文复杂含义句式中的时态辨别能力还不够，往往需要充分理解整句话的意思才能准确把握时态。智能翻译并非基于理解，而是基于统计学与语料库，只能做到将这句话意思大致翻译准确，在识别感情色彩方面，还有欠缺。将神经网络学习的抽象表示和传统符号语义方法结合，建立新的基于语义的机器翻译系统，或许可以大幅提高AI对组合语义、复杂的递归语言结构的处理能力。

总之，AI翻译还有很长的路要走……希望AI在未来可以多服务于译员，而不是“剽窃”于译员~