機器翻譯歷史

　　機器翻譯的歷史大體可以分為兩大階段，**階段是從60年代到90年代初期，理性主義方法是主流，主要是讓人類專家觀察語言規(guī)律，把它描述成規(guī)則，讓機器按照既定規(guī)則進行翻譯。第二個階段是90年代，特別是互聯(lián)網(wǎng)出現(xiàn)以后，開始從事統(tǒng)計機器翻譯研究，此時數(shù)據(jù)以及相應的數(shù)據(jù)驅動方法得到蓬勃發(fā)展。

　　統(tǒng)計方法比較經(jīng)典的模型叫做隱變量對數(shù)線性模型，它的特點是要設計特征，X代表輸入，Y代表輸出，Z就代表中間的語言結構，通過定義各種特征函數(shù)來訓練一個參數(shù)，很多工作都集中在如何設計好的特征來描述翻譯規(guī)律上。

　　但語言太過復雜，窮盡人類智慧也很難把這個特征設計全面，其中一個難點稱之為調序，比如“就中東局勢舉行了一個小時會談”，這是一個典型的介詞短語和動詞短語的組合，在中文中先說介詞短語，再說動詞短語，但在英文中都是反過來的。

　　2015年后，深度學習在機器翻譯得到應用。深度學習的主要意義在于它可以從數(shù)據(jù)中自動提取表示，就不需要像以前一樣設計特征來描述翻譯規(guī)則，只需要設計一個網(wǎng)絡，讓機器自動在數(shù)據(jù)去尋找表述，效果非常好。但還是有難解決的問題，它根本不知道數(shù)字是什么意思，不知道為什么出錯，不知道怎么去改動它，而且很難控制。

　　目前**核心的技術叫做注意力機制，希望通過自動計算發(fā)現(xiàn)中英文之間的相關性，這在整個深度學習里也是非常核心的技術?，F(xiàn)在可以利用一些比較新的技術，這個是transformer，希望能夠處理更長的序列。

　　機器翻譯旨在彌補人類干不了的場景

　　**近幾年出現(xiàn)了一系列機器翻譯應用，比如翻譯機、微信的翻譯服務。機器翻譯很大程度上是為解決不同國家、不同文化之間的溝通問題，如果機器翻譯能在一定程度上取代人、幫助人，溝通的信道會有一個巨大的釋放。那么機器翻譯究竟能否代替人呢?

　　宗成慶老師認為，機器翻譯近幾年的進步很大，可以大幅提高翻譯效率，但是機器翻譯的運用需要基于場景和任務，機器翻譯在一些場景下確實能幫助人，比如旅游問路，但是在某些領域，比如高層次的翻譯，要對機器翻譯寄予太多的希望還為時過早。

　　張民老師對宗老師的觀點表示贊同，他補充道，機器翻譯要從學術界和產(chǎn)業(yè)界兩個側面看。學術界一直可以做下去，產(chǎn)業(yè)界里機器翻譯已經(jīng)蓬勃發(fā)展，產(chǎn)業(yè)對學術界技術需求強烈，技術達到了產(chǎn)業(yè)低端門坎，產(chǎn)業(yè)推動技術發(fā)展、技術服務行業(yè)。

　　李長栓老師也認為雖然機器翻譯進步驚人，但不會有取代人的一天，其主要原因在于機器翻譯質量還達不到專業(yè)翻譯的要求，單個句子能理解，但通篇沒有邏輯。

　　朱靖波老師同意宗老師和張老師的觀點，并舉例說，通常假設翻譯人員的結果完全正確，而技術想要超過100%去達到101%的正確率，這在真理上是無法超越的。

　　但是機器翻譯在大數(shù)據(jù)之后蓬勃發(fā)展，并非意在取代人類，比如國家知識產(chǎn)權里幾百萬個專利文檔，只能利用機器翻譯，非人工所為;再比如身在國外，人工翻譯不可能隨時在身邊，只能利用機器翻譯，這都不能算是代替人工翻譯，而是去彌補人工翻譯干不了的應用場景。

　　是機器翻譯的問題，還是技術尚未成熟?

　　李長栓老師根據(jù)自己的使用經(jīng)驗，歸納了一下機器翻譯中遇到的主要問題：

　　以句子為基礎翻譯，忽略上下文中文長句子翻譯成英文，需要斷成幾句，但斷開之后，后面的句子就沒有主語了，這時候要補充主語。而機器翻譯根據(jù)什么補充主語成迷。

　　同一個詞出現(xiàn)多個譯文版本比如“訴裁程序”，機器翻譯給出了十幾個譯文版本，這個問題應該可以解決，但是神經(jīng)網(wǎng)絡翻譯似乎還沒有解決這個問題。

　　機械處理信息機器翻譯是依賴于形式的轉換，遇到歧義時是根據(jù)概率決定修飾關系;一詞多義也是，即便給了語料庫，但是在同一個專業(yè)領域，一個詞也有很多意思。

　　朱靖波老師對此表示部分贊同：

　　首先，目前基于句子級翻譯系統(tǒng)主要因為具體實現(xiàn)機制的問題，實際上學術界關于篇章級機器翻譯有不少研究工作?；谏舷挛姆治鲋髡Z省略和指代消解等問題，他更傾向于認為是理解問題而非翻譯問題，但可以將兩者結合起來實現(xiàn)更好的翻譯結果。

　　其次，有些問題應該分成兩個環(huán)節(jié)來考慮，比如原文錯誤，人會通過理解對其進行糾正錯誤后翻譯，但是對于機器翻譯來說，它認為這是用戶想要表達的意思，不能輕易自動修改原文，導致錯誤的翻譯。這就引出一點，機器翻譯是不是和別的技術融合在一起使用的效果更好。

　　**后，一詞多義跟結構歧義的問題是現(xiàn)在做得不夠好，不是機器翻譯沒有能力解決，機器翻譯建模的核心就是為了解決這兩個問題。

　　宗成慶老師指出，現(xiàn)在機器翻譯的基本假設是，只要收集到足夠多樣本就行。但這個假設是有問題的，**，模型能否學成存疑，第二，不應該只基于樣本，還有日常生活經(jīng)歷和常識等?，F(xiàn)在的模型還不夠智能，提供足夠的樣本也無法學成，這也是提出基于知識的機器翻譯的原因。

　　張民老師從學術界的角度分析了機器翻譯存在的兩個重大問題。一是篇章問題，翻譯本來應該根據(jù)上下文理解和邏輯分析，但目前機器翻譯建模方法都是句子對句子，在句子層面把翻譯看作是純數(shù)學映射，因此深度學習的方法如果遇上語料訓練缺失的情況急劇下降。二是知識和推理驅動，不僅僅是語言學知識，還包括常識知識、領域知識、世界知識等。

　　預訓練的提出與背景補充構想

　　劉洋老師舉了一個例子，有高翻在法國為了翻譯一本很厚的地鐵資料，坐了一周的法國地鐵，向乘務員詢問各種信息，后來為核電站翻譯也是如此，要知道設備的用途，他認為翻譯的絕大功夫都是花在對背景知識的理解。

　　而反觀現(xiàn)在的機器翻譯，還是基于數(shù)據(jù)，沒有上升到知識。預訓練是一個非常不一樣的想法，在單語數(shù)據(jù)上設計相關問題的學習任務，這樣數(shù)據(jù)幾乎是無限的，然后在上面訓練模型。

　　過去一年，預訓練的方法基本刷榜了LP任務，普遍提升8-10個點。但是機器翻譯還沒有這么好的效果，因為翻譯的輸出不是簡單的分類，而是整個序列，這個序列光輸出這個詞，就是指數(shù)級的數(shù)據(jù)，同時還要排準數(shù)據(jù)和階層，復雜度非常高。

　　預訓練和機器翻譯的結合是一個方向，如果提升到基于知識的翻譯系統(tǒng)，顯然是更好的策略。目前比較容易想到的是知識圖譜和機器翻譯結合，但這塊沒有突破性的進展。

　　李長栓老師也認為專業(yè)翻譯大部分時間是用來查資料的，他舉例，“某一個先生指出，索馬里沿海海島問題，聯(lián)絡小組鼓勵通過法律允許根據(jù)捕獲和釋放的做法進行起訴”，看 完之后不知所云，這就是機器翻譯的結果。

　　這種時候專業(yè)翻譯就會去查閱相關資料，明白之后再進行翻譯，“誰誰指出，鑒于一些國家存在先抓后放的做法，某小組鼓勵相關國家通過立法允許起訴”。翻譯是一個不斷調查、不斷獲取文字背后意思的過程，表達的過程是在理解基礎上自然形成的。

　　同時李長栓老師也提供了他對機器翻譯的優(yōu)化思路，機器補充知識是機器的優(yōu)勢，它有無窮無盡的語料，翻譯某一句話時就可以利用超鏈接等方式提供相關背景，這樣會更有助于翻譯的進行。

　　朱靖波老師根據(jù)自己的經(jīng)驗列舉出好的機器翻譯系統(tǒng)需要的三個東西。一是擴大訓練數(shù)據(jù)規(guī)模，提高品質;二是不斷創(chuàng)新技術;三是根據(jù)問題不斷打磨，三者缺一不可。他把機器翻譯技術的概念擴大到兩個不同對象之間的等價轉換，并認為機器翻譯與人工智能和NLP不同，機器翻譯是一個產(chǎn)業(yè)，機器翻譯+也是一個產(chǎn)業(yè)。

　　宗成慶老師認為雖然現(xiàn)在機器翻譯問題很多，但是不用悲觀，從研究角度講，只有發(fā)現(xiàn)問題才能改進問題，問題代表了進步空間。

　　機器翻譯的突破口在于產(chǎn)生新的范式

　　朱靖波老師認為未來機器翻譯的突破口在于產(chǎn)學研形成閉環(huán)，應用需求不斷推進機器翻譯理論和技術研究。

　　劉洋老師表示，必須要在范式上進行革新，要找到好的策略和方法，充分利用非標注數(shù)據(jù)。或者能把數(shù)據(jù)用好，或者能夠從未標注數(shù)據(jù)中提煉出知識，這兩點都非常關鍵。

　　李長栓老師認為，機器翻譯在中英文間的切換還是很困難，但是在新聞語言等領域，機器翻譯的質量已經(jīng)很高。未來的突破還是要回歸到范式或者是思維方法的改變上來，從句子當中抓取意思，再重新表達，這是人做翻譯時的思維過程，未來機器翻譯也是這樣。

　　宗成慶老師補充道，高質量的機器翻譯結果并非一定要達到信達雅，那是人類翻譯的終極目標，目前在某些場景的翻譯結果已經(jīng)很好，未來還需要解決更細節(jié)的問題。從某種意義上講，現(xiàn)在神經(jīng)網(wǎng)絡機器翻譯的性能已經(jīng)接近天花板，未來一定是對翻譯模型進行改進和提高，從技術應用和產(chǎn)業(yè)發(fā)展的角度講，需要明確具體需求和任務，針對性地做定向開發(fā)，這是推動整個技術真正走向實用的比較可行的路線。

　　張民老師表示，機器翻譯本身既是一個科學問題，又是一個工程問題，未來想要突破，科學上的突破一定要從科學技術上，產(chǎn)生新的范式;工程上的突破一定要依賴知識，而知識需要在不同的領域、需要全人類來解決。