當(dāng)今大學(xué)生現(xiàn)在使用翻譯軟件閱讀英語論文。海外旅行者已把翻譯App作為手機必備應(yīng)用?？礃幼訖C器翻譯就要取代譯員。如同機器在問答、導(dǎo)航、收銀這些崗位做到的一樣。譯雅馨翻譯公司簡單講述一下機器翻譯達到怎么樣的程度呢？ 

機器翻譯初具“理解”能力
理想豐滿?，F(xiàn)實亦可期。盡管現(xiàn)在機器翻譯距離人工翻譯還有一段距離。但隨著技術(shù)的發(fā)展和人類對語言認知的深入。機器翻譯取代人工翻譯很值得期待。
單詞翻譯是最為簡單的。就是詞典在做的事情。單詞與單詞放在一起。成了短語也可以應(yīng)付。短語和單詞構(gòu)成句子。不同場景下有著不同的意思。如果還要考慮這些句子在不同篇章中。基于上下文語境的意思。這對機器翻譯而言就有點兒難度了。
 舉個通俗的例子。電影字幕的翻譯大家都很熟悉。也都知道只有翻譯者理解了導(dǎo)演要說什么。演員要講什么。理解了故事的來龍去脈。具備對應(yīng)的專業(yè)背景知識。才能帶給觀眾好字幕。
工業(yè)界的翻譯技術(shù)與它有異曲同工之處。目前尚處于能夠準(zhǔn)確翻譯短語和單詞。同時不斷提升句子翻譯質(zhì)量的階段。且逐步向精準(zhǔn)的篇章翻譯靠齊。
句子翻譯兩大難題：消歧和調(diào)序
機器翻譯尚處于“句子翻譯“的初級階段。即準(zhǔn)確地理解每一個句子的基本意思。據(jù)百 度NLP(自然語言處理技術(shù))技術(shù)人員介紹。盡管機器翻譯在句法理解上有所突破。但最大的難點還在于消歧和調(diào)序。
一個是順序問題。長句子。英文的語序和中文的是不一樣的。比如中文“在這張桌子上有一束花”。英文是“There are a bunch of flowers on the table”。這樣的不同是當(dāng)前機器翻譯的一大難點。機器翻譯需要做到適當(dāng)?shù)卣{(diào)整順序。
第二個問題是歧義問題。一個詞有多個語義。比如“看”這個詞?？床?、看書、看球。是不一樣的;打球、打賞、打牌、打臉中“打”的意思也非常不同。如果直接將句子中的“看”簡單翻譯為Look自然不行。而這樣的情況又無法窮舉。
 消歧和調(diào)序是機器翻譯要解決的最重要的兩個問題。如果能夠突破。機器翻譯未來就可以幫助人們做更多事情。
機器翻譯突破的殺手锏——NLP技術(shù)
業(yè)界如何解決機器翻譯所面臨的問題呢?不妨看看百度翻譯的思路。
百度翻譯的核心方案是依靠NLP技術(shù)。NLP技術(shù)能夠基于海量自然語言語料庫。通過機器學(xué)習(xí)自動理解不同單詞、短語和句式。模擬人腦思考過程去理解自然語言。
比如。為了增加更多語種之間的互譯可能。百 度翻譯選擇中文或英文作為中間語言。在其他語種之間架起一座‘翻譯橋梁’。由于不同語種間的語料規(guī)模不一。并且一些小語種間的直接翻譯模型也較小。如果用戶想要將葡萄牙語翻譯成日語。通過這項中軸語技術(shù)。機器將自動從葡語——中文——日語。葡語——英文——日語等模型中識別并過濾出最優(yōu)模型。進而迅速呈現(xiàn)最優(yōu)翻譯結(jié)果。