下载文档原格式
人工智能技术在语言翻译中的应用及未来发展趋势“翻译成为人类与未来的通行证”，这是机器翻译跨越语言壁垒的重要意义之一。
在这样一个瞬息万变的时代，翻译不再是某个人的特权，不再是某个行业的专利，而是全球化的必需品。
这背后，离不开人工智能技术在语言翻译中的应用与未来发展趋势。
首先，人工智能技术在语言翻译中的应用已经相当的成熟。
自然语言处理技术是机器翻译的关键之一。
随着深度学习模型的不断发展，特别是神经机器翻译技术的出现，机器翻译质量得到了显著提高。
很多语言翻译公司的自动化翻译系统使用了神经机器翻译技术，像Google Translate、百度翻译、有道翻译等。
此外，语音识别技术、自然语言生成技术、大数据挖掘技术、人工智能算法也逐渐渗透到翻译领域，从而为语言翻译带来了更多的应用场景。
比如，语音转写技术可以将电话会议中的内容实时转写成文字，减轻了笔录员的工作负担，大大提高了工作效率。
自然语言生成技术可以将晦涩难懂的技术语言转换为通俗易懂的语言，比如将医学知识转化为简明易懂的流行语言，为大众普及健康知识提供了更好的工具。
其次，未来人工智能技术在语言翻译中的应用也有着广阔的发展空间。
一方面，人工智能机器翻译的质量还有很大提升空间，可以通过增加数据量、改进算法等多方面的优化来实现。
翻译数据是机器翻译系统中至关重要的组成部分，数据的质量和数量都会直接影响到翻译系统的表现。
因此，精细化的翻译语料库建设将会越来越受重视。
并且，基于多模式学习和半监督学习的技术也在逐渐成熟，这将会极大的扩展训练数据的来源，提高翻译系统的信息获取与表示能力。
另一方面，人工智能技术将会进一步拓展翻译的应用场景。
除了传统的文本翻译和口译翻译，人工智能技术还可以被用于笔译、本地化、多语种会议、远程教育等领域的翻译服务，甚至可以用于语音聊天机器人、语音语义搜索、语音在线客服等人机对话场景。
最后，对于这些新技术的应用，我们还需要以人为本、平衡权利和责任。
机器翻译技术的发展及未来趋势分析一、引言随着全球化的深入发展，各国之间的交流与合作日益密切，语言翻译的需求也越来越大。
机器翻译技术，正是在这种大环境下应运而生。
机器翻译技术利用计算机来处理源语言和目标语言之间的转换，能够实现实时、高效、准确的翻译，大大提高了人们的翻译效率和质量。
本文将针对机器翻译技术的发展及未来趋势进行分析。
二、机器翻译技术的发展历程1.传统机器翻译技术传统机器翻译技术主要依靠语言规则和词典，通过对语言规则和词典进行分析和处理，将源语言转化为目标语言。
这种方法虽然能够处理一些简单的语言互译，但是对于大量的自然语言表达和潜在意义的捕捉，准确性还存在一定的局限。
2.神经机器翻译技术神经机器翻译技术是利用人工神经网络来模拟人脑的记忆和思考过程，通过大量的语料训练，能够自动学习语言之间的映射关系，并将源语言转化为目标语言。
相比于传统机器翻译技术，神经机器翻译技术更具有准确性和泛化性，已经成为现代机器翻译领域的主流技术。
三、机器翻译技术的发展趋势1.加强神经机器翻译技术的深度学习能力随着人工智能技术的发展，神经机器翻译技术也会进一步发展，增强其深度学习能力，提高其自主学习和理解语言意义的能力。
2.实现多语种、多模态的机器翻译传统的机器翻译技术主要针对单一语种进行翻译，未来的机器翻译技术将会实现多语种、多模态的翻译，将会应用于语音识别、声音处理、图像处理等领域。
3.通过深度融合来提高翻译质量深度学习和神经机器翻译技术的发展，将会带来多种信息的融合，例如声音、图像、文本等，这将会帮助机器翻译技术更全面地捕捉实际情境中的意义，并提高翻译质量。
四、机器翻译技术的应用1.机器翻译在商务领域的应用随着全球化的发展，商务活动的跨境交流越来越普遍。
机器翻译技术能够帮助商务人士进行跨文化交流，提高商务活动的效率和精度。
2.机器翻译在旅游领域的应用旅游是人们在生活工作之余，寻求放松和娱乐的方式。
随着社会经济和科技的发展，人们的旅游活动也越来越多样化和国际化。
机器翻译技术的现状和未来发展趋势随着全球化进程的加速，人类的交流需求越来越高，而语言壁垒却给交流带来了无法逾越的障碍。
机器翻译技术的出现解决了这一难题，让人类交流变得更加无缝便利。
本文将探讨机器翻译技术的现状和未来发展趋势。
一、机器翻译技术的现状机器翻译技术是一种将一种语言的文本转换成另一种语言的过程。
不同于人工翻译，机器翻译由计算机系统完成。
机器翻译技术的优点在于，它可以快速高效地翻译大量的文本，而且可以根据需要进行实时翻译，具有很高的灵活性。
然而，机器翻译技术的发展历程也充满了曲折与挫折。
早期的机器翻译技术受限于计算机处理能力和语言处理技术的不足，翻译效果很差。
但随着计算机技术和人工智能技术的发展，机器翻译技术变得越来越成熟和优秀。
例如谷歌翻译等机器翻译工具已经可以实现基本的翻译需求。
然而，机器翻译技术目前仍面临一些挑战。
一些语言之间的语言差异比较大，翻译起来较为困难。
一些语言中存在大量的歧义和多义词，这使得翻译词汇选择变得更加困难。
此外，许多语言中有大量的文化隐喻和表达方式，这也极大地增加了机器翻译的难度。
二、机器翻译技术的未来发展趋势机器翻译技术的发展趋势一直很明显：它将越来越接近人工翻译的效果。
在未来，机器翻译技术将面临着三个主要挑战。
1. 机器翻译技术需要表现得更加人性化机器翻译技术的翻译效果仍然比人工翻译差。
如果机器翻译技术想要在市场中取得更好的表现，它必须表现得更加人性化，这包括提高翻译质量和增加定制化服务。
机器翻译技术将提供更高质量的翻译，以及更多的翻译选择。
2. 语言差异问题依然存在虽然机器翻译技术在语言差异问题上得到了很大的改善，但这个问题还远远没有解决。
在未来，机器翻译技术需要更加深入地了解不同语言之间的差异，以便更准确地进行翻译。
3. 文化隐喻和表达方式的翻译问题仍然存在文化隐喻和表达方式是机器翻译技术面临的另一个难题。
这些隐喻和表达方式在语言中非常常见，但对于非本国人来说却很难理解。
人工智能在翻译领域的发展现状与未来趋势分析近年来，随着人工智能技术的快速发展，翻译行业也迎来了巨大的变革。
人工智能在翻译领域的应用不断扩展，越来越多的翻译工作开始交由机器来完成。
本文将对人工智能在翻译领域的发展现状与未来趋势进行分析。
首先，我们来看一下人工智能在翻译领域的发展现状。
目前，机器翻译已经取得了一定的成效。
通过大数据和深度学习技术，机器能够对大量的文本进行学习和分析，从而提高翻译的准确性和流利度。
例如，谷歌的神经网络翻译系统（Google Neural Machine Translation，GNMT）在各种语种的翻译任务上表现出了出色的效果。
这些成果显示出人工智能在翻译领域的巨大潜力，同时也引发了人们对机器是否能取代人类翻译员的疑虑。
然而，虽然机器翻译的发展已经取得了一定的成果，但仍然存在许多问题需要解决。
首先，机器翻译在处理词汇、语法和语境等方面仍然存在困难。
由于语言的复杂性和多义性，机器在理解上下文、隐含意义和专业术语方面仍然存在局限性。
其次，机器翻译的准确性和流利度仍然无法与人工翻译相媲美。
机器翻译往往会出现词序错误、语法错误和语言风格不准确等问题，这给翻译结果的可信度带来了一定的影响。
此外，机器翻译还面临着数据隐私和信息安全等问题，这些问题的解决需要更加完善的技术和制度支持。
然而，尽管还存在一些问题，但人工智能在翻译领域的发展前景依然非常广阔。
随着技术的不断进步和应用场景的不断扩展，人工智能翻译将在未来呈现出以下几个趋势。
首先，人工智能翻译将逐渐向个性化和定制化方向发展。
通过学习用户的偏好和习惯，机器能够提供更加个性化的翻译服务，满足用户的特定需求。
其次，人工智能翻译将更好地融合其他技术，实现跨领域的翻译。
例如，与语音识别技术相结合，机器可以提供实时的口译服务；与图像识别技术相结合，机器可以实现对图像中文字的自动翻译。
此外，人工智能翻译将更加注重用户体验和交互性。
通过简化操作界面、提供即时反馈和纠错功能等手段，机器能够提供更加智能、高效的翻译服务。
人类翻译与机器翻译的差异分析研究一、引言人类翻译与机器翻译是当前翻译领域的两大重要分支，二者在实践中的应用广泛，但在实现翻译任务的过程中存在着显著的差异。
本文旨在分析人类翻译与机器翻译之间的差异，并探讨其背后的原因。
通过深入研究，我们可以更好地理解二者之间的差异，并为进一步提升机器翻译质量提供有益参考。
二、人类翻译与机器翻译的定义1. 人类翻译人类翻译是指通过人工进行文本或口语材料从一种语言转换为另一种语言的过程。
它依赖于人类专业知识、语言能力和文化背景，通过理解原文意义并将其转化为目标语言来实现有效沟通。
2. 机器翻译机器翻译是指利用计算机技术和算法将源语言文本自动转换为目标语言文本。
它依赖于大规模数据训练和自然语言处理技术，通过模型学习和规则应用来进行自动化转换。
三、翻译的目标和效果差异1. 目标差异人类翻译的目标是在保持原文意义的基础上，尽可能准确地传达作者意图和信息。
人类翻译注重文本的语义、语法和语用等方面，力求达到自然流畅、易于理解的效果。
机器翻译的目标是在尽可能快速地转换源语言文本为目标语言文本，不一定要求完全准确。
机器翻译注重对源文进行模式匹配和统计分析，以产生相对流畅但可能存在一定错误或不准确性的结果。
2. 效果差异人类翻译在理解原文内容、选择合适表达方式等方面具有较高水平。
人类翻译结果通常具有较高质量，能够传达原作者意图，并适应不同领域或特定背景下的要求。
机器翻译在处理大规模数据和快速转换方面具有优势。
机器翻译结果通常能够提供初步理解，并为用户提供信息参考，但仍然存在一些问题，如句法错误、上下文理解不准确等。
四、背后原因分析1. 语言和文化差异人类翻译能够充分理解源语言和目标语言之间的语言和文化差异。
人类翻译者具备深厚的语言能力和跨文化理解能力，能够准确把握源文意义，并将其转换为目标文。
机器翻译在处理复杂的语言和文化差异时存在一定困难。
机器翻译系统往往只是通过大规模数据的统计分析来进行转换，难以准确理解源文意义，并在目标语言中恰当表达。
机器翻译的特点及其与人工翻译的关系2020年4月机器翻译的特点及其与人工翻译的关系本文关键词：机器翻译，翻译，关系机器翻译的特点及其与人工翻译的关系本文简介：摘要：本文从机器翻译的发展出发，客观分析了机器翻译与人工翻译的优缺点，以此探讨应该用辩证和发展的眼光来看待机器翻译，学会利用科技来提高自身工作的效率与价值。
关键词：机器翻译;人工翻译;人工智能;一、引言随着大数据、云计算和人工智能的发展,许多技术革新纷纷出现,人们的生活也随之变得更加机器翻译的特点及其与人工翻译的关系本文内容：摘要：本文从机器翻译的发展出发，客观分析了机器翻译与人工翻译的优缺点，以此探讨应该用辩证和发展的眼光来看待机器翻译，学会利用科技来提高自身工作的效率与价值。
关键词：机器翻译; 人工翻译; 人工智能;一、引言随着大数据、云计算和人工智能的发展,许多技术革新纷纷出现,人们的生活也随之变得更加便捷。
机器翻译便是备受瞩目的技术之一。
它指的是能够将口头或书面文字从一种语言翻译成另一种语言的自动化技术,全程无需人工参与。
随着互联网为人们开辟了更广泛的多语言世界,这种语言服务变得非常宝贵。
二、机器翻译的发展在过去几年中,机器翻译的研究和开发速度惊人。
早在2016年,谷歌推出了神经机器翻译系统,同时使用基于短语的机器翻译作为其服务背后的关键算法,以弥合人机翻译之间的差距。
后来,微软通过WMT2017Newstest证明其机器翻译系统已经可以产出与人工翻译几乎无法区分的译文。
在中国,网易、搜狗和科大讯飞等互联网巨头也加入了竞争,积极发布人工智能翻译设备,以卸下人工翻译的沉重负担。
然而,机器翻译的发展并非一帆风顺。
近日,腾讯的同声传译和转录机在博鳌论坛上译出了重复的短语和破碎的句子,引起了全世界对于AI翻译是否能够取代人工翻译的广泛关注和激烈辩论。
在谈到人工智能是否能取代人类的问题时,我们应该记住,几乎所有技术都有其优点和缺点,机器翻译也是如此。
机器翻译与人工翻译的差异以及未来展望赵丽娜长春师范大学外国语学院摘要：如今，人工智能的发展速度越来越快。
自从发明了语音识别功能和深入学习的技能，有越来越多人开始把目光转向了可以进行只能翻译的机器。
这篇论文对智能机器翻译和人工翻译两者之间的差异以及对机器翻译的未来展望进行深入的探究。
关键词：智能机器；人工；翻译；展望首次出现智能机器翻译是在1930年左右，那个时候的发展速度就非常迅速，所以引起了人们广泛的关注。
但是，但是智能机器的操作系统比较复杂，在技术方面的发展还不是特别成熟，所以智能翻译机器并没有被广泛应用和普及。
一、机器翻译的优点和不足(一)翻译快速机器翻译就是先对语音进行识别，然后再进行翻译。
所以，机器翻译既有计算机技术，又有人工智能技术。
换句话说，机器翻译可以利用计算机高效的运算速度来提高机器的翻译速度。
如今，在搜狗，语音识别翻译的速度为每秒钟400词，是同声传译的200倍。
(二)基础翻译速度快不同国家的人都需要通过翻译来进行沟通交流。
如果没有专业的翻译人员，又是语言不通的普通人，机器翻译就成为了一个非常好的选择。
机器翻译满足日常的翻译需求绰绰有余，因为在日常生活中，对翻译准确度的要求并不是特别高，反而要求翻译的速度要快。
所以会经常用于人们的日常交流和一些发布会。
这也是深受机器翻译自身的功能的影响。
机器翻译有一个系统是口语机器翻译系统，设计这个系统就是为了满足人们的日常需要。
所以在口语翻译这一部分的技术是很成熟的，能够轻轻松松面对人们的口语交流。
(三)深度翻译不是特别到位中华文化博大精深，同一个词语都有多种意思，但是别的语言却不会像这样。
所以，这也是机器翻译面临的难题。
不改变原意、语句通顺、语境优美是对机器翻译最基本的要求。
但是，由于机器翻译在翻译的时候还是根据算法程序来翻译，几乎不可能同时做到这几点，从而导致翻译的时候出现问题。
比如说我们让机器翻译“长河落日圆”这个句子，翻译结果显示为“The sunset is round”。
人工智能与机器翻译的关系近年来，人工智能（Artificial Intelligence，简称AI）技术的发展给许多领域带来了巨大的影响，其中之一就是机器翻译。
人工智能技术的应用使得机器翻译水平逐渐提高，但与此同时，人工智能在机器翻译中的局限性也逐渐显现。
本文将探讨人工智能与机器翻译之间的关系，分析其优势和不足，并展望未来的发展方向。
一、人工智能在机器翻译中的优势1.1 自动化和快速性人工智能技术使得机器翻译可以实现自动化处理，大大提高了翻译速度。
相比传统的人工翻译方式，机器翻译可以在短时间内完成大量的翻译工作，极大地节省了时间成本和人力资源。
1.2 学习能力和累积经验人工智能技术可以通过机器学习和大数据分析的方法不断积累翻译的经验和知识，提高翻译的准确性和质量。
通过对大量的翻译语料进行训练，机器可以学习到各种语言之间的对应关系和翻译规则，从而更好地实现翻译功能。
1.3 语言处理和自然语言理解人工智能技术在机器翻译中可以进行丰富的语言处理和自然语言理解，包括句法分析、语义识别等方面。
这些技术的应用可以提高机器翻译的准确度，使得机器能够更好地理解源语言的意思，并将其准确地转化为目标语言。
二、人工智能在机器翻译中的不足2.1 文化差异和习惯问题机器翻译在处理文化差异和习惯问题时面临较大的困难。
不同的语言和文化间存在着许多隐含的信息和习惯用法，机器难以完全理解和准确表达。
此外，机器翻译也很难解决一些复杂的语义和上下文问题，导致翻译结果的不准确性。
2.2 专业术语和行业知识机器翻译往往对于专业术语和行业知识的处理相对困难，尤其是在一些特定领域的文本翻译中。
传统的翻译工作者通常具备丰富的专业知识和背景，可以更好地理解和处理这些复杂的术语和概念，而机器则需要依赖于大量的专业语料和训练才能达到相同的水平。
2.3 难以处理文学和诗歌等艺术性文本机器翻译对于文学和诗歌等具有艺术性的文本的处理效果较差。
这些文本往往包含着丰富的情感和隐喻的表达，而机器很难准确地理解和转化这些表达方式，导致翻译结果的失真。
人工智能在翻译领域的发展现状与未来趋势人工智能（Artificial Intelligence，简称AI）技术的不断发展和创新，在翻译领域带来了翻天覆地的变化。
从早期的机器翻译到如今的深度学习模型，人工智能已经逐渐走向实现自动化、高质量的翻译。
本文将介绍人工智能在翻译领域的发展现状，并探讨未来的趋势和挑战。
人工智能在翻译领域的发展可以追溯到上世纪50年代，当时以词典和规则为基础的机器翻译（Machine Translation，简称MT）开始出现。
然而，由于复杂语言现象的存在，机器翻译很快遇到了困难，往往产生不准确、不通顺的翻译结果。
随着深度学习技术的兴起，尤其是神经机器翻译（Neural Machine Translation，简称NMT）的引入，人工智能在翻译领域的应用取得了重大突破。
NMT基于强大的深度神经网络模型，能够实现端到端的翻译，即从源语言直接映射到目标语言，无需中间步骤，避免了传统方法中的病句和不流畅的问题。
NMT技术在很大程度上提高了翻译质量，广泛应用于各种翻译软件和平台。
然而，人工智能在翻译领域仍面临许多挑战。
首先，语言的多样性使得翻译变得异常复杂。
每个语言都有独特的文化和语法规则，翻译工作需要考虑这些差异性。
当前的人工智能翻译系统大多是基于标准化的数据集进行训练，对于非标准和口语化的表达往往处理不佳。
其次，文化因素对于翻译来说至关重要。
语言背后蕴含着一种独特的文化体系，对于准确理解和传达语言中的隐含信息至关重要。
然而，人工智能翻译系统在处理文化差异方面还存在困难，往往无法完全准确地捕捉到文化上下文。
未来，人工智能在翻译领域的发展将朝着更加精准和人性化的方向发展。
首先，随着深度学习模型的不断优化和训练数据的增加，语言的翻译质量将进一步提高。
同时，引入更多的上下文信息和语言特征，将帮助系统更好地理解语义和文化差异。
其次，多模态翻译将成为未来的趋势。
随着语音和图像技术的发展，人们希望能够通过语音和图像进行跨语言交流。
人工智能在机器翻译中的应用和前景随着全球化和国际化的发展趋势，跨文化沟通愈发重要。
机器翻译技术的发展则被视为解决跨文化沟通障碍的有效手段之一。
而人工智能作为机器翻译的核心技术之一，也在不断地推动机器翻译技术的进步和发展。
一、机器翻译产业现状随着全球化的进一步推动，机器翻译领域逐渐受到关注。
在人们更加依赖信息化技术的今天，机器翻译既可以满足个人的生活和工作需求，也可以服务于国际化企业的发展。
当前，机器翻译的市场规模已经达到千亿级别，未来还有巨大的发展潜力。
加之人工智能技术日新月异，机器翻译在未来的市场前景非常广阔。
二、机器翻译技术的进展在机器翻译的发展过程中，人工智能技术的应用对于提高机器翻译的准确性和流畅度起到了重要作用。
目前，基于人工神经网络的机器翻译模型已经成为了机器翻译技术的主流研究方向。
人工神经网络是一种将人类智能应用到计算机领域的技术。
借助于深度学习算法，神经网络能够识别语言中的关键词和短语，然后将其转化为目标语言的翻译。
在人工智能技术的不断推动下，机器翻译技术的准确性也得到了极大提高。
以谷歌公司的机器翻译技术为例，谷歌翻译在使用人工智能技术之后其准确性已经大大提高，甚至可以达到与人类翻译相媲美的水平。
三、人工智能与机器翻译的结合将引领未来随着人工智能技术的不断发展和机器翻译的不断进步，未来机器翻译将会在跨语言沟通和国际交流领域发挥越来越大的作用。
首先，机器翻译将会更加高效。
借助于人工智能技术，机器翻译软件不仅可以快速翻译文本，还可以识别文本中的关键句子和短语，从而提高翻译的质量和准确性。
其次，机器翻译将会变得更加自然。
人工智能技术可以更加准确地模拟人类语言的表达方式，从而使机器翻译更加接近人类语言的表达方式和语流习惯，从而更加自然流畅。
最后，人工智能技术还可以为机器翻译的个性化服务带来更多可能性。
例如，机器翻译软件可以根据用户的使用习惯和喜好，自动调整翻译模式和风格，从而为用户提供更加贴近个人需求的翻译服务。
武奋机器翻译与人工翻译的未来关系宋仕振12(1.南开大学外国语学院，天津300071; 2.阜阳师范学院，安徽阜阳236041)【摘要】作为人工智能的一种，机器翻译近年来得到了突飞猛进的发展，其取代人工翻译的呼声也越 来越高。
文章基于机器翻译发展的现状及其面临的局限性，探讨了未来机器翻译与人工翻译的发展关 系。
文章认为机器翻译受到诸多因素的制约，如语料库，语言服务的本地化，以及机器本身等，无法取代 人工翻译。
机器翻译与人工翻译是互补而非对立的关系，各有其优势和缺陷。
错位竞争，人机交互，科技 与人文的融合是人工翻译与机器翻译未来关系的趋势和方向。
【关键词】机器翻译;人工翻译;语料库；大数据；人机结合【中图分类号】H315.9 【文献标志码】A【文章编号】1003-0166(2019)02-0025-06doi:10.3969/j.issn.1003-0166.2019.02.0050引言机器翻译是使用计算机系统将文本或语音从一种自 然语言自动翻译为另一种语言的过程'它是计算机语言 学的一个分支，涉及计算机、数理逻辑、语言学、信息论等 多种学科，是人工智能的一种，具有重要的科学研究价 值。
同时，机器翻译还具有重要的应用价值。
随着经济全 球化和互联网的飞速发展，机器翻译技术在促进经济、文 化、政治方面的交流发挥了越来越重要的作用。
从早期的 基于规则的机器翻译，到后来基于统计的机器翻译，再到 最新的神经机器翻译，其翻译能力逐步提高，也越来越广 泛地被应用于日常生活之中。
机器翻译不仅用于文字处 理，而且正在朝着智能翻译的方向发展，如语音识别和图 像识别能力。
作为人工智能的一种，人们不禁质问，未来 的机器翻译能否取代人工翻译？这两者之间的关系将何 去何从？文章基于机器翻译的发展状况及其面临的局限性，就人工翻译与机器翻译两者之间的未来发展走向进 行了探讨和展望。
1机器翻译发展的现状机器翻译自1947年问世以来，大致经历了 4个阶 段，即草创期（1947—1964)，萧条期（1964—1975)，复苏 期（1975—1989)和繁荣期丨1990之后丨。
经过70多年的发 展，机器翻译取得了巨大的进步，在一些相对限定的领 域，如说明书、科技文献等，机器翻译已经得以广泛使用，产生了一定的社会效益和经济效益。
随着世界经济一体 化的加速以及国际社会交流的日渐频繁，人们对于机器 翻译的需求空前增长，机器翻译迎来了新的发展机遇。
中国的机器翻译也取得了前所未有的成就，相继推出了一 系列机器翻译软件，如译星、雅信、通译、华建等。
在市场 需求的推动下，机器翻译进入了实用阶段，走进市场，来收稿日期：2018-10-30作者简介：宋仕振 南开大学外国语学院博士生，讲师，研究方向：社会翻译学翻译理论与实践到了用户面前。
新世纪以来，统计方法得到充分应用。
互 联网公司纷纷成立机器翻译研究组，研发了基于互联网 大数据的机器翻译系统，从而使机器翻译真正走向实用，如谷歌翻译、必应翻译、百度翻译、有道翻译等。
近年来，随着深度学习的进展，机器翻译技术得到了进一步的发 展，促进了翻译质量的快速提升。
从工作原理划分，机器翻译大致经历了 3个阶段:基 于规则（Rule-based)的机器翻译，基于统计(Statistics- based)的机器翻译以及基于深度学习(Deep Learning)的神 经机器翻译。
3个阶段见证了机器翻译质量的逐步提升。
机器翻译具有自动性和大规模性等优势，被越来越多地 应用到日常生活之中，有些技术文献的翻译几乎达到了 人工翻译的水平。
2016年，谷歌发布的新一代神经翻译 系统（Google Neutral Machine Translation)是目前最先进 的翻译系统。
“该系统在英语、法语、西班牙语、中文等主 要语言的互译上，将误差率降低了 60%以上，并且在规范 性文本的语言转换上已经可以达到人类翻译水平。
”[2]不 可否认，在相对限定的领域内，神经机器翻译的水平几乎 可以和人工翻译相媲美，如：1.International trade,for example,involves movements of products,commodities,or services from sellers located in one nation to buyers located in another nation, while international investment involves the transfer of resources,such as capitals or technological know-how[3]3 Google翻译：国际贸易涉及将产品，商品或服务从位 于一个国家的卖方转移到位于另一个国家的买方，而国 际投资涉及资源的转移，如资本或技术知识。
原文是由一个长句组成的段落，句式较为复杂，但从 质量来看，译文较为准确而流畅，几乎无需人工介入。
在语音方面，机器翻译也取得了较大的进展。
早在几 年前，美国微软公司就在天津的一次公开活动上展示了 一个全自动同声传译系统。
讲演者全英文演讲，后台的计 算机一气呵成，完成了语音识别、英中切换等过程，表达 流畅，效果良好。
所以有些所谓的技术专家认为在不远的 将来，机器翻译会替代人工翻译。
其实，机器翻译虽然取 得了巨大的进步，但仍受到诸多因素的制约，在很多层面 和领域还无法甚至永不可能替代人工翻译。
2机器翻译发展的制约因素机器翻译发展虽然取得了较为明显的进步，但是它仍然受到许多因素的制约，这些因素使之无法取代人工翻译。
2.1对平行语料库的依赖性。
作为一种数据驱动方法，当前的机器翻译高度依赖 平行语料库的规模、质量和领域广度。
然而，语料库的建 设也有自身难以克服的缺陷，制约着机器翻译的发展。
主 要制约因素如下：1)语料库覆盖率的狭窄性。
根据koehn&Knowles对英语到西班牙语的翻译系统 的研究，当语料库规模达1 500万词条以上时，神经网络 翻译的性能才开始优于统计翻译叱但实际情况是，除了 中文、英文、法文、德文、日文等主流语言的资源比较丰富 外，许多小语种的数据收集很难达到这种规模。
如“一带 一路”所涉及到的语言大都属于资源贫乏语言，通常只能 搜到小规模的语料库，并且这些语种多为黏着语，大都面 临词法分析的问题，而懂这些语言的专业人员又非常之 少，神经机器翻译模型并不适用。
国际上著名的Google Translate系统面临同样白勺冋题。
虽然Google Translate名义上支持的语种达60余种，但实际上除了一些主要大语 种到英语的机器翻译在日常用语和新闻等领域达到了较 高的水平之外，其他大部分语种之间的翻译，尤其是非欧 洲语言之间的互译，其水平远未达到令人满意的程度。
即便对于中文和英文，现在的语料库主要集中在政府文献、时政新闻和科学技术等方面，对于绝大数领域而言都严 重缺乏资料；因此，机器翻译的优势无法体现出来。
2) 语料库建设的滞后性。
语料库的另外一个缺陷就是建设的滞后性。
随着社 会的不断进步，科技的不断发展，新的术语和新的表达方 式就会源源不断地涌现出来。
黄友义认为，“在人文领域，我们国家的新观念，新理念、新表述，就没有数据库了，机 器解决不了，还得靠人。
”K其实，何止人文领域，科技领域 同样如此。
一些介绍最新前沿研究成果的信息性文本，如 学术论文、教科书或专业性书刊，常常使用大量的专业术 语，传播最新的学术理念，这些新生术语，往往缺乏另一 种语言的对应词。
如：2：Surface Protocol is the task that the free diver must perform after surfacing in order to validate a competition dive.^323谷歌翻译：水面协议是自由潜水员在浮出水面之后 必须执行的任务，以便验证竞赛潜水。
“Surface Protocol”是潜水术语，指的是“出水流程”，而机器翻译给出的译文是“水面协议”，与原意相差甚远。
由此可见，对于新生术语或新的表达表达，机器翻译 显得无能为力，仍然需要人工介入。
2.2机器本身的缺陷性除了语料库建设方面存在的问题，机器本身还存在 难以克服的困难，具体表现在以下几个方面。
1) “深度学习”的肤浅性。
当前的神经机器翻译是深度学习（Deep Learning)和大数据丨Big Data丨相结合的产物。
自从2006年被Geoffrey Hinton提出后，深度学习成为机器学习研究中一个新的 领域，其动机在于建立、模拟人脑进行分析学习的神经网 络，它模仿人脑的机制来解释数据，例如图像，声音和文 本。
深度学习极大地提高了机器的语音识别、图像识别等 能力。
但翻译是人类最复杂的实践活动之一，所涉及的思 维活动包括形象思维抽象思维两个方面。
人工智能或许 未来能够拥有人类的抽象思维能力，但很难拥有包括想 象和情感在内的形象思维能力。
所以机器翻译常用于新 闻、科技、专利、说明书等以事实描述、知识和信息传递为 交际目的文本领域。
这些文字较少涉及情感、常识和文化 背景。
在翻译表现性文本时，机器翻译的局限性则暴露无 遗。
所谓的表现性文本指的是注重情感表现、富于想象的 文本，其主要特征表现为主观性、情感性和想象性，如小 说，诗歌，散文、艺术等。
这类文本重视作者或人物形象的 情感表现，语义表达往往不稳定，较为模糊，而且大量运 用隐喻、象征等表达方式。
这种类型的文本，机器翻译很 难胜任，只能译出大意，缺乏内涵和文采。
机器再学习也 无法完成人的这种感情与理性合一的历史性积累，它不 能像人类一样，具有主观感受兼具理性分析。
模拟人脑其 实并不难，难的是无法学习优秀译者丰富的社会经验和 人生阅历。
换而言之，机器翻译缺乏人工翻译的个性化和创造 性。
而正是这种个性化和创造性推动着语言的发展和进 化，而机器翻译输出的只能是机械的“机器语言”。
2) 以句子为翻译单位的局限性。
自2014年以来，端到端神经机器翻译获得了迅速发 展，相对于统计机器翻译而言在翻译质量上获得了显著 提升' 所谓的端到端(from end to end)的翻译方法，即学 习时将句子整体作为网络的输入，在输出端得到完整的 译文。
通过大量翻译实例的学习，神经网络在大量计算的 基础上实现了对自然语句表达的最佳接近；因此，机器翻 译主要实现的是句子一级的翻译，尚难以实现段落和语篇层面上的翻译。
尽管如此，神经网络机器翻译对短句的 翻译质量仍然优于长句，长句的翻译仍然是一个巨大的 挑战。
Koehn &Knowles的实验表明，当句子片词数大于 60时时大约40〜50词之间，笔者注），原因之一是翻 译模型在解码时，搜索算法更倾向于选择短句生成翻译 结果。
