人工智能在機(jī)器翻譯中的應(yīng)用研究

郭明陽, 張曉玲, 唐會(huì)玲, 孟慶端，任龍波

(河南科技大學(xué) a.外國(guó)語學(xué)院；b.信息工程學(xué)院；c.電氣工程學(xué)院, 河南 洛陽 471023)

1 人工智能在機(jī)器翻譯中應(yīng)用的研究意義

人工智能(artificial intelligence，AI)是指研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。隨著計(jì)算機(jī)技術(shù)與信息技術(shù)的快速發(fā)展，人工智能對(duì)機(jī)器翻譯進(jìn)行了整體闡述，主要包括自然語言處理、機(jī)器人學(xué)和知識(shí)系統(tǒng)等方面。機(jī)器翻譯是自然語言處理技術(shù)的一個(gè)分支，注重利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)一種人類語言(源語言)到另外一種人類語言(目標(biāo)語言)的自動(dòng)翻譯或轉(zhuǎn)換。例如,借助于人工智能技術(shù)，翻譯者和技術(shù)人員可以首先對(duì)機(jī)器的整體翻譯方案開展均勻抽樣；然后采用蒙特卡羅等方法模擬具體文本的翻譯過程，計(jì)算每種排布方式下的機(jī)器翻譯效率，從而生成大數(shù)據(jù)翻譯樣本供人工智能算法學(xué)習(xí)，進(jìn)而采用人工神經(jīng)網(wǎng)絡(luò)高效地?cái)M合出翻譯架構(gòu)排布與機(jī)器翻譯效率之間的關(guān)系；最后結(jié)合遺傳算法尋找機(jī)器翻譯的最優(yōu)排布方式。人工智能技術(shù)已經(jīng)應(yīng)用于以谷歌翻譯、百度翻譯為代表的網(wǎng)絡(luò)即時(shí)翻譯和以譯星、雅信譯霸為代表的專業(yè)翻譯系統(tǒng)中。

人工智能技術(shù)雖然尚處于發(fā)展階段，但其應(yīng)用前景是非常明晰的。2017年7月，國(guó)務(wù)院發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，人工智能已經(jīng)成為重要的國(guó)家戰(zhàn)略。各大經(jīng)濟(jì)體均處于同一起跑線上，對(duì)人工智能的研究和應(yīng)用均處于投入探索階段[1]。結(jié)合中國(guó)國(guó)際貿(mào)易高端人才不足、知識(shí)經(jīng)濟(jì)生產(chǎn)力發(fā)展亟待提速等問題，在新經(jīng)濟(jì)時(shí)代人工智能技術(shù)給了中國(guó)難得的趕超機(jī)會(huì)。翻譯能力的核心在于與翻譯過程中的各方保持積極的活動(dòng)關(guān)系,并生產(chǎn)出符合客戶要求的譯文[2]。人工智能以及機(jī)器翻譯的各項(xiàng)技術(shù)加速發(fā)展，正在不斷地提升人類對(duì)于各種語言信息的處理能力，彌補(bǔ)人工翻譯在速度和成本方面的不足。智能語音、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯等技術(shù)越來越成熟，人工智能給許多行業(yè)帶來了重要影響和挑戰(zhàn)[3]。

2 人工智能和機(jī)器翻譯的研究進(jìn)程

伴隨著人工智能的進(jìn)一步發(fā)展，機(jī)器翻譯能夠更好地滿足大多數(shù)一般性翻譯需求，但面對(duì)專業(yè)、多元、細(xì)致并蘊(yùn)含人文情感的復(fù)雜溝通翻譯任務(wù)，機(jī)器翻譯目前仍然難以替代人工翻譯。當(dāng)前人工智能發(fā)展中顯現(xiàn)出互為鏡像、互為嵌入和互為信息的人機(jī)關(guān)系趨勢(shì)[4]。因此，目前機(jī)器翻譯會(huì)和人工譯員一起協(xié)同工作。但是，在這種協(xié)作翻譯的關(guān)系中，以前簡(jiǎn)單的“機(jī)器輔助翻譯”模式已經(jīng)越來越多地被人工智能交互翻譯(artificial intelligence interactive translation，AIIT)所取代，這是翻譯技術(shù)能力的進(jìn)步[5]。機(jī)器翻譯和計(jì)算機(jī)輔助翻譯的很多工作,也將會(huì)由日益完善的人工智能交互翻譯來完成。

3 基于人工智能技術(shù)的機(jī)器翻譯

人工智能在機(jī)器翻譯中的廣泛應(yīng)用程度與人工智能技術(shù)的進(jìn)步和機(jī)器翻譯功能的提升有關(guān)，這一點(diǎn)在專業(yè)翻譯中體現(xiàn)得尤為明顯。嚴(yán)格意義上來講，計(jì)算機(jī)網(wǎng)絡(luò)信息本身是一個(gè)龐大的數(shù)據(jù)信息庫(kù)，而這個(gè)數(shù)據(jù)庫(kù)又是由海量的子數(shù)據(jù)庫(kù)構(gòu)成的[6]。有些翻譯語料所涉及的領(lǐng)域很多，技術(shù)性和專業(yè)性都很強(qiáng),而且語料內(nèi)容信息豐富，因此文本內(nèi)容會(huì)經(jīng)常出現(xiàn)重復(fù)現(xiàn)象。根據(jù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示,有些需要機(jī)器翻譯的技術(shù)資料相關(guān)內(nèi)容重復(fù)率能達(dá)到40%以上。針對(duì)這種情況，人工智能可以依據(jù)機(jī)器翻譯的基本原理——翻譯記憶自動(dòng)對(duì)重現(xiàn)的語料成分進(jìn)行翻譯，例如對(duì)前文翻譯過的語句或者語段部分進(jìn)行快速比對(duì)，然后高速呈現(xiàn)翻譯結(jié)果，這樣就極大地提高了機(jī)器翻譯的工作效率，并且能夠保證機(jī)器前后翻譯內(nèi)容具有一致性，從技術(shù)層面上保證了譯文具有更高的質(zhì)量。

出于提升翻譯效率和確保翻譯內(nèi)容一致性的考慮, 人工智能在機(jī)器翻譯的應(yīng)用系統(tǒng)中，通常會(huì)設(shè)置系統(tǒng)翻譯組件，例如翻譯記憶庫(kù)和術(shù)語管理組件。翻譯記憶庫(kù)主要是指人工智能在機(jī)器翻譯系統(tǒng)中所構(gòu)建的語料原文和翻譯內(nèi)容相對(duì)應(yīng)的等值語料庫(kù)。當(dāng)機(jī)器翻譯系統(tǒng)開始進(jìn)行翻譯工作時(shí)，人工智能會(huì)自動(dòng)對(duì)需要翻譯的文本資料在翻譯語料庫(kù)中進(jìn)行存儲(chǔ)和比對(duì)，在整個(gè)翻譯過程中，人工智能通過對(duì)程序代碼進(jìn)行掃描，發(fā)現(xiàn)有相似或相近的翻譯內(nèi)容時(shí)，人工智能系統(tǒng)會(huì)自動(dòng)將其與翻譯語料庫(kù)內(nèi)容進(jìn)行匹配，通過語境和語言使用系統(tǒng)進(jìn)行確認(rèn)后,就可以快速將最終翻譯結(jié)果呈現(xiàn)在用戶界面。隨著人工智能技術(shù)的不斷提升，能夠支持模糊匹配的機(jī)器翻譯系統(tǒng)也在不斷升級(jí)，人工智能系統(tǒng)通過對(duì)算法的不斷改進(jìn),可以自動(dòng)設(shè)置語料原文和譯文之間的最小匹配值(如60%或者80%)。然后，通過模糊匹配程序搜索翻譯記憶庫(kù)中的語料，即便是對(duì)于那些不能實(shí)現(xiàn)完全匹配的句型，人工智能也可以通過機(jī)器翻譯達(dá)到相似的內(nèi)容確認(rèn)，再通過語言使用系統(tǒng)或者人工譯員進(jìn)行確認(rèn)，實(shí)現(xiàn)人工智能與人工譯員的互動(dòng)互助。目前，這樣的工作模式既能夠保證高水平的翻譯質(zhì)量，又能夠讓機(jī)器翻譯通過人工智能的自我學(xué)習(xí)程序提升翻譯的質(zhì)量和效率。

未來，學(xué)習(xí)能力和數(shù)據(jù)處理能力更加強(qiáng)大的人工智能系統(tǒng)將幫助機(jī)器翻譯更好地完成工作?，F(xiàn)有的翻譯記憶庫(kù)通過人工智能的自我學(xué)習(xí)程序也可以不斷更新，并能夠自動(dòng)識(shí)別和存儲(chǔ)新語料。隨著翻譯記憶庫(kù)數(shù)據(jù)的不斷擴(kuò)大，在大數(shù)據(jù)技術(shù)的支持下，人工智能能夠使機(jī)器翻譯的工作效率不斷提升。通過網(wǎng)絡(luò)共享功能，人工智能可以通過對(duì)海量網(wǎng)絡(luò)翻譯數(shù)據(jù)進(jìn)行精確算法分析，從而提升人工智能的自我學(xué)習(xí)能力，使機(jī)器翻譯越來越接近人工翻譯的質(zhì)量。

3.1 人工智能技術(shù)在機(jī)器翻譯中的應(yīng)用

進(jìn)入21世紀(jì)以來，人工智能技術(shù)快速發(fā)展，應(yīng)用領(lǐng)域也越來越廣泛，尤其是專家系統(tǒng)技術(shù)、人工神經(jīng)網(wǎng)絡(luò)和智能決策支持系統(tǒng)在機(jī)器翻譯的研究和應(yīng)用中取得了顯著進(jìn)步。

3.1.1 專家系統(tǒng)技術(shù)在機(jī)器翻譯中的應(yīng)用

從近些年人工智能研究的成效來看，知識(shí)庫(kù)專家系統(tǒng)和知識(shí)工程成為人工智能研究領(lǐng)域最具有實(shí)踐意義的成果，并進(jìn)行了商業(yè)化運(yùn)作，經(jīng)濟(jì)效益初現(xiàn)。所謂專家系統(tǒng)，是指一種基于知識(shí)的系統(tǒng)，其實(shí)質(zhì)是使系統(tǒng)的構(gòu)造和運(yùn)行都基于控制對(duì)象和控制規(guī)律的各種專家知識(shí)的數(shù)據(jù)積累。這種人工智能的電腦程序構(gòu)建了一套具有某個(gè)專業(yè)領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)水平的集成系統(tǒng)，并具備解決實(shí)際專業(yè)問題的能力。發(fā)展專家系統(tǒng)的關(guān)鍵在于表達(dá)和運(yùn)用專家知識(shí)，即來自人類專家的且已被證明能夠解決某領(lǐng)域內(nèi)典型問題的有用的事實(shí)和過程[7]。隨著專家系統(tǒng)和翻譯大數(shù)據(jù)技術(shù)的不斷完善，人工智能可以根據(jù)多位翻譯專家分享的翻譯領(lǐng)域知識(shí)、工作經(jīng)驗(yàn)進(jìn)行有效地推理和判斷, 模擬翻譯專家決策的過程來解決那些翻譯實(shí)踐中遇到的各種復(fù)雜問題。

（2）力學(xué)性能檢測(cè) 試件按照ASME IX卷要求進(jìn)行取樣和力學(xué)性能試驗(yàn)，取樣位置如圖1所示，各項(xiàng)檢測(cè)結(jié)果如表6～表9所示。

專家系統(tǒng)技術(shù)在機(jī)器翻譯中的應(yīng)用主要基于翻譯專家的專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，采用知識(shí)表達(dá)翻譯技術(shù)，建立翻譯模型和翻譯數(shù)據(jù)庫(kù)，利用語言知識(shí)和以往的翻譯工作經(jīng)驗(yàn)進(jìn)行語義推理，制訂翻譯決策控制機(jī)制，為機(jī)器翻譯提供最優(yōu)控制以及決策支持等。翻譯專家系統(tǒng)的出現(xiàn)，改變了過去傳統(tǒng)翻譯單純依靠字對(duì)字、詞對(duì)詞翻譯的落后局面，使知識(shí)模型與翻譯大數(shù)據(jù)進(jìn)行了有機(jī)整合，將知識(shí)信息處理技術(shù)與控制技術(shù)相結(jié)合,使機(jī)器翻譯的效率和準(zhǔn)確率都有了很大程度的提升。

3.1.2 人工神經(jīng)網(wǎng)絡(luò)在機(jī)器翻譯中的應(yīng)用

神經(jīng)網(wǎng)絡(luò)的信息處理是由神經(jīng)元之間的相互作用實(shí)現(xiàn)的：知識(shí)與信息的存儲(chǔ)主要表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式的物理聯(lián)系[8]。近年來，人工神經(jīng)網(wǎng)絡(luò)在機(jī)器翻譯中的應(yīng)用領(lǐng)域取得了很大的進(jìn)步，具體體現(xiàn)在機(jī)器翻譯算法、語言學(xué)習(xí)等方面，并在文字符號(hào)處理、語音識(shí)別、最優(yōu)計(jì)算、語言信息智能處理、翻譯模式識(shí)別等領(lǐng)域不斷取得進(jìn)展。例如谷歌公司的神經(jīng)機(jī)器翻譯(Google’s neural machine translation，GNMT)系統(tǒng),由帶有8個(gè)編碼器和8個(gè)解碼器的深度長(zhǎng)短期記憶(long short-term memory，LSTM)網(wǎng)絡(luò)組成，并采用了殘差連接對(duì)梯度、位置信息等進(jìn)行傳遞，在英-西、英-中和英-法等多個(gè)語對(duì)中，與之前的基于短語的機(jī)器翻譯(phrase-based machine translation，PBMT)系統(tǒng)相比，翻譯錯(cuò)誤率降低了60%，已經(jīng)與人類中級(jí)譯員的水平不相上下。

隨著中國(guó)“一帶一路”倡議的提出和逐步實(shí)施，客觀上沿途各國(guó)間的交流溝通有了更廣泛的需求，尤其是在語言轉(zhuǎn)換處理和商務(wù)信息交流方面為機(jī)器翻譯提供了廣泛的市場(chǎng)需要，也蘊(yùn)含著巨大的市場(chǎng)價(jià)值。隨著機(jī)器翻譯功能的不斷提升，在文化教育交流和商務(wù)洽談中需要使用機(jī)器翻譯功能的應(yīng)用場(chǎng)景也越來越多，互聯(lián)網(wǎng)上語言翻譯的市場(chǎng)需求也愈來愈大，要對(duì)機(jī)器翻譯系統(tǒng)進(jìn)行有效管理，提升機(jī)器翻譯的效率，保證翻譯的質(zhì)量就需要人工智能，尤其是人工神經(jīng)網(wǎng)絡(luò)。為了使機(jī)器翻譯的各項(xiàng)系統(tǒng)正常運(yùn)轉(zhuǎn)且能降低運(yùn)行成本，提高經(jīng)濟(jì)效益，就要不斷提升機(jī)器翻譯的自動(dòng)控制水平、語言信息快速處理能力和翻譯系統(tǒng)運(yùn)行管理水平。人工智能的自主學(xué)習(xí)和深度學(xué)習(xí)功能，為具有快速學(xué)習(xí)與自適應(yīng)能力的人工神經(jīng)網(wǎng)絡(luò)在系統(tǒng)控制方面提供了監(jiān)督與非監(jiān)督操練。人工神經(jīng)網(wǎng)絡(luò)在機(jī)器翻譯中的應(yīng)用包括練習(xí)語言輸入與輸出集合、調(diào)節(jié)神經(jīng)元加權(quán)系數(shù)、語言信息的分類與自組織，并為機(jī)器翻譯系統(tǒng)的高級(jí)控制奠定了堅(jiān)實(shí)的基礎(chǔ)。

在人工智能的控制下，機(jī)器翻譯能夠按照不同的數(shù)學(xué)建模方式，采用多元化的翻譯策略，根據(jù)不同的信息運(yùn)算和處理原理進(jìn)行實(shí)際運(yùn)作。例如，機(jī)器翻譯能夠自主研究不同語言符號(hào)的特征，構(gòu)建出準(zhǔn)確有效的翻譯算法，并且通過適時(shí)調(diào)節(jié)翻譯參數(shù)來確定不同的翻譯標(biāo)準(zhǔn)，以適應(yīng)譯文的文化和語言特征，并能夠在人工神經(jīng)網(wǎng)絡(luò)的控制下，對(duì)于智能機(jī)器翻譯設(shè)備的實(shí)時(shí)運(yùn)行動(dòng)態(tài)和語言信號(hào)處理進(jìn)行有效地檢測(cè)、調(diào)節(jié)及故障診斷，進(jìn)而研制出具有高效自主學(xué)習(xí)能力、自主適應(yīng)功能和自主管理功能的創(chuàng)新性的智能自動(dòng)化控制系統(tǒng)。這一系統(tǒng)在機(jī)器翻譯設(shè)備上的有效應(yīng)用極大地提高了機(jī)器翻譯的效能。同時(shí)，機(jī)器翻譯控制需要準(zhǔn)確的語言結(jié)構(gòu)仿真模型，以及準(zhǔn)確、靈活的信息處理系統(tǒng)。由于早期機(jī)器翻譯模式的非互聯(lián)性，機(jī)器翻譯的語料信息不能及時(shí)更新，機(jī)器翻譯的控制系統(tǒng)無法實(shí)現(xiàn)在線運(yùn)行和實(shí)時(shí)更新。而在新的人工神經(jīng)網(wǎng)絡(luò)語言信息翻譯處理模型中，由于采取動(dòng)態(tài)學(xué)習(xí)更新建模的方式，提升了翻譯模型的運(yùn)轉(zhuǎn)效率。并且這類機(jī)器翻譯產(chǎn)品在投放市場(chǎng)時(shí)，能夠根據(jù)不同消費(fèi)群體的需要和物價(jià)承受能力，采用個(gè)性化、差異化的機(jī)器翻譯資源和硬件配置，更好地控制了硬件部分的花費(fèi)，滿足了更多消費(fèi)者不同的翻譯需求。尤其是更新的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)策略搭載性能具有更強(qiáng)大的信息處理芯片，實(shí)現(xiàn)了真正意義上的神經(jīng)網(wǎng)絡(luò)運(yùn)算和人工智能控制，使機(jī)器翻譯產(chǎn)品的性能不斷提升。由此可以看出：帶有人工神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯產(chǎn)品，在未來的實(shí)際生活使用中能夠更加貼切地滿足個(gè)人用戶和個(gè)性化需求。同時(shí)智能化的機(jī)器翻譯系統(tǒng)預(yù)示出了人工智能語言學(xué)習(xí)模式的更新，提升了以往機(jī)器翻譯產(chǎn)品的運(yùn)算速度和翻譯質(zhì)量。這一嶄新的機(jī)器翻譯和語言學(xué)習(xí)模式的研發(fā)，將會(huì)給不同文化背景和語言使用者帶來高效率、低花費(fèi)的應(yīng)用體驗(yàn)。

3.1.3 智能決策支持系統(tǒng)在機(jī)器翻譯中的應(yīng)用

伴隨著超級(jí)計(jì)算機(jī)運(yùn)算技術(shù)、網(wǎng)絡(luò)數(shù)據(jù)庫(kù)技術(shù)和物聯(lián)網(wǎng)技術(shù)的高速發(fā)展，智能決策支持系統(tǒng)在機(jī)器翻譯中也開始了部分翻譯場(chǎng)景的應(yīng)用。網(wǎng)絡(luò)數(shù)據(jù)庫(kù)技術(shù)、云計(jì)算和深度學(xué)習(xí)使智能決策這一人工智能技術(shù)控制機(jī)器翻譯成為可能，尤其是分布式數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)互聯(lián)計(jì)算技術(shù)的發(fā)展，更有利于將智能決策系統(tǒng)融入到機(jī)器翻譯智能化系統(tǒng)集成中，使得機(jī)器翻譯實(shí)現(xiàn)智能化。

智能決策支持系統(tǒng)整合了超級(jí)計(jì)算機(jī)技術(shù)、人工智能技術(shù)和管理科學(xué)的相關(guān)研究成果，是一種有利于提升機(jī)器翻譯效度和信度的創(chuàng)新性的信息管理技術(shù)。這項(xiàng)人工智能信息管理技術(shù)依托運(yùn)籌學(xué)、管理科學(xué)和控制論行為科學(xué)的最新研究成果，積極采用最新的計(jì)算機(jī)信息挖掘技術(shù)，在處理半結(jié)構(gòu)化和非結(jié)構(gòu)化的翻譯決策問題中成效顯著。在對(duì)譯文翻譯質(zhì)量的最終控制方面，智能決策支持系統(tǒng)能夠進(jìn)行有效的決策活動(dòng)，為機(jī)器翻譯最終產(chǎn)品的呈現(xiàn)提供決策所需要的數(shù)據(jù)、信息和資料，并能夠明確決策目標(biāo)。在針對(duì)不同機(jī)器翻譯問題時(shí)，智能決策支持系統(tǒng)也能夠?qū)τ龅降姆g問題進(jìn)行快速地甄別和認(rèn)知，并建立和整改決策計(jì)算模型，提供盡可能多的翻譯備選譯文。智能決策支持系統(tǒng)可以幫助翻譯機(jī)器對(duì)各種翻譯技術(shù)方案進(jìn)行優(yōu)化，并能夠分析、區(qū)分出不同質(zhì)量的翻譯作品，不斷提升機(jī)器翻譯的決策能力、決策質(zhì)量和決策效益，以產(chǎn)生更大的經(jīng)濟(jì)效益和社會(huì)效益。

3.1.4 人工智能技術(shù)在機(jī)器翻譯中的應(yīng)用場(chǎng)景及優(yōu)缺點(diǎn)對(duì)比分析

基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的機(jī)器翻譯優(yōu)勢(shì)在于翻譯反應(yīng)速度快、用戶花費(fèi)少，可應(yīng)用于工作量大的翻譯項(xiàng)目，但其自身也存在著一些問題。例如，神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)一般包括兩個(gè)遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural network，RNN)，其中一個(gè)主要用來接受輸入文本，將輸入的源語言文本轉(zhuǎn)化為表征空間中的向量,另一個(gè)遞歸神經(jīng)網(wǎng)絡(luò)主要是將其轉(zhuǎn)化為目標(biāo)語句?？梢詫⑵湟暈橐粋€(gè)語言模型來預(yù)測(cè)目標(biāo)語言的下一個(gè)詞匯文本信息，而且其概率依賴于源語言，并通過注意力網(wǎng)絡(luò)連接。但這樣的架構(gòu)需要海量的計(jì)算資源，而且人工神經(jīng)網(wǎng)絡(luò)翻譯系統(tǒng)在應(yīng)對(duì)專業(yè)術(shù)語和非常用翻譯文本方面表現(xiàn)乏力。很多情況下只能對(duì)原文進(jìn)行復(fù)制，而沒有進(jìn)行任何翻譯操作。在處理冗長(zhǎng)文本信息時(shí)，基于人工神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯會(huì)出現(xiàn)文本信息丟失的現(xiàn)象，甚至?xí)z漏重要的文本信息。所以人工神經(jīng)網(wǎng)絡(luò)一般應(yīng)用于網(wǎng)絡(luò)即時(shí)翻譯場(chǎng)景，主要為了滿足一般性的翻譯需求。神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)還在不斷發(fā)展，例如，隨著大數(shù)據(jù)技術(shù)和波束搜索等技術(shù)的發(fā)展，其翻譯準(zhǔn)確率也在不斷提升。谷歌的神經(jīng)機(jī)器翻譯系統(tǒng)宣稱,在多個(gè)主要語言對(duì)的翻譯中將翻譯誤差降低了55%～85%。

專家系統(tǒng)技術(shù)在機(jī)器翻譯中的應(yīng)用,有效解決了人工神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯存在的許多問題，例如，目前的人工神經(jīng)網(wǎng)絡(luò)在文本翻譯時(shí)過多地只關(guān)注單詞和句子信息的翻譯，而忽視段落結(jié)構(gòu)及文本上下文語境信息的連接,詞匯文本信息在不同語境下的語言含義搜索和識(shí)別效率不高。但專家系統(tǒng)自身也存在著信息更新速度慢、系統(tǒng)構(gòu)建要求高、建設(shè)費(fèi)用投資大、建設(shè)周期長(zhǎng)、應(yīng)用領(lǐng)域過于細(xì)化等問題，所以專家系統(tǒng)技術(shù)多應(yīng)用于專業(yè)領(lǐng)域的高端翻譯場(chǎng)景，在高級(jí)譯員培訓(xùn)、復(fù)雜語言信息識(shí)別、翻譯技術(shù)信息庫(kù)建設(shè)和翻譯技術(shù)資源網(wǎng)站開發(fā)等方面應(yīng)用比較廣泛。

隨著經(jīng)濟(jì)發(fā)展模式的不斷創(chuàng)新，新的翻譯需求也呈現(xiàn)多樣性和定制化的特點(diǎn)。智能決策支持系統(tǒng)在垂直領(lǐng)域以及機(jī)構(gòu)定制化機(jī)器翻譯系統(tǒng)中得到了應(yīng)用。翻譯市場(chǎng)對(duì)于機(jī)器翻譯的實(shí)用性和靈活性的要求不斷促使智能決策支持系統(tǒng)對(duì)機(jī)器翻譯、CAT工具、術(shù)語管理等翻譯技術(shù)進(jìn)行整合，尤其是對(duì)本地化工具、翻譯管理系統(tǒng)、計(jì)算機(jī)輔助翻譯等組件進(jìn)行架構(gòu)重組。但由于人工智能技術(shù)還處于不斷發(fā)展的階段，智能決策支持系統(tǒng)的發(fā)展還不甚完善，其建設(shè)過程還面臨著很多技術(shù)挑戰(zhàn)，例如人工智能技術(shù)的不確定性發(fā)展、人機(jī)信任機(jī)制建立等具體問題，所以，目前智能決策支持系統(tǒng)主要應(yīng)用于機(jī)器翻譯譯后編輯(machine translation post-editing, MTPE)和機(jī)器翻譯輔助工具的開發(fā)。圖像翻譯也有望進(jìn)入智能決策支持系統(tǒng)的應(yīng)用場(chǎng)景。

3.2 人工智能在機(jī)器翻譯中的具體實(shí)現(xiàn)模式

人工智能在機(jī)器翻譯中的具體實(shí)現(xiàn)主要包括3個(gè)領(lǐng)域：(1)研究會(huì)聽、說、讀、寫和譯的電腦程序, 實(shí)現(xiàn)自然語言處理；(2)研制智能化的翻譯機(jī)器,具有視覺和聽覺程序處理能力, 并能識(shí)別周圍環(huán)境，靈活應(yīng)對(duì)遇到的翻譯問題；(3)開發(fā)通過符號(hào)識(shí)別來模擬人類翻譯專家行為的程序, 即翻譯專家系統(tǒng)。從研究的本質(zhì)來說, 人工智能一般可分為理論研究和工程研究?jī)蓚€(gè)領(lǐng)域。理論研究主要是指依據(jù)有關(guān)開發(fā)和理解人和機(jī)器智能方面的理論進(jìn)行前瞻性研究和探索, 而工程研究則主要是研發(fā)人工智能的工具和類似翻譯專家系統(tǒng)這樣的實(shí)用商品。人工智能在機(jī)器翻譯中的具體實(shí)現(xiàn)模式包括: 對(duì)于翻譯信息和相關(guān)知識(shí)的人工智能處理、翻譯文字符號(hào)的智能處理以及人工智能對(duì)于翻譯問題的智能化處理等方面?？梢哉f, 人工智能在機(jī)器翻譯中的具體實(shí)現(xiàn)模式,就是一種具有靈活信息處理能力和信息演示能力的結(jié)合體。

3.3 人工智能對(duì)于現(xiàn)有機(jī)器翻譯技術(shù)的提升作用

專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)和智能決策支持系統(tǒng)技術(shù)應(yīng)用于機(jī)器翻譯技術(shù)的開發(fā)，能夠有效提升機(jī)器翻譯的效率。例如，基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的機(jī)器翻譯建設(shè)方案,有望解決傳統(tǒng)的基于短語的機(jī)器翻譯系統(tǒng)運(yùn)作效率不高的缺點(diǎn)。翻譯準(zhǔn)確度和速度是翻譯效率的重要觀測(cè)點(diǎn)。通用的機(jī)器翻譯方法主要有兩種：基于規(guī)則的機(jī)器翻譯方法和基于語料庫(kù)的機(jī)器翻譯方法。喬姆斯基(Chomsky)的轉(zhuǎn)換生成語法理論是基于規(guī)則的機(jī)器翻譯方法的理論基礎(chǔ)，這種技術(shù)方案主要是采用語言規(guī)則來對(duì)自然語言的內(nèi)部結(jié)構(gòu)規(guī)律進(jìn)行描述, 并對(duì)自然語言進(jìn)行形式化的處理。首先，要對(duì)輸入的句子進(jìn)行分析，獲得其句法分析樹；然后，根據(jù)轉(zhuǎn)換規(guī)則把源語言句子結(jié)構(gòu)映射到目標(biāo)語句子結(jié)構(gòu)上；最后，根據(jù)目標(biāo)語句子結(jié)構(gòu)對(duì)生成的譯文進(jìn)行最終的語言加工，并可采用直接翻譯法、中間語言法和轉(zhuǎn)換法等模式對(duì)源語言進(jìn)行機(jī)器翻譯。人工智能技術(shù)的高感知和高速運(yùn)算能力對(duì)于上述這些機(jī)器翻譯模式意義重大。

語料庫(kù)語言學(xué)是基于語料庫(kù)的機(jī)器翻譯方法的基礎(chǔ)，需要獲取大量語料來建立語料庫(kù)，這就要求通過大規(guī)模整理互為譯文的雙語語料，并由這些語料的電子格式來建立支撐機(jī)器翻譯的語料庫(kù)，這些語料信息將作為獲取翻譯知識(shí)和統(tǒng)計(jì)數(shù)據(jù)的依據(jù)。也可以直接采用語料庫(kù)進(jìn)行機(jī)器翻譯中的語料分析、轉(zhuǎn)換和生成。從技術(shù)層面來看，基于語料庫(kù)的機(jī)器翻譯方法主要有兩種：基于實(shí)例的機(jī)器翻譯和基于統(tǒng)計(jì)的機(jī)器翻譯(statistical machine translation，SMT)。其中，基于實(shí)例的機(jī)器翻譯方法主要是指在雙語語料庫(kù)中，通過編輯或查找與需要翻譯的源語言類似的參考實(shí)例來對(duì)源語言進(jìn)行翻譯。基于統(tǒng)計(jì)的機(jī)器翻譯方法主要是指在雙語語料庫(kù)中,通過使用從語料庫(kù)中建造的概率模型來對(duì)輸入的需要翻譯的源語言自動(dòng)搜索出一個(gè)相似度概率最高的譯文。這種方法的難度取決于對(duì)源語言和翻譯目標(biāo)語進(jìn)行句對(duì)的對(duì)齊,并通過詞匯同現(xiàn)可能性的方法將源語言的詞匯映射到目標(biāo)語言詞匯的比對(duì)概率進(jìn)行計(jì)算，進(jìn)而形成與源語言詞匯表達(dá)意義概率學(xué)上最接近的翻譯文本。無論是高速運(yùn)轉(zhuǎn)的可靠的語料庫(kù)的構(gòu)建和管理，還是進(jìn)行比對(duì)概率的高速運(yùn)算，都離不開人工智能技術(shù)的不斷創(chuàng)新。例如，在處理冗長(zhǎng)文本信息的翻譯工作時(shí)，谷歌的神經(jīng)機(jī)器翻譯引入了注意力機(jī)制，將解碼器的底層連接到了編碼器的頂層，從而使機(jī)器翻譯系統(tǒng)能夠更為準(zhǔn)確高效地應(yīng)對(duì)這些復(fù)雜信息。殘差連接技術(shù)的應(yīng)用實(shí)現(xiàn)了通過提升并行性來降低機(jī)器翻譯訓(xùn)練時(shí)間的目標(biāo)。在推理計(jì)算過程中，采用低精度運(yùn)算方案，從而能夠更快地為用戶呈現(xiàn)出翻譯結(jié)果。

3.4 人工智能對(duì)于機(jī)器語言分析和翻譯技術(shù)的推動(dòng)作用

機(jī)器翻譯在實(shí)際運(yùn)用過程中要處理很多復(fù)雜問題，尤其是要時(shí)刻應(yīng)對(duì)語言知識(shí)復(fù)雜性和文化背景多樣性的挑戰(zhàn)。在應(yīng)對(duì)這些翻譯難題時(shí)，要利用現(xiàn)代技術(shù)手段[9]。從技術(shù)層面上來看，機(jī)器翻譯要同時(shí)處理兩種或者兩種以上的語言信息符號(hào)，這就需要翻譯機(jī)器能夠?qū)υ凑Z言進(jìn)行語言分析，這是第一步要做的。基于語法或者語義的中間結(jié)構(gòu)在理解分析源語言過程中發(fā)揮著重要作用。之后，翻譯機(jī)器要對(duì)介于源語言和目標(biāo)語言的中間語言結(jié)構(gòu)進(jìn)行進(jìn)一步分析，為下一步進(jìn)行目標(biāo)語言的語法或者語義的中間結(jié)構(gòu)的轉(zhuǎn)換打好基礎(chǔ)。在完成上述程序后，才能最終進(jìn)行語言符號(hào)的梳理轉(zhuǎn)換，形成最終的目標(biāo)語言的呈現(xiàn)表述。由此可見，語言分析對(duì)于機(jī)器翻譯作用明顯，語言分析的能力直接影響著機(jī)器翻譯的質(zhì)量，毫無疑問，具有人工智能的機(jī)器翻譯在進(jìn)行語言分析時(shí)，具有更多的優(yōu)勢(shì)。

不同語言之間一般具有明顯的差異性，尤其體現(xiàn)在語法規(guī)律和表達(dá)習(xí)慣上，不同語言文字符號(hào)系統(tǒng)在詞匯、句子、語法、語義和語境等語言學(xué)信息方面表現(xiàn)出了信息量表述不對(duì)稱性的特點(diǎn)，這就使機(jī)器翻譯工作面臨著諸多挑戰(zhàn)，也需要借助日益發(fā)展的人工智能技術(shù)來解決翻譯實(shí)踐中出現(xiàn)的很多具體問題。從某種層面上來說，具有人工智能的翻譯機(jī)器是在不斷認(rèn)知不同語言系統(tǒng)間各自的運(yùn)作規(guī)律，深入學(xué)習(xí)和辨識(shí)篇章、段落、句群在內(nèi)的各種語境信息，并對(duì)上述相關(guān)信息進(jìn)行快速準(zhǔn)確地解碼和編碼的過程。除了語言內(nèi)部系統(tǒng)的差異，機(jī)器翻譯還要在人工智能的控制下考慮到因?yàn)槲幕尘安町? 導(dǎo)致不同自然語言系統(tǒng)對(duì)一些類似或相近語義信息表達(dá)時(shí)出現(xiàn)相當(dāng)大的差異性。除此之外，機(jī)器翻譯還需要處理不同語言詞匯之間相近意義表述的翻譯，不同語言文化中隱喻的認(rèn)知，不同語言系統(tǒng)對(duì)于不同使用習(xí)慣的詞匯表達(dá)的信息處理，容易拼寫錯(cuò)誤或者翻譯存在誤差的詞語的使用，詞語使用和語言的不同搭配習(xí)慣，在不同語境下同形異義詞的使用等問題。語言搭配是指詞語或者固定短語之間自由組合并具有規(guī)律性呈現(xiàn)的語言現(xiàn)象。在機(jī)器翻譯等自然語言處理任務(wù)中，語言搭配發(fā)揮著重要作用。機(jī)器翻譯的質(zhì)量往往和語言搭配語料資源的質(zhì)量和應(yīng)用相關(guān)。高效且容量較大的語料庫(kù)搭配資源能夠極大地提升自然語言處理的效率。

翻譯能力的發(fā)展是一個(gè)動(dòng)態(tài)的互動(dòng)過程，與語言學(xué)習(xí)一樣[10]。翻譯不是單純由漸次輸入引導(dǎo)的線性過程，而是充滿高峰、低谷、前進(jìn)、倒退、停滯、甚至跳躍式前進(jìn)的動(dòng)態(tài)系統(tǒng)行為[11]。機(jī)器翻譯在認(rèn)知和處理不同語言中的隱喻現(xiàn)象時(shí)，往往遇到極大的困難。這不僅僅是由于隱喻是一種語言修辭方法，而且還是一種思維模式，它體現(xiàn)了不同人群進(jìn)行思維和行動(dòng)的觀念系統(tǒng)的本質(zhì)特征，是不同人群認(rèn)知、思維乃至語言表述和寫作的基礎(chǔ)。機(jī)器難以具備直覺能力、想象能力、靈感和審美能力[12]。由于文化背景、宗教信仰、 生活生產(chǎn)方式、神話傳說、認(rèn)知模式、社會(huì)風(fēng)俗、文學(xué)作品和自然環(huán)境等存在差異，不同語言系統(tǒng)對(duì)于隱喻的理解也存在著巨大差異。這就需要具有高速運(yùn)算能力的人工智能能夠快速辨認(rèn)、認(rèn)知、理解、儲(chǔ)存、比對(duì)這些隱喻信息，并將這些海量語言信息進(jìn)行高速數(shù)據(jù)處理，建立語法隱喻模式集和詞匯隱喻模式集，并通過常規(guī)或?qū)嵗姆椒? 或是推理和統(tǒng)計(jì)的方法進(jìn)行隱喻信息數(shù)據(jù)計(jì)算，從而幫助翻譯機(jī)器有效地辨識(shí)和理解不同語言中存在的隱喻現(xiàn)象，進(jìn)而更好地完成翻譯任務(wù)。

機(jī)器翻譯的語義理解能力直接與翻譯產(chǎn)品的質(zhì)量密切相關(guān)。人工智能可以很大程度上提升機(jī)器翻譯的語義理解能力。一般認(rèn)為，語義理解能力包含3個(gè)方面：(1)基于相關(guān)語言知識(shí)基礎(chǔ)的語言層級(jí)理解；(2)基于人類知識(shí)系統(tǒng)基礎(chǔ)的知識(shí)面層級(jí)的知識(shí)層次理解；(3)基于當(dāng)時(shí)參與語言交流的人員的語用層次理解。在多種語言認(rèn)知和處理過程中可以發(fā)現(xiàn)，針對(duì)同一種事物，不同自然語言對(duì)其表述存在很大的差異。也就是說，自然語言語義對(duì)應(yīng)存在著很多語義偏移現(xiàn)象，即一種事物在一種自然語義中的映射與其在另外一種自然語言中的語義模塊存在偏移，并不是一一對(duì)應(yīng)的。由此可見，能否對(duì)這些現(xiàn)象進(jìn)行快速準(zhǔn)確有效地理解和辨析，并能夠進(jìn)行相對(duì)應(yīng)的翻譯處理，考驗(yàn)著機(jī)器翻譯的工作能力。目前，感知智能的發(fā)展已經(jīng)比較成熟， 它通過數(shù)學(xué)建模和基于大數(shù)據(jù)的深度學(xué)習(xí)等方法對(duì)人類感知能力進(jìn)行模擬， 輔助人類完成任務(wù)[13]。人工智能可以很好地幫助機(jī)器翻譯應(yīng)對(duì)這些挑戰(zhàn)。因?yàn)檎Z言分析能力在機(jī)器翻譯能力構(gòu)建中具有重要作用，所以通過人工智能來加強(qiáng)語言的對(duì)比分析并研究相應(yīng)的人工翻譯技術(shù)體系，是機(jī)器翻譯的重點(diǎn)研究領(lǐng)域。原有的機(jī)器翻譯具有很多局限性，例如，對(duì)于自然語言的語言描述與語言知識(shí)分析準(zhǔn)確度不夠高，無法有效地理解并消除語言歧義的現(xiàn)象，對(duì)于隱喻的辨識(shí)能力不強(qiáng)或者根本無法辨識(shí)，對(duì)于不同自然語言形式描述過于粗糙、達(dá)不到精準(zhǔn)描述的層級(jí)等，這些問題制約著機(jī)器翻譯能力的提升。尤其是能否讓翻譯機(jī)器快速識(shí)別并處理容易誤解、誤譯詞語的形式化研究，是一項(xiàng)亟待解決的技術(shù)難題。這些問題的最終解決，離不開人工智能技術(shù)的發(fā)展，因?yàn)槿斯ぶ悄芫哂袕?qiáng)大的學(xué)習(xí)能力。學(xué)習(xí)是人類智能的重要特征，是獲得知識(shí)的基本手段，而機(jī)器學(xué)習(xí)也是使計(jì)算機(jī)具有智能的根本途徑[14]。在現(xiàn)有技術(shù)基礎(chǔ)上，人工智能通過不斷學(xué)習(xí)已經(jīng)在一些機(jī)器翻譯技術(shù)研究方面取得了顯著進(jìn)步。例如，在加強(qiáng)詞對(duì)齊技術(shù)的研究與應(yīng)用方面，提升了從源語言詞匯到目標(biāo)語言詞匯映射研究的精度和廣度，并構(gòu)建了詞對(duì)齊技術(shù)的統(tǒng)計(jì)模型。 通過數(shù)據(jù)挖掘技術(shù)，能夠從文本數(shù)據(jù)中自動(dòng)獲取高質(zhì)量的映射信息，并通過相應(yīng)的算法把獵取的映射數(shù)據(jù)運(yùn)用到自然語言處理工作中。人工智能技術(shù)還可以幫助翻譯機(jī)器通過單詞對(duì)齊的搭配技術(shù)自動(dòng)匹配相應(yīng)的算法，取得詞匯搭配概率、位置扭曲概率和詞匯繁殖度概率，并將這些數(shù)據(jù)信息通過相應(yīng)的匹配運(yùn)算整合到同一個(gè)統(tǒng)計(jì)模型中，以便更加高效地尋找句子中有可能存在的相關(guān)詞匯搭配的可能性。人工智能技術(shù)也可以幫助翻譯機(jī)器在整理和尋找雙語詞對(duì)齊中，經(jīng)過預(yù)估詞組內(nèi)部的搭配概率來研判該詞組是否有可能成為一個(gè)整體對(duì)齊，來制約雙語詞對(duì)齊中多詞單元的對(duì)齊。在機(jī)器翻譯工作中，人工智能技術(shù)能夠經(jīng)過計(jì)算來感知短語與待翻譯句子里上下文之間的搭配關(guān)系，判定短語與待翻譯句子的匹配程度，并能夠以此為基礎(chǔ)構(gòu)建出數(shù)據(jù)量大、質(zhì)量高、可擴(kuò)充的語料庫(kù)。在這個(gè)語料庫(kù)中，包含有語義語法模式集、固定搭配以及變量庫(kù)、短語模式集、字面意義模式集、帶有句法語義變量的翻譯模板、句法語義變量和語義類型樹等子系統(tǒng)，這些系統(tǒng)的建立為機(jī)器翻譯的能力提升打下了良好的基礎(chǔ)。由此可見，一臺(tái)計(jì)算機(jī)若不會(huì)學(xué)習(xí)，就不能被稱為是具有智能的計(jì)算機(jī)[15]。通過人工智能自身學(xué)習(xí)能力的提升，機(jī)器翻譯的能力也在不斷增強(qiáng)。

3.5 人工智能與機(jī)器翻譯技術(shù)系統(tǒng)構(gòu)建

人工智能技術(shù)使得世界一體化的翻譯市場(chǎng)的形成成為可能[16]。根據(jù)人工智能技術(shù)發(fā)展的現(xiàn)狀，以及人工智能在機(jī)器翻譯應(yīng)用的趨勢(shì)，可以看出現(xiàn)有基于人工智能技術(shù)的機(jī)器翻譯系統(tǒng)主要包含以下組件:(1)基于人工智能技術(shù)的機(jī)器翻譯系統(tǒng)的核心組件和主界面是工作空間，它賦予了機(jī)器翻譯具有跨領(lǐng)域應(yīng)用程序的集成能力，這就使翻譯用戶可以在現(xiàn)有常用瀏覽器風(fēng)格的界面中集中控制所有機(jī)器翻譯組件, 并能在人工智能技術(shù)的控制下對(duì)所有的翻譯項(xiàng)目和工作流程進(jìn)行有效地管理。(2)基于人工智能技術(shù)的機(jī)器翻譯系統(tǒng)構(gòu)建一般也會(huì)有一個(gè)翻譯者工作臺(tái)，能夠與MSWord XP/2010/2018等軟件操作系統(tǒng)進(jìn)行無縫對(duì)接，現(xiàn)有的運(yùn)算能力能夠支持多種語言之間的多向互譯。翻譯用戶可以在微軟公司的Word軟件運(yùn)行中進(jìn)行相關(guān)交互翻譯。在人工智能技術(shù)的支持下，翻譯者工作臺(tái)能夠適時(shí)有效地使用后臺(tái)運(yùn)行能力強(qiáng)大的神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，為翻譯工作者和產(chǎn)品用戶儲(chǔ)存并管理源文本和翻譯好的作品，并已經(jīng)實(shí)現(xiàn)對(duì)源文本的自動(dòng)翻譯?；谌斯ぶ悄芗夹g(shù)的機(jī)器翻譯系統(tǒng)也已經(jīng)實(shí)現(xiàn)為用戶動(dòng)態(tài)提示相關(guān)譯文語句，自動(dòng)保留源文本格式，并與其他文本處理應(yīng)用軟件有著良好的兼容性。(3)術(shù)語管理組件也是機(jī)器翻譯系統(tǒng)的重要構(gòu)成組件，其主要功能是通過人工智能技術(shù)掃描原文中出現(xiàn)的術(shù)語，并由計(jì)算機(jī)在機(jī)器翻譯的專業(yè)語料庫(kù)中進(jìn)行搜索和比對(duì)?，F(xiàn)代信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展推動(dòng)著術(shù)語和計(jì)算機(jī)技術(shù)的結(jié)合日益大眾化[17]?；谌斯ぶ悄艿臋C(jī)器翻譯技術(shù)的原理，決定了其應(yīng)用效率與需要翻譯的文本的內(nèi)容重現(xiàn)率有關(guān)。例如，若是源文本前后內(nèi)容表述具有術(shù)語的一致性或短語的一致性等特點(diǎn)，人工智能技術(shù)會(huì)通過掃描在機(jī)器翻譯語料庫(kù)中相對(duì)應(yīng)的術(shù)語，并自動(dòng)匹配出合適的參考譯文。術(shù)語管理組件的功能主要是為了保持相同術(shù)語翻譯的統(tǒng)一性，其翻譯內(nèi)容的質(zhì)量與計(jì)算翻譯中專業(yè)語料庫(kù)的質(zhì)量和規(guī)模有密切關(guān)系。這些組件的工作效率隨著人工智能技術(shù)的進(jìn)步也在不斷提升。(4)為了能夠?qū)C(jī)器翻譯系統(tǒng)中的語料庫(kù)系統(tǒng)進(jìn)行適時(shí)更新，也為了機(jī)器翻譯的作品能夠適應(yīng)不斷變化更新的語言使用現(xiàn)象，人工智能技術(shù)支持機(jī)器翻譯系統(tǒng)具有術(shù)語抽取能力。這一系統(tǒng)能夠在各種海量文本數(shù)據(jù)中自動(dòng)抽取翻譯項(xiàng)目所需的術(shù)語，并通過人工智能強(qiáng)大的自運(yùn)算能力和高效的數(shù)據(jù)運(yùn)算模型，實(shí)現(xiàn)單語或雙語術(shù)語表的自動(dòng)生成。(5)機(jī)器翻譯系統(tǒng)中也會(huì)包括匹配建庫(kù)系統(tǒng)組件，這一功能組件主要是使用戶能夠在人工智能技術(shù)的幫助下對(duì)以往的翻譯成品資料實(shí)現(xiàn)回收，其實(shí)際使用意義是為了將源文本和譯文作品進(jìn)行相關(guān)數(shù)據(jù)的適時(shí)對(duì)比和分析，以計(jì)算出相關(guān)匹配值，并將具有高匹配值的語言翻譯模塊或者單語或雙語術(shù)語表輸入到機(jī)器翻譯系統(tǒng)自建的翻譯記憶庫(kù)中，及時(shí)反饋給翻譯者工作臺(tái)系統(tǒng)使用。在人工智能的管理下，機(jī)器翻譯系統(tǒng)還能夠集成微軟Word軟件的字典功能，從而為更多的語言使用和翻譯者提供功能更為強(qiáng)大的書寫自檢服務(wù)。

4 人工智能幫助機(jī)器翻譯提升工作效率

隨著全球化和信息化進(jìn)程不斷推進(jìn)，海量的翻譯需求給全球語言服務(wù)行業(yè)帶來了前所未有的機(jī)遇和挑戰(zhàn)[18]。在面對(duì)多語言翻譯任務(wù)時(shí)，機(jī)器翻譯應(yīng)用面臨的一大挑戰(zhàn)就是如何快速高效地挖掘不同語言系統(tǒng)的內(nèi)部運(yùn)作規(guī)律。語言服務(wù)業(yè)相信人機(jī)交互才是未來的發(fā)展趨勢(shì)[19]。人工智能能夠幫助翻譯機(jī)器高效率地發(fā)掘語言系統(tǒng)內(nèi)部的運(yùn)行關(guān)系，從而實(shí)現(xiàn)幫助機(jī)器翻譯提升工作效率的目的。其工作原理是通過廣泛挖掘數(shù)據(jù)，包括句群、段落、篇章、體裁在內(nèi)的各種語言信息的原始數(shù)據(jù)，并在設(shè)定好的各種語境狀況下對(duì)這些信息進(jìn)行編碼或解碼。 互聯(lián)網(wǎng)與人工智能蓬勃發(fā)展，信息技術(shù)對(duì)翻譯工作的滲透程度日益深化[20]。人工智能支持在機(jī)器翻譯中發(fā)揮其語言分析的作用，并通過尋找、定位、解析語言運(yùn)行的各項(xiàng)特征，在經(jīng)過高速運(yùn)算后對(duì)語言特征進(jìn)行有目的的對(duì)比分析，創(chuàng)新性地研究詞對(duì)齊技術(shù)，并將之應(yīng)用到機(jī)器翻譯的工作過程中，實(shí)現(xiàn)通過具有高速運(yùn)算能力的人工智能來重新構(gòu)建詞對(duì)齊技術(shù)的統(tǒng)計(jì)模型。這一模型包含了大規(guī)模、高質(zhì)量、可擴(kuò)充的語義單元庫(kù)，這些單元庫(kù)或者語料庫(kù)能夠推動(dòng)機(jī)器翻譯的不斷發(fā)展。若是將相應(yīng)的人工翻譯技術(shù)體系全面應(yīng)用到機(jī)器翻譯系統(tǒng)中，能夠極大地提升機(jī)器翻譯的響應(yīng)速度和工作效率。在大數(shù)據(jù)時(shí)代,搜集和利用網(wǎng)絡(luò)上龐大的數(shù)據(jù)資源已經(jīng)成為亟待解決的問題[21]。下一階段，人工智能在利用大數(shù)據(jù)技術(shù)幫助機(jī)器翻譯結(jié)果更符合母語使用者習(xí)慣和特征方面，將會(huì)發(fā)揮更大的作用。