人工智能翻譯技術(shù)研究綜述

摘要：隨著生成式大模型的持續(xù)發(fā)展，人工智能翻譯技術(shù)也得到了突破，并且該技術(shù)已經(jīng)廣泛應(yīng)用于人們的生活中。從基于神經(jīng)網(wǎng)絡(luò)的文本翻譯技術(shù)到基于計(jì)算機(jī)視覺(jué)的翻譯技術(shù)，人工智能翻譯技術(shù)通過(guò)不斷的改進(jìn)，已在不同的應(yīng)用領(lǐng)域都實(shí)現(xiàn)了較高的準(zhǔn)確度。因此，在實(shí)際應(yīng)用中將軟硬件相結(jié)合并參考ChatGPT的文本翻譯，將更好地發(fā)揮該技術(shù)的作用，實(shí)現(xiàn)更高效的翻譯過(guò)程。

關(guān)鍵詞：人工智能翻譯技術(shù)；生成式大模型；ChatGPT

中圖分類(lèi)號(hào)：TN912.34；TP391.2；TP18 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著全球化進(jìn)程的加速和國(guó)際交流的日益密切，人工智能（artificial intelligence，AI）翻譯技術(shù)作為不同語(yǔ)言和文化的橋梁，其研究與發(fā)展受到了廣泛關(guān)注[1]。生成式大模型的崛起為這一領(lǐng)域帶來(lái)了新的突破，推動(dòng)了翻譯技術(shù)的不斷創(chuàng)新和應(yīng)用拓展。

人工智能技術(shù)的快速發(fā)展在方方面面影響人們的生活，在法國(guó)舉辦的2024 年巴黎奧運(yùn)會(huì)中，運(yùn)動(dòng)員身邊的翻譯人員已經(jīng)有所減少，這促進(jìn)了各國(guó)人民之間的交流，也拉近了觀(guān)眾與世界各地文化之間的距離。自2022 年11 月OpenAI 公司發(fā)布ChatGPT 以來(lái)，對(duì)話(huà)式搜索引擎Perplexity、文心一言、Quora 開(kāi)發(fā)的Poe 系列對(duì)話(huà)機(jī)器人等人工智能生成內(nèi)容（artificial intelligence generated content，AIGC）工具競(jìng)相登場(chǎng)。通過(guò)機(jī)器學(xué)習(xí)和自然語(yǔ)言處理等算法，使AIGC 在機(jī)器翻譯、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成果。有專(zhuān)家稱(chēng)人工智能翻譯技術(shù)已經(jīng)能夠取得接近人工譯文或等同于人工譯文的效果，從而引發(fā)了學(xué)界關(guān)于人工智能翻譯是否要取代人工翻譯的探討。

人工智能翻譯技術(shù)包括基于神經(jīng)網(wǎng)絡(luò)的翻譯技術(shù)、基于自然語(yǔ)言處理的翻譯技術(shù)、基于計(jì)算機(jī)視覺(jué)的翻譯技術(shù)、多模態(tài)技術(shù)、大模型技術(shù)等。其中，以ChatGPT 為代表的生成式大模型已經(jīng)應(yīng)用于中文期刊出版，并且產(chǎn)生了巨大的作用，被廣泛應(yīng)用于摘要生成、專(zhuān)家評(píng)審意見(jiàn)等方面[2]?；谟?jì)算機(jī)視覺(jué)的翻譯技術(shù)為手語(yǔ)識(shí)別和手語(yǔ)翻譯的發(fā)展建立了良好的基礎(chǔ)[3]?；谏窠?jīng)網(wǎng)絡(luò)技術(shù)的翻譯模型與系統(tǒng)能夠在較短的時(shí)間內(nèi)達(dá)到較好的翻譯效果，有效解決了目前社會(huì)對(duì)翻譯的迫切需求[4]。

在A(yíng)I 時(shí)代，翻譯技術(shù)的發(fā)展顛覆了傳統(tǒng)的翻譯模式，人們迎來(lái)了“譯者隊(duì)伍規(guī)模巨大，翻譯標(biāo)準(zhǔn)多元”的大眾翻譯時(shí)代，使得擅長(zhǎng)某一領(lǐng)域的人員，可以借助機(jī)器翻譯技術(shù)打破文化的壁壘，為我國(guó)的科技、經(jīng)濟(jì)、文化等走向國(guó)際化提供更好的保障。

1 人工智能翻譯技術(shù)概述

1.1 基于神經(jīng)網(wǎng)絡(luò)的翻譯技術(shù)

基于神經(jīng)網(wǎng)絡(luò)的翻譯技術(shù)在質(zhì)量提升方面有所突破，神經(jīng)網(wǎng)絡(luò)對(duì)于40 字及以上的長(zhǎng)句翻譯效果較好[5]。目前，神經(jīng)網(wǎng)絡(luò)中反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)（convolutional neuralnetwork，CNN）、深度信念網(wǎng)絡(luò)等網(wǎng)絡(luò)模型已經(jīng)應(yīng)用于人工智能翻譯技術(shù)中。

BP 神經(jīng)網(wǎng)絡(luò)主要包括輸入層、隱藏層和輸出層，數(shù)據(jù)處理過(guò)程如下：通過(guò)輸入層接收數(shù)據(jù)，將數(shù)據(jù)傳輸給隱藏層，隱藏層通過(guò)神經(jīng)元節(jié)點(diǎn)之間的連接權(quán)重和激活函數(shù)處理數(shù)據(jù)，將其傳給輸出層。通過(guò)循環(huán)該過(guò)程，實(shí)現(xiàn)輸出層結(jié)果與預(yù)期結(jié)果之間的差異處于可接受的范圍之內(nèi)，實(shí)現(xiàn)自學(xué)的過(guò)程。CNN 是一種包含卷積算法并具有深度學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)算法，該模型的組成結(jié)構(gòu)為卷積層、子采樣層和全連接層。卷積層主要進(jìn)行特征提??；子采樣層降低輸出特征向量的網(wǎng)絡(luò)維度，減少神經(jīng)元的權(quán)重參數(shù)；全連接層具有分類(lèi)作用，對(duì)特征向量進(jìn)行訓(xùn)練，提高了神經(jīng)網(wǎng)絡(luò)處理的效率。深度信念網(wǎng)絡(luò)是一種概率模型網(wǎng)絡(luò)，該模型可以評(píng)估先驗(yàn)概率和后驗(yàn)概率，能夠?qū)?shù)據(jù)和標(biāo)簽之間的關(guān)系進(jìn)行評(píng)估，彌補(bǔ)了BP 神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)，在一定程度上增加了該模型的使用效率。

1.2 基于計(jì)算機(jī)視覺(jué)的翻譯技術(shù)

人工智能翻譯技術(shù)在日常生活中的應(yīng)用已經(jīng)較為常見(jiàn)，翻譯技術(shù)也不僅限于文本翻譯，手語(yǔ)翻譯在殘奧會(huì)等大型賽事以及新聞播報(bào)和殘障人士交流溝通中也極為重要。手語(yǔ)可以通過(guò)一系列手部和手臂動(dòng)作、面部表情和身體姿勢(shì)表達(dá)手語(yǔ)者的意思，手語(yǔ)動(dòng)作分析可由人體的姿態(tài)和手部的動(dòng)作表征[6]。因此，采用計(jì)算機(jī)視覺(jué)進(jìn)行手語(yǔ)翻譯具有重要的應(yīng)用價(jià)值。

手語(yǔ)翻譯研究包括從手語(yǔ)視頻直接到文本的一階段方法和從手語(yǔ)視頻到手語(yǔ)標(biāo)注再到文本的兩階段方法，針對(duì)手語(yǔ)翻譯研究將分別從孤立詞手語(yǔ)識(shí)別和連續(xù)手語(yǔ)識(shí)別兩個(gè)方面展開(kāi)[7]。目前手語(yǔ)翻譯中基于深度學(xué)習(xí)算法較多[8]，如經(jīng)典的YOLO 算法[9]、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)（recurrentneural network， RNN）等主流網(wǎng)絡(luò)模型在手語(yǔ)翻譯中的使用較為普遍。手語(yǔ)翻譯常用方法如圖1 所示。在數(shù)據(jù)集中，目前已有較為成熟的數(shù)據(jù)庫(kù)，包括OpenPose 開(kāi)源庫(kù)、DEVISIGN 中國(guó)手語(yǔ)數(shù)據(jù)庫(kù)、Sahand LMC 手語(yǔ)數(shù)據(jù)庫(kù)等[10]。

CNN 是一種常用于圖像和視頻處理的深度學(xué)習(xí)模型。目前采用的網(wǎng)絡(luò)模型已設(shè)計(jì)了一些能夠兼顧多尺度特征識(shí)別的方法，通過(guò)增加網(wǎng)絡(luò)的深度以及使用殘差網(wǎng)絡(luò)連接的方式來(lái)完成提取高維度視覺(jué)特征的任務(wù)[11]。手語(yǔ)識(shí)別包括兩個(gè)步驟：慣用手追蹤和手部特征表征。將獲得的手部能量圖像序列作為輸入的手語(yǔ)視頻并且進(jìn)行特征提取和分類(lèi)[12-13]。

RNN 是在序列的演進(jìn)方向進(jìn)行遞歸且所有節(jié)點(diǎn)按鏈?zhǔn)竭B接的遞歸神經(jīng)網(wǎng)絡(luò)，常用于自然語(yǔ)言處理和時(shí)間序列預(yù)測(cè)。當(dāng)前主流方法中將各種循環(huán)神經(jīng)網(wǎng)絡(luò)作為序列對(duì)齊模型，使用連接時(shí)序分類(lèi)把序列對(duì)齊問(wèn)題轉(zhuǎn)化為最大化后驗(yàn)概率的問(wèn)題，通過(guò)引入空白類(lèi)并使用動(dòng)態(tài)規(guī)劃的方式計(jì)算損失，以提供端到端的訓(xùn)練。

采用YOLOv5 目標(biāo)檢測(cè)方法進(jìn)行模型訓(xùn)練，結(jié)合MobileNetV3 網(wǎng)絡(luò)模型，利用深度可分離卷積和線(xiàn)性瓶頸的倒殘差結(jié)構(gòu)提取手語(yǔ)圖像中的特征，實(shí)現(xiàn)了在減少訓(xùn)練時(shí)間和參數(shù)量的同時(shí)，提高手語(yǔ)識(shí)別的精準(zhǔn)度，滿(mǎn)足手語(yǔ)翻譯的需求[8]。

隨著手語(yǔ)識(shí)別與翻譯技術(shù)的持續(xù)發(fā)展，推動(dòng)手語(yǔ)技術(shù)的進(jìn)一步落地是未來(lái)的一個(gè)重要方向。在實(shí)際應(yīng)用場(chǎng)景中，需要基于視頻傳輸速度和算力的實(shí)際情況，選擇合適的模型進(jìn)行識(shí)別。

2 人工智能翻譯系統(tǒng)的設(shè)計(jì)

目前科大訊飛股份有限公司設(shè)計(jì)的雙屏翻譯機(jī)在語(yǔ)音識(shí)別和文本翻譯中占據(jù)一定的市場(chǎng)，集成了科大訊飛股份有限公司全球領(lǐng)先的語(yǔ)音識(shí)別、機(jī)器翻譯、語(yǔ)音合成、光學(xué)字符識(shí)別（optical characterrecognition，OCR）、多麥降噪等前沿技術(shù)。通過(guò)應(yīng)用軟件能夠進(jìn)行32 種語(yǔ)言的拍照翻譯，翻譯語(yǔ)言覆蓋全球近200 個(gè)國(guó)家和地區(qū)。該雙屏翻譯機(jī)是目前人工智能翻譯系統(tǒng)中結(jié)合軟件和硬件設(shè)計(jì)較為完整的系統(tǒng)設(shè)備。

郭慧駿[14] 設(shè)計(jì)了基于人工智能技術(shù)和語(yǔ)音識(shí)別的機(jī)器同步翻譯系統(tǒng)，該系統(tǒng)包括硬件設(shè)計(jì)和軟件平臺(tái)搭建，主要由用戶(hù)終端、服務(wù)器和譯員終端3 個(gè)部分組成。硬件結(jié)構(gòu)如圖2 所示，單片機(jī)作為主控模塊用于接收語(yǔ)音信息，將采集的語(yǔ)音信息結(jié)合實(shí)際的語(yǔ)況發(fā)送給系統(tǒng)終端，服務(wù)器終端根據(jù)建立的大模型和語(yǔ)料庫(kù)進(jìn)行分析，對(duì)采集到的數(shù)據(jù)進(jìn)行訓(xùn)練，尋找最優(yōu)的翻譯效果，將語(yǔ)音組合翻譯成句子，實(shí)現(xiàn)智能同步播放的功能，并將翻譯的結(jié)果顯示在屏幕上。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，使用人工智能技術(shù)和語(yǔ)音識(shí)別的機(jī)器同步翻譯系統(tǒng)，5 個(gè)語(yǔ)句翻譯精準(zhǔn)度為0.9 ～ 1.0。由此可知，使用人工智能技術(shù)和語(yǔ)音識(shí)別的機(jī)器同步翻譯系統(tǒng)翻譯精準(zhǔn)度較高。

僅有硬件無(wú)法達(dá)到人工智能翻譯的效果，因此在該系統(tǒng)中軟件的設(shè)計(jì)和實(shí)現(xiàn)也是極為重要的。邸一鳴[15] 和薛海霞[16] 都設(shè)計(jì)了一款功能完善的實(shí)用型計(jì)算機(jī)輔助翻譯軟件。該軟件能夠完成系統(tǒng)架構(gòu)設(shè)計(jì)和系統(tǒng)運(yùn)行環(huán)境搭建，具有用戶(hù)管理、項(xiàng)目管理、術(shù)語(yǔ)庫(kù)管理、翻譯、校對(duì)等功能。測(cè)試結(jié)果顯示，該系統(tǒng)運(yùn)行性能良好、譯文精準(zhǔn)度高，符合實(shí)際的應(yīng)用要求。

3 人工智能翻譯技術(shù)面臨的挑戰(zhàn)與機(jī)遇

ChatGPT 應(yīng)用于文本翻譯已經(jīng)處于起步階段。

將ChatGPT 譯文與其他機(jī)器翻譯工具的譯文進(jìn)行對(duì)比分析，旨在多方面、多角度評(píng)估該模型的翻譯質(zhì)量。目前已有不少學(xué)者關(guān)注到ChatGPT 給語(yǔ)言教學(xué)以及學(xué)術(shù)寫(xiě)作帶來(lái)的挑戰(zhàn)和機(jī)遇[17]。

ChatGPT 能夠基于大規(guī)模通用語(yǔ)料庫(kù)進(jìn)行訓(xùn)練，但無(wú)法提供與特定領(lǐng)域相關(guān)的專(zhuān)業(yè)知識(shí)，由于自然語(yǔ)言極為復(fù)雜，提高自然語(yǔ)言處理水平，使計(jì)算機(jī)真正理解自然語(yǔ)言，仍是極為困難的任務(wù)。如果使用者缺乏批判和自控能力，過(guò)度依賴(lài)甚至被ChatGPT 反噬，這對(duì)譯者本體、語(yǔ)言客體和翻譯倫理都有著較大的傷害。

知識(shí)圖譜將是人工智能翻譯技術(shù)優(yōu)化發(fā)展的新方向，將系統(tǒng)硬件和軟件進(jìn)行結(jié)合，把人工智能翻譯技術(shù)與知識(shí)圖譜從概念轉(zhuǎn)換為應(yīng)用將是未來(lái)可以研究的目標(biāo)。李翔等[18] 采用知識(shí)圖譜的方法對(duì)機(jī)器翻譯研究進(jìn)行全面分析，挖掘機(jī)器翻譯研究的成就、發(fā)展趨勢(shì)和未來(lái)展望，旨在通過(guò)結(jié)合人工智能翻譯技術(shù)與知識(shí)圖譜的優(yōu)勢(shì)，提升翻譯系統(tǒng)的準(zhǔn)確性和智能化水平。

目前科大訊飛股份有限公司的雙屏翻譯機(jī)，使用處理器、麥克風(fēng)、攝像頭、音頻模塊、顯示屏等部件實(shí)現(xiàn)硬件的搭建，并結(jié)合AIGC 的大模型技術(shù)，將采集的數(shù)據(jù)進(jìn)行模型訓(xùn)練和分析，結(jié)合知識(shí)圖譜的原理，將數(shù)據(jù)進(jìn)行關(guān)聯(lián)。對(duì)于海量數(shù)據(jù)集，采用服務(wù)器端連接進(jìn)行分析和處理，并將服務(wù)器端處理的文本信息傳輸給硬件設(shè)備，實(shí)現(xiàn)快速準(zhǔn)確的翻譯技術(shù)。該系統(tǒng)的實(shí)現(xiàn)將促進(jìn)人工智能翻譯技術(shù)的發(fā)展取得更好的效果，也為系統(tǒng)的創(chuàng)新提供了堅(jiān)實(shí)的基礎(chǔ)。

4 結(jié)語(yǔ)

人工智能翻譯作為一種幫助人們跨越語(yǔ)言障礙的重要工具，具備重要的優(yōu)勢(shì)和潛力。該技術(shù)的研究熱點(diǎn)主要聚焦于語(yǔ)言句法處理、文本分類(lèi)及術(shù)語(yǔ)處理等方面，主要體現(xiàn)在提高效率、降低成本、擴(kuò)大翻譯范圍、提高翻譯質(zhì)量、支持實(shí)時(shí)翻譯以及促進(jìn)跨文化交流等方面。人工智能翻譯在未來(lái)的持續(xù)發(fā)展，將為人們提供更便捷、準(zhǔn)確和高效的翻譯服務(wù)，以確保人工智能翻譯的應(yīng)用能夠最大限度地服務(wù)于人類(lèi)的需求和利益。

參考文獻(xiàn)

[1] 戴光榮，劉思圻. 神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯：進(jìn)展與挑戰(zhàn)[J].外語(yǔ)教學(xué)，2023，44（1）：82-89.

[2] 陳星潼，趙愛(ài)清. 人工智能大模型對(duì)學(xué)術(shù)期刊編輯工作的影響探究：基于英文摘要翻譯的實(shí)證研究[J]. 新聞研究導(dǎo)刊， 2024， 15（3）：1-4.

[3] 李宇楠，耿熙，苗啟廣. 基于計(jì)算機(jī)視覺(jué)的手語(yǔ)識(shí)別與翻譯研究綜述[J/OL]. 微電子學(xué)與計(jì)算機(jī)，2024：1-23 [2024-08-10]. http：//kns.cnki.net/kcms/detail/61.1123.TN.20240724.1803.002.html.

[4] 呂千平，劉敏娜. 人工智能翻譯背景下融合多粒度形態(tài)特征的神經(jīng)機(jī)器翻譯系統(tǒng)研究[J]. 自動(dòng)化與儀器儀表，2024（5）：186-190.

[5] 肖志清，李靜霞. 機(jī)器翻譯：語(yǔ)言學(xué)習(xí)與翻譯發(fā)展新動(dòng)力——《所有人的機(jī)器翻譯：在人工智能時(shí)代為用戶(hù)賦能》評(píng)介[J]. 外文研究，2023，11（2）：100-104，110.

[6] 王俊超. 人工智能語(yǔ)言服務(wù)視域下中國(guó)語(yǔ)言景觀(guān)翻譯編輯模式新論[J]. 語(yǔ)言服務(wù)研究，2024，4（1）：3-22.

[7] 孟巾凱，彭健鈞，肖智東，等. 模塊化連續(xù)手語(yǔ)識(shí)別算法及技術(shù)綜述[J/OL]. 小型微型計(jì)算機(jī)系統(tǒng)，2024：1-18 [2024-08-10]. http：//kns.cnki.net/kcms/detail/21.1106.TP.20240723.1051.010.html.

[8] 張恒博. 基于深度學(xué)習(xí)的手語(yǔ)識(shí)別研究與實(shí)現(xiàn)[D]. 銀川：寧夏大學(xué)，2023.

[9] 潘麗. 基于改進(jìn)的YOLOv5s 結(jié)構(gòu)的手語(yǔ)識(shí)別設(shè)計(jì)[J]. 西昌學(xué)院學(xué)報(bào)（自然科學(xué)版），2024，38（2）：49-55，61.

[10] 劉繼興，周昕，張帥峰，等. 基于人工智能的手語(yǔ)翻譯系統(tǒng)實(shí)現(xiàn)[J]. 科技創(chuàng)新與應(yīng)用，2022，12（23）：41-43，48.

[11] 魏貴延. 基于跨模態(tài)監(jiān)督學(xué)習(xí)的毫米波雷達(dá)手語(yǔ)識(shí)別技術(shù)研究[D]. 重慶：重慶三峽學(xué)院，2024.

[12] LIM K M， TAN A W C， LEE C P， et al. Isolated sign language recognition using convolutional neural network hand modelling and hand e n e r g y i m a g e [ J ] . M u l t i m e d i a t o o l s a n d applications， 2019，78： 19917-19944.

[13] ZHOU H， ZHOU W G， ZHOU Y， e t a l .Spatial-temporal multi-cue network for sign language recognition and translation[J]. IEEE Transactions on multimedia， 2021， 24： 768-779.

[14] 郭慧駿. 基于人工智能技術(shù)和語(yǔ)音識(shí)別的機(jī)器同步翻譯系統(tǒng)[J]. 現(xiàn)代電子技術(shù)，2022，45（9）：152-156.

[15] 邸一鳴. 基于人工智能技術(shù)的計(jì)算機(jī)輔助翻譯軟件設(shè)計(jì)和實(shí)現(xiàn)[J]. 信息記錄材料，2024，25（1）：172-174.

[16] 薛海霞. 人工智能技術(shù)在計(jì)算機(jī)輔助翻譯軟件中的應(yīng)用[J]. 信息與電腦（理論版），2023，35（3）：179-181.

[17] 文旭，田亞靈. ChatGPT 應(yīng)用于中國(guó)特色話(huà)語(yǔ)翻譯的有效性研究[J]. 上海翻譯，2024（2）：27-34，94-95.

[18] 李翔，高朝陽(yáng). 國(guó)外機(jī)器翻譯研究的知識(shí)圖譜和發(fā)展趨勢(shì)[J]. 上海翻譯，2024（2）：41-47.

基金項(xiàng)目：西安翻譯學(xué)院2024 年度校級(jí)科研項(xiàng)目（2024B45）。