前陣子，一位同傳翻譯員聲討科大訊飛“AI同傳造假”，在網(wǎng)上引起了軒然大波。人工智能和同傳翻譯由此成為大家熱議的話題。今天，我們來談一談“人工智能翻譯是否真的可以取代同傳翻譯員”？

同聲傳譯有多難？

同聲傳譯最早出現(xiàn)在一戰(zhàn)后的巴黎和會上，英法兩國代表借助同聲傳譯人員的幫助，完成了緊張的談判。

如今，該技術(shù)依然在國際會議上扮演著極其重要的角色。據(jù)統(tǒng)計，95%的國際會議都有專業(yè)同聲傳譯人員助力。

同傳翻譯員在臺上能夠?qū)⑼瑐髂芰�運用自如，需要平時大量的艱苦練習(xí)，即使是雙語運用自如的專業(yè)人員，在實戰(zhàn)之前，也要進(jìn)行數(shù)年的鍛煉。他們不僅需要事先學(xué)習(xí)、熟悉會議資料，還需要隨機應(yīng)變的能力。同聲傳譯的工作方式也比較特殊，因為壓力巨大，一般多人協(xié)同，在一場數(shù)小時的過程中，每人輪流翻譯幾十分鐘。

相較之下，普通的口譯工作則要簡單不少。機器翻譯如能代替同聲傳譯無疑具有巨大的價值。

人工智能翻譯的水平如何？

那么，人工智能同傳翻譯的能力究竟怎樣？會不會搶走同傳翻譯員的飯碗呢？

今年上半年的博鰲亞洲論壇上，首次出現(xiàn)了AI同傳。然而，現(xiàn)場配備的系統(tǒng)卻掉了鏈子，鬧出詞匯翻譯不準(zhǔn)確、重復(fù)等低級錯誤。

客觀來講，人工智能或機器翻譯技術(shù)在自然語言處理上，的確有許多突破。這些突破給人希望，讓人暢想未來，但是，短期內(nèi)的價值，更多體現(xiàn)在輔助翻譯等領(lǐng)域。

當(dāng)然，目前機器翻譯已經(jīng)取得非常大的進(jìn)步，在衣食住行等常用生活用語上的中英翻譯可以達(dá)到大學(xué)六級的水平，能夠幫助人們在一些場景處理語言交流的問題，但距離人工同傳以及高水平翻譯所講究的“信、達(dá)、雅”，還存在很大的差距。

目前的差距是由現(xiàn)有技術(shù)水平的限制決定的，機器翻譯，又稱為自動翻譯，是利用計算機將一種語言轉(zhuǎn)換為另一種語言，機器翻譯技術(shù)的發(fā)展與計算機技術(shù)、信息論、語言學(xué)等學(xué)科的發(fā)展緊密相關(guān)。從早期的詞典匹配，到結(jié)合語言學(xué)專家梳理的知識規(guī)則，再到基于語料庫的統(tǒng)計學(xué)方法，隨著計算能力的提升和多語言信息的積累，機器翻譯技術(shù)開始在一些場景中提供便捷的翻譯服務(wù)。

新世紀(jì)以來，隨著互聯(lián)網(wǎng)的普及，互聯(lián)網(wǎng)公司紛紛成立機器翻譯研究組，研發(fā)了基于互聯(lián)網(wǎng)大數(shù)據(jù)的機器翻譯系統(tǒng)，從而使機器翻譯真正走向?qū)嵱�，市場上開始出現(xiàn)比較成熟的自動翻譯產(chǎn)品。近年來，隨著深度學(xué)習(xí)的進(jìn)展，機器翻譯技術(shù)得到了進(jìn)一步的發(fā)展，促進(jìn)了翻譯質(zhì)量的提升，使得翻譯更加地道、流暢。

機器翻譯的難點在哪里？

這里，簡單介紹一下機器翻譯的難點。整個機器翻譯的過程，可以分為語音識別轉(zhuǎn)換、自然語言分析、譯文轉(zhuǎn)換和譯文生成等階段。在此，以比較典型的、基于規(guī)則的機器同傳翻譯為例（參見下圖），模塊包含了：語音識別（語音轉(zhuǎn)換為文本）、自然語言處理（語法分析、語義分析）、譯文轉(zhuǎn)換、譯文生成和語音生成等模塊。其中的技術(shù)難點主要是：語音識別、自然語言處理和譯文轉(zhuǎn)換等步驟。

第一個技術(shù)難點是語音識別。近二十年來，語音識別技術(shù)取得了顯著進(jìn)步，開始進(jìn)入家電、汽車、醫(yī)療、家庭服務(wù)等各個領(lǐng)域。常見的應(yīng)用系統(tǒng)有：

語音輸入系統(tǒng)，相對于鍵盤輸入方法，它更符合人的日常習(xí)慣，也更自然、更高效；

語音控制系統(tǒng)，即用語音來控制設(shè)備的運行，相對于手動控制來說更加快捷、方便，可以用在諸如工業(yè)控制、語音撥號系統(tǒng)、智能家電、聲控智能玩具等許多領(lǐng)域；

智能對話查詢系統(tǒng)，根據(jù)客戶的語音進(jìn)行操作，為用戶提供自然、友好的數(shù)據(jù)庫檢索服務(wù)，例如家庭服務(wù)、旅行社服務(wù)系統(tǒng)、訂票系統(tǒng)、銀行服務(wù)等。

可以說，語音識別技術(shù)與其他自然語言處理技術(shù)相結(jié)合，可以構(gòu)建出很多復(fù)雜的應(yīng)用。

然而，語音識別的主要難點就是對自然語言的識別和理解。首先必須將連續(xù)的講話分解為詞、音素等單位，其次要建立一個理解語義的規(guī)則。由于語音信息量大，語音模式不僅對不同的說話人不同，對不同場景的同一說話人也是有差異的。

例如，一個人在隨意說話和認(rèn)真說話時的語音特征是不同的。另外，說話者在講話時，不同的詞可能聽起來是相似的，這也是常見現(xiàn)象。單個字母或詞、字的語音特性，受上下文的影響，以致改變了重音、音調(diào)、音量和發(fā)音速度等。最后，環(huán)境噪聲和干擾對語音識別也有較大影響，致使識別率低。

第二個技術(shù)難點是語義解析，這是智能化的機器翻譯系統(tǒng)的核心部分。目前，機器翻譯系統(tǒng)可劃分為基于規(guī)則和基于語料庫兩大類。前者以詞典和語言知識規(guī)則庫為基礎(chǔ)；后者由經(jīng)過劃分并具有標(biāo)注的語料庫構(gòu)成知識源，以統(tǒng)計學(xué)的算法為主。

機譯系統(tǒng)是隨著語料庫語言學(xué)的興起而發(fā)展起來的。目前，世界上絕大多數(shù)機譯系統(tǒng)都采用以規(guī)則庫為基礎(chǔ)的策略，一般分為語法型、語義型、知識型和智能型。不同類型的機譯系統(tǒng)，由不同的成分構(gòu)成。抽象地說，所有機譯系統(tǒng)的處理過程都包括以下步驟：對源語言的分析或理解，在語言的語法、語義和語用等平面進(jìn)行轉(zhuǎn)換，按目標(biāo)語言結(jié)構(gòu)規(guī)則生成目標(biāo)語言。

當(dāng)前，Google 的在線翻譯已經(jīng)為人熟知，其第一代的技術(shù)即為基于統(tǒng)計的機器翻譯方法，基本原理是通過收集大量的雙語網(wǎng)頁作為語料庫，然后由計算機自動選取最為常見的詞與詞的對應(yīng)關(guān)系，最后給出翻譯結(jié)果。

不過，采用該技術(shù)目前仍無法達(dá)到令人滿意的效果，經(jīng)常鬧出各種翻譯笑話。因為，基于統(tǒng)計的方法，需要建立大規(guī)模的雙語語料庫，而翻譯模型、語言模型參數(shù)的準(zhǔn)確性直接依賴于語料的規(guī)模及質(zhì)量，翻譯質(zhì)量直接取決于模型的質(zhì)量和語料庫的覆蓋面。

除了上述傳統(tǒng)的方式，2013年以來，隨著深度學(xué)習(xí)的研究取得較大進(jìn)展，基于人工神經(jīng)網(wǎng)絡(luò)的機器翻譯逐漸興起。就當(dāng)前而言，廣泛應(yīng)用于機器翻譯的是長短時記憶循環(huán)神經(jīng)網(wǎng)絡(luò)。該模型擅長對自然語言建模，把任意長度的句子轉(zhuǎn)化為特定維度的浮點數(shù)向量，同時“記住”句子中比較重要的單詞，讓“記憶”保存比較長的會話時間。該模型較好地解決了自然語言句子向量化的難題。

其技術(shù)核心是通過多層神經(jīng)網(wǎng)絡(luò)，自動從語料庫中學(xué)習(xí)知識。一種語言的句子被向量化之后，在網(wǎng)絡(luò)中層層傳遞，經(jīng)過多層復(fù)雜的傳導(dǎo)運算，生成譯文。這種翻譯方法最大的優(yōu)勢在于譯文流暢，更加符合語法規(guī)范。相比之前的翻譯技術(shù)，質(zhì)量有較高的提升。

智能同傳翻譯離我們還有多遠(yuǎn)？

需要說明的是，很多人對機器翻譯有誤解，認(rèn)為機器翻譯偏差大。其實，機器翻譯運用語言學(xué)知識，自動識別語法，模擬語義理解，進(jìn)行對應(yīng)翻譯，因語法、語義、語用的復(fù)雜性，出現(xiàn)錯誤是難免的。就已有的成果來看，全場景通用的機器翻譯，其翻譯質(zhì)量離終極目標(biāo)仍相差甚遠(yuǎn)。

隨著全球化網(wǎng)絡(luò)時代的到來，語言障礙已經(jīng)成為二十一世紀(jì)社會發(fā)展的重要瓶頸，實現(xiàn)任意時間、任意地點、任意語言的無障礙自由溝通是人類追求的一個夢想。這僅是全球化背景下的一個小縮影。在社會快速發(fā)展的進(jìn)程中，機器翻譯將扮演越來越重要的角色。