AI和人工同传翻译的关系和优缺点

当前，Google 的在线翻译已经为人熟知，其第一代的技术即为基于统计的机器翻译方法，基本原理是通过收集大量的双语网页作为语料库，然后由计算机自动选取最为常见的词与词的对应关系，最后给出翻译结果。

不过，采用该技术目前仍无法达到令人满意的效果，经常闹出各种翻译笑话。因为，基于统计的方法，需要建立大规模的双语语料库，而翻译模型、语言模型参数的准确性直接依赖于语料的规模及质量，翻译质量直接取决于模型的质量和语料库的覆盖面。

除了上述传统的方式，2013年以来，随着深度学习的研究取得较大进展，基于人工神经网络的机器翻译逐渐兴起。就当前而言，广泛应用于机器翻译的是长短时记忆循环神经网络。该模型擅长对自然语言建模，把任意长度的句子转化为特定维度的浮点数向量，同时“记住”句子中比较重要的单词，让“记忆”保存比较长的会话时间。该模型较好地解决了自然语言句子向量化的难题。

其技术核心是通过多层神经网络，自动从语料库中学习知识。一种语言的句子被向量化之后，在网络中层层传递，经过多层复杂的传导运算，生成译文。这种翻译方法最大的优势在于译文流畅，更加符合语法规范。相比之前的翻译技术，质量有较高的提升。

04

智能同传翻译离我们还有多远?

需要说明的是，很多人对机器翻译有误解，认为机器翻译偏差大。其实，机器翻译运用语言学知识，自动识别语法，模拟语义理解，进行对应翻译，因语法、语义、语用的复杂性，出现错误是难免的。就已有的成果来看，全场景通用的机器翻译，其翻译质量离终极目标仍相差甚远。

随着全球化网络时代的到来，语言障碍已经成为二十一世纪社会发展的重要瓶颈，实现任意时间、任意地点、任意语言的无障碍自由沟通是人类追求的一个梦想。这仅是全球化背景下的一个小缩影。在社会快速发展的进程中，机器翻译将扮演越来越重要的角色。