??機器翻譯軟件從實驗室走向市場 ? ? ? ? ? ? ? ???馮志偉

?

????機器翻譯研究如何用計算機來進行不同自然語言之間的翻譯，它是自然語言計算機處理的一個歷史悠久的部門，是橫跨語言學、數學、計算機科學的綜合性學科，也是計算機軟件應用的一個重要領域。隨著計算機網絡的迅速普及和推廣，隨著信息高速公路的發展，網絡上不同語言之間交際越來越普遍，語言的障礙也顯得越來越嚴重，機器翻譯是克服信息時代的語言障礙的不可缺少的手段，它在現代信息社會中的巨大作用將會越來越明顯。由于自然語言的極端復雜性，機器翻譯是當代科學技術的十大難題之一。

????早在在17世紀，一些有識之士就提出了采用機器詞典來克服語言障礙的想法。笛卡兒（Descartes）和萊布尼茲（Leibniz）都試圖在統一的數字代碼的基礎上來編寫詞典。在17世紀中葉，貝克（Cave Beck）、基爾施（Athanasius Kircher）和貝希爾（Johann Joachim Becher）等人都出版過這類的詞典。由此開展了關于“普遍語言”的運動，一些人試圖在邏輯原則和圖形符號的基礎上，創造出一種無歧義的語言，這樣一來，人們就不必再由于誤解而產生交際方面的困惑了。維爾金斯（John Wilkins） 在《關于真實符號和哲學語言的論文》(An Essay towards a Real Character and Philosophical??Language, 1668)中提出的中介語（Interlingua）是這方面最著名的成果，這種中介語的設計試圖將世界上所有的概念和實體都加以分類和編碼，有規則地列出并描述所有的概念和實體，并根據它們各自的特點和性質，給予不同的記號和名稱。

???????1903年，古圖拉特(Couturat)和洛(Leau)在《通用語言的歷史》一書中指出，德國學者里格(W. Rieger) 曾經提出過一種數字語法(Zifferngrammatik)，這種語法加上詞典的輔助，可以利用機械將一種語言翻譯成其他多種語言，首次使用了“機器翻譯” （德文是ein mechanisches Uebersetzen)這個術語。?

????本世紀30年代之初，亞美尼亞裔的法國工程師阿爾楚尼（G.B. Artsouni）提出了用機器來進行語言翻譯的想法，并在1933年7月22日獲得了一項“翻譯機”的專利，叫做“機械腦”（mechanical brain）。這種機械腦的存儲裝置可以容納數千個字元，通過鍵盤后面的寬紙帶，進行資料的檢索。阿爾楚尼認為它可以應用來記錄火車時刻表和銀行的帳戶，尤其適合于作機器詞典。在寬紙帶上面，每一行記錄了源語言的一個詞項以及這個詞項在多種目標語言中的對應詞項，在另外一條紙帶上對應的每個詞項處，記錄著相應的代碼，這些代碼以打孔來表示。要查詢的詞項也利用鍵盤打孔來表示，檢索一個詞項的時間大約時十到十五秒。阿爾楚尼的原型機于1937年正式展出，引起了法國郵政、電信部門的興趣。但是，由于不久爆發了第二次世界大戰，阿爾楚尼的機械腦無法安裝使用。

????1933年，蘇聯發明家特洛揚斯基（П．П．ТРОЯНСКИЙ）設計了用機械方法把一種語言翻譯為另一種語言的機器，并在同年9月5日登記了他的發明。特洛揚斯基認為翻譯可以分為三個階段，第一個階段由只懂源語言的編輯，將輸入的原文分析成特定的邏輯形式，將帶有屈折詞尾的變形詞還原成原形詞，并分析出各個單詞的句法功能，為此，他創造了一套邏輯分析符號。第二階段是利用他的翻譯機，把源語言的原形詞和邏輯符號轉換成目標語言的原形詞和符號。第三階段由只懂目標語言的編輯，把目標語言的原形詞和符號轉換成目標語言。特洛揚斯基認為，他的翻譯機只能在第二階段作為自動詞典來使用。不過他相信，只要能夠建造出一部專門處理邏輯分析過程的機器，總有一天，上述的整個翻譯程序都能夠用機器來實現。特洛揚斯基這種認識，已經超越了“機器詞典”的簡單想法，比阿爾楚尼又進了一步。1939年，特洛揚斯基在他的翻譯機上增加了一個用“光元素”操作的存儲裝置；1941年5 月，這部實驗性的翻譯機已經可以運作；1948年，他計劃在此基礎上研制一部“電子機械機”(electro-mechanical machine)。但是，由于當時蘇聯的科學家和語言學家對此反映十分冷淡，特洛揚斯基的翻譯機沒有得到支持，最后以失敗告終了。

????機器翻譯系統的研制是從40年代末期開始的。可以分為草創期、復蘇期、發展期三個時期。

????（1）草創期（1954年-1970年）：???

????1946年，美國賓夕法尼亞大學的埃克特（J. P. Eckert）和莫希萊（J.W.Mauchly）設計并制造出了世界上第一臺電子計算機ENIAC，電子計算機驚人的運算速度，啟示著人們考慮翻譯技術的革新問題。因此，在電子計算機問世的同一年，英國工程師布斯（A.D.Booth）和美國洛克菲勒基金會副總裁韋弗（W.Weaver）在討論電子計算機的應用范圍時，就提出了利用計算機進行語言自動翻譯的想法。1947年3月6日，布斯與韋弗在紐約的洛克菲勒中心會面，韋弗提出，“如果將計算機用在非數值計算方面，是比較有希望的”。在韋弗與布斯會面之前，韋弗在1947年3月4日給控制論學者維納(N. Wiener）寫信，討論了機器翻譯的問題，韋弗說：“我懷疑是否真的建造不出一部能夠作翻譯的計算機？即使只能翻譯科學性的文章（在語義上問題較少），或是翻譯出來的結果不怎么優雅（但能夠理解），對我而言都值得一試。”可是，維納給韋弗潑了一瓢冷水，他在4月30日給韋弗的回信中寫道：“老實說，恐怕每一種語言的詞匯，范圍都相當模糊；而其中表示的感情和言外之意，要以類似機器翻譯的方法來處理，恐怕不是很樂觀的。”不過韋弗仍然堅持自己的意見。1949年，韋弗發表了一份以《翻譯》為題的備忘錄，正式提出了機器翻譯問題。在這份備忘錄中，他除了提出各種語言都有許多共同的特征這一論點之外，還有兩點值得我們注意：

????第一，他認為翻譯類似于解讀密碼的過程。他說：“當我閱讀一篇用漢語寫的文章的時候，我可以說，這篇文章實際上是用英語寫的，只不過它是用另外一種奇怪的符號編了碼而已，當我在閱讀時，我是在進行解碼。”備忘錄中記載了一個有趣的故事，布朗大學數學系的吉兒曼(R. E. Gilmam)曾經解讀了一篇長約一百個詞的土耳其文密碼，而他既不懂土耳其文，也不知道這篇密碼是用土耳其文寫的。韋弗認為，吉爾曼的成功足以證明解讀密碼的技巧和能力不受語言的影響，因而可以用解讀密碼的辦法來進行機器翻譯。

???第二，他認為原文與譯文“說的是同樣的事情”，因此，當把語言A翻譯為語言B時，就意味著，從語言A出發，經過某一“通用語言” （Universal Language）或“中間語言”（Interlingua），然后轉換為語言B，這種“通用語言”或“中間語言”，可以假定是全人類共同的。

????可以看出，韋弗把機器翻譯僅僅看成一種機械的解讀密碼的過程，他遠遠沒有看到機器翻譯翻譯在詞法分析、句法分析以及語義分析等方面的復雜性。

????由于學者的熱心倡導，實業界的大力支持，美國的機器翻譯研究一時興盛起來。1954年，美國喬治敦大學在國際商用機器公司（IBM公司）的協同下，用IBM-701計算機，進行了世界上第一次機器翻譯試驗，把幾個簡單的俄語句子翻譯成英語，接著，蘇聯、英國、日本也進行了機器翻譯試驗，機器翻譯出現熱潮。

????早期機器翻譯系統的研制受到韋弗的上述思想的很大影響，許多機器翻譯研究者都把機器翻譯的過程與解讀密碼的過程相類比，試圖通過查詢詞典的方法來實現詞對詞的機器翻譯，因而譯文的可讀性很差，難于付諸實用。

????1964年，美國科學院成立語言自動處理諮詢委員會（Automatic Language Processing Advisory Committee，簡稱ALPAC委員會），調查機器翻譯的研究情況，并于1966年11月公布了一個題為《語言與機器》的報告，簡稱ALPAC報告，對機器翻譯采取否定的態度，報告宣稱：“在目前給機器翻譯以大力支持還沒有多少理由”；??報告還指出，機器翻譯研究遇到了難以克服的“語義障礙”（semantic barrier）。

????在ALPAC報告的影響下，許多國家的機器翻譯研究低潮，許多已經建立起來的機器翻譯研究單位遇到了行政上和經費上的困難，在世界范圍內，機器翻譯的熱潮突然消失了，出現了空前蕭條的局面。

????不過，盡管在蕭條時期，法國、日本、加拿大等國，仍然堅持著機器翻譯研究，于是，在 70 年代初期，機器翻譯又出現了復蘇的局面。

（2）復蘇期（1970年-1976年）：

????在這個復蘇期，研究者們普遍認識到，原語和譯語兩種語言的差異，不僅只表現在詞匯的不同上，而且，還表現在句法結構的不同上，為了得到可讀性強的譯文，必須在自動句法分析上多下功夫。

????早在1957年，美國學者英格維（V. Yingve）在《句法翻譯的框架》（Framework for Syntactic Translation）一文中就指出，一個好的機器翻譯系統，應該分別地對原語和譯語都作出恰如其分的描寫，這樣的描寫應該互不影響，相對獨立。英格維主張，機器翻譯可以分為三個階段來進行。

????第一階段：用代碼化的結構標志來表示原語文句的結構；

????第二階段：把原語的結構標志轉換為譯語的結構標志；

????第三階段：構成譯語的輸出文句。

????英格維的這些主張，在這個時期廣為傳播，并被機器翻譯系統的開發人員普遍接受，因此，這個時期的機器翻譯系統幾乎都把句法分析放在第一位，并且在句法分析方面取得了很大的成績。

????這個時期機器翻譯的另一個特點是語法（grammar）與算法（algorithm）分開。

????早在1957年，英格維就提出了把語法與“機制”（mechanism）分開的思想。英格維所說的“機制”，實質上就是算法。所謂語法與算法分開，就是要把語言分析和軟件程序設計分開，程序設計工作者提出規則描述的方法，而語言學工作者使用這種方法來描述語言的規則。語法和算法分開，是機器翻譯技術的一大進步，它非常有利于程序設計工作者與語言工作者的分工合作。

????這個復蘇期的機器翻譯系統的典型代表是法國格勒諾布爾理科醫科大學自動翻譯中心(GETA)的機器翻譯系統。這個自動翻譯中心的主任沃古瓦（B. Vouquois）教授明確地提出，一個完整的機器翻譯過程可以分為如下六個步驟：

????（1）原語詞法分析，（2）原語句法分析，（3）原語譯語詞匯轉換，（4）原語譯語結構轉換，（5）譯語句法生成，（6）譯語詞法生成。

????其中，第一、第二步只與原語有關，第五、第六步只與譯語有關，只有第三、第四步牽涉到原語和譯語二者。這就是機器翻譯中的“獨立分析-獨立生成-相關轉換”的方法。他們用這種研制的俄法機器翻譯系統，已經接近實用水平。

（3）繁榮期（1976年--現在）。

?????繁榮期的最重要的特點，是機器翻譯研究走向了實用化，出現了一大批實用化的機器翻譯系統，機器翻譯軟件產品開始進入市場，變成了商品，由機器翻譯系統的實用化引起了機器翻譯軟件的商品化。

????機器翻譯的繁榮期是以1976年加拿大蒙特利爾大學與加拿大聯邦政府翻譯局聯合開發的實用性機器翻譯系統 TAUM-METEO 正式提供天氣預報服務為標志的。這個機器翻譯系統投入實用之后，每小時可以翻譯6萬-30萬個詞，每天可以翻譯1500-2000篇天氣預報的資料，并能夠通過電視、報紙立即公布。TAUM-METEO系統是機器翻譯發展史上的一個里程碑，它標志著機器翻譯由復蘇走向了繁榮。

????傳統的機器翻譯系統，按其翻譯方式來分。可大致分為直譯式、轉換式和樞軸式三種類型。

????1．直譯式：把原語的詞或句子直接替換成譯語的詞或句子，必要時對詞序進行適當的調整。這種直譯式廣泛地應用于早期的機器翻譯系統中。目前，仍然有不少系統采用直譯式來進行機器翻譯。一個極端的例子就是袖珍旅游翻譯機，這種翻譯機存貯著原語的常用句子及其相應的譯語的譯文，翻譯時直接查出其對應物即可。比較復雜的直譯式是句法直譯式、語義直譯式。在直譯時要進行詞語的選擇和詞序的變換。

????2．轉換式：在原語和譯語之間設定能在一定程序上表現語義關系的中間表達式，根據中間表達式所處平面的不同，又可分為句法轉換式和語義轉換式。句法轉換式一般以樹形圖作為句法結構的中間表達式，語義轉換式一般采用語義網絡作為中間表達式。在采用語義轉換式的機器翻譯系統中，在表層結構上出現歧義的句子，在語義的中間表達式這一平面上不會再有歧義。因此轉換規則的數目不多，這是其優點。但其缺點是為了得到這樣的中間表達式，需要進行大量的分析和運算，而且由這樣的中間表達式去生成譯文也是十分困難的。

?????3．樞軸式：把語義轉換式推到極限，用中間表達式來表示不依賴于任何具體語言的普遍意義，這種普遍意義就是樞軸。在樞軸式中，原語和譯語之間不再需要進行什么轉換，轉換規則的數目減少到零，翻譯的過程就是首先把原語的文句變為樞軸中的普遍意義，再由普遍意義生成譯文。由于完全取消了轉換規則，所以，原語的分析和譯語的生成都比較復雜。

????傳統的機器翻譯方法都是基于規則的機器翻譯方法，由于分析技術的限制，大多數都以句法直譯式和句法轉換式為其主流。

????除了傳統的機器翻譯方法之外，近年來還出現了基于經驗的機器翻譯方法。所謂“基于經驗”，一是指基于統計，一是指基于實例。基于經驗的機器翻譯系統的研制，需要大規模真實語料庫的支持。

　　1993年7月在日本神戶召開的第四屆機器翻譯高層會議（MT Summit IV）上，英國著名學者哈欽斯（J. Hutchins）在他的特約報告中指出，自1989年以來，機器翻譯的發展進入了一個新紀元。這個新紀元的重要標志是，在基于規則的技術中引入了語料庫方法，其中包括統計方法，基于實例的方法，通過語料加工手段使語料庫轉化為語言知識庫的方法，等等。這種建立在大規模真實文本處理基礎上的機器翻譯，是機器翻譯研究史上的一場革命，它將會把自然語言的計算機處理推向一個嶄新的階段。

????早在1949年，韋弗在他的備忘錄中，就提出了使用統計學的辦法來解決機器翻譯問題，但是，由于當時尚缺乏高性能的計算機和聯機語料，采用基于統計的機器翻譯在技術上還不成熟。現在，這種局面已經大大改變了，計算機在速度和容量上多有了大幅度的提高，也有了大量的聯機語料可供統計使用，因此，在 90 年代，基于統計的機器翻譯又興盛起來。

????基于統計的機器翻譯把機器翻譯問題看成是一個噪音信道問題，如圖所示：

???????????????????????S → 噪音信道??→ T

????可以這樣來看機器翻譯：一種語言S由于經過了一個噪音信道而發生了扭曲變形，在信道的另一端呈現為另一種語言T，翻譯問題實際上就是如何根據觀察到的語言T，恢復最為可能的語言S。語言S是信道意義上的輸入，在翻譯意義上就是目標語言，語言T是信道意義上的輸出，在翻譯意義上就是源語言。從這種觀點看來，一種語言中的任何一個句子都有可能是另外一種語言中的某幾個句子的譯文，只是這些句子的可能性各不相同，機器翻譯就是要找出其中可能性最大的句子，也就是對所有可能的目標語言S計算出概率最大的一個作為源語言T的譯文。由于S的數量巨大，可以采用棧式搜索(stack search)的方法。棧式搜索的主要數據結構是表結構，表結構中存放著當前最有希望的對應于T的S，算法不斷循環，每次循環擴充一些最有希望的結果，直到表中包含一個得分明顯高于其它結果的S時結束。棧式搜索不能保證得到最優的結果，它會導致錯誤的翻譯，因而只是一種次優化算法。

????基于統計的機器翻譯進行概率計算時，采用隱馬爾可夫模型(Hidden Markov Model, 簡稱HMM)。隱馬爾可夫模型是馬爾可夫模型的擴展。馬爾可夫模型描述的是一個隨機過程，而隱馬爾可夫模型中有兩個隨機過程，一個隨機過程描述觀察值(例如, 具體的單詞)和狀態(例如, 該單詞可能標注的詞類)之間的概率關系，即觀察值是狀態的概率函數，另一個隨機過程描述狀態之間(例如, 詞類標記與詞類標記之間)的轉移關系。作為外界的觀察者來說，只能看到狀態產生的觀察值，而看不到狀態之間的轉移，狀態之間的轉移是隱藏的，所以叫做隱馬爾可夫模型。近年來，利用隱馬爾可夫模型在詞性標注方面取得了較好的結果，從而推動了基于統計的機器翻譯的研究。

????基于實例的機器翻譯的思想最早是由日本機器翻譯專家長尾真(Makoto Nagao)提出來的。他在1984年發表了《采用類比原則進行日-英機器翻譯的一個框架》一文，探討日本人初學英語時翻譯句子的基本過程，長尾真認為，初學英語的日本人總是記住一些最基本的英語句子以及一些相對應的日語句子，他們要對比不同的英語句子和相對應的日語句子，并由此推論出句子的結構。參照這個學習過程，在機器翻譯中，如果我們給出一些英語句子的實例以及相對應的日語句子，機器翻譯系統來識別和比較這些實例及其譯文的相似之處和相差之處，從而挑選出正確的譯文。長尾真指出，人類并不通過做深層的語言學分析來進行翻譯，人類的翻譯過程是：首先把輸入的句子正確地分解為一些短語碎片，接著把這些短語碎片翻譯成其它語言的短語碎片，最后再把這些短語碎片構成完整的句子，每個短語碎片的翻譯是通過類比的原則來實現的。因此，我們應該在計算機中存儲一些實例，并建立由給定的句子找尋類似例句的機制，這是一種由實例引導推理的機器翻譯方法，也就是基于實例的機器翻譯方法。

????在基于實例的機器翻譯系統中，系統的主要知識源是雙語對照的翻譯實例庫，實例庫主要有兩個字段，一個字段保存源語言句子，另一個字段保存與之對應的譯文，每輸入一個源語言的句子時，系統把這個句子同實例庫中的源語言句子字段進行比較，找出與這個句子最為相似的句子，并模擬與這個句子相對應的譯文，最后輸出譯文。

????基于實例的機器翻譯系統中，翻譯知識以實例和義類詞典的形式來表示，易于增加或刪除，系統的維護簡單易行，如果利用了較大的翻譯實例庫并進行精確的對比，有可能產生高質量譯文，而且避免了基于規則的那些傳統的機器翻譯方法必須進行深層語言學分析的難點。在翻譯策略上是很有吸引力的。

????要進行基于實例的機器翻譯需要研究如下問題：

????第一，正確地進行雙語自動對齊(alignment)：在實例庫中要能準確地由源語言例句找到相應的目標語言例句，在基于實例的機器翻譯系統的具體實現中，不僅要求句子一級的對齊，而且還要求詞匯一級甚至短語一級的對齊。

????第二，建立有效的實例匹配檢索機制：很多研究者認為，基于實例的機器翻譯的潛力在于充分利用短語一級的實例碎片，也就是在短語一級進行對齊，但是，利用的實例碎片越小，碎片的邊界越難于確定，歧義情況越多，從而導致翻譯質量的下降，為此，要建立一套相似度準則(similarity metric)，以便確定兩個句子或者短語碎片是否相似。

????第三，根據檢索到的實例生成與源語言句子相對應的譯文：由于基于實例的機器翻譯對源語言的分析比較粗，生成譯文時往往缺乏必要的信息，為了提高譯文生成的質量，可以考慮把基于實例的機器翻譯與傳統的基于規則的機器翻譯方法結合起來，對源語言也進行一定深度的分析。

????我國是繼美國、蘇聯、英國之后，世界上第四個開展機器翻譯研究工作的國家。當今在機器翻譯方面居于先進水平的日本，是在1958年才開始進行機器翻譯的，起步比我國為晚。

????與國外機器翻譯的發展情況相比較，我國機器翻譯除了有草創期、復蘇期和繁榮期之外，由于文化革命的影響，還有一個非常特別的時期--停滯期，而且，由于我國機器翻譯在理論上和方法上以及設備上的底子都很薄，我國機器翻譯的每一個時期又都比國外機器翻譯的同樣時期稍微滯后。

????（1）草創期（1956年--1966年）

????在這個時期，我國學者對機器翻譯進行了初步的探索和試驗。1956年，國家便把機器翻譯研究列入了我國科學工作的發展規劃，成為其中的一個課題，課題的名稱是：“機器翻譯、自然語言翻譯規則的建立和自然語言的數學理論”。1957年，中國科學院語言研究所與計算技術研究所合作，開展俄漢機器翻譯的研究。1959年，他們在我國制造的104大型通用電子計算機上，進行了俄漢機器翻譯試驗，翻譯了9個不同類型的、較為復雜的句子。在這個草創時期，北京外國語學院、北京俄語學院、廣州華南工學院、哈爾濱工業大學也分別成立了機器翻譯研究組，開展俄漢或英漢機器翻譯的試驗。

????（2）停滯期（1966年--1975年）

?????在這個時期，除了極少數的機器翻譯研究者在極端惡劣的條件下繼續進行理論探索之外，沒有進行任何的機器翻譯研究和試驗。

????（3）復蘇期（1975年--1987年）

????在這個時期，我國機器翻譯研究重振旗鼓，開始復蘇，繼續進行機器翻譯研究。1975年11月，在中國科學技術情報研究所設立了一個由情報所、語言所和計算所等單位的工作人員組成的機器翻譯協作研究組，以冶金題錄5000條為試驗材料，制定英漢機器翻譯方案并上機試驗。1978年5月，在計算所111機上進行抽樣試驗，抽樣20條，達到了預期的效果。在這個時期，我國學者還開展了法漢、德漢、日漢以及漢-法/英/日/俄/德多語言機器翻譯試驗，取得了一定的成效。

????（4）繁榮期（1987年--現在）

?????這個時期是以中國軟件技術公司的“譯星1號”機器翻譯系統的問世為標志的。繼“譯星1號”之后，一系列的實用化商品化的機器翻譯系統如雨后春筍般地推向市場，北京的“高立”系統、陜西的“朗威”系統、天津的“通譯”系統、深圳的LIGHT系統都擁有了一定數量的用戶，我國的機器翻譯邁向了實用化和商品化的階段，機器翻譯軟件從實驗室走向了市場。在這個時期，我國也開展了基于實例的機器翻譯研究，并取得了初步的成果。

谷歌最近開始42種語言的自動翻譯免費服務，是機器翻譯發展史上的重大進展。

機器翻譯是國際十大科技難題之一，由于自然語言是十分復雜和豐富的，不可能用電子計算機表達得淋漓盡致，因此，機器翻譯與人工翻譯總是會存在一定的差距。人類對于自然語言的認識是沒有止境的，機器翻譯軟件的研究和探索也是沒有止境的。

?注：?文章引用自：http://blog.sina.com.cn/s/blog_72d083c70100nyxv.html

???????????????????????參考文獻

1.????W. J. Hutchens, latest Development in MT Technology: Beginning a New Era in MT Research. In : Proceedings of Machine Translation Summit-IV, Kobe, Japan, 1993.

2.????馮志偉，自動翻譯，上海知識出版社，1987年。

3.????馮志偉，自然語言機器翻譯新論，語文出版社，1994年。

4.????馮志偉，自然語言的計算機處理，上海外語教育出版社，1996年。

轉載于:https://www.cnblogs.com/inspirationhyl/p/3636040.html

總結

以上是生活随笔為你收集整理的机器翻译软件从实验室走向市场的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。