王鈺

摘 要：機(jī)器翻譯是自然語言處理的一個(gè)重要分支，自然語言處理技術(shù)與機(jī)器翻譯研究的結(jié)合不僅為人們?nèi)粘９ぷ魃钪懈鞣N跨語言需求提供了便利，也對解決其他自然語言處理任務(wù)有著啟發(fā)與借鑒作用。首先概括了自然語言處理的一些基本概念，然后舉例說明自然語言處理在機(jī)器翻譯中的應(yīng)用，最后展望機(jī)器翻譯未來發(fā)展趨勢并進(jìn)行總結(jié)。這有助于加深對自然語言處理以及機(jī)器翻譯之間關(guān)系的認(rèn)識，旨在為后續(xù)的研究提供借鑒。

關(guān)鍵詞：自然語言處理;機(jī)器翻譯;機(jī)器學(xué)習(xí)

近年來，自然語言處理（natural language processing）作為根植于語言學(xué)、計(jì)算機(jī)科學(xué)和數(shù)學(xué)等多種學(xué)科沃土而成長起來的多邊緣學(xué)科，成為人工智能中亟需解決的任務(wù)之一，同時(shí)也是該領(lǐng)域的一個(gè)重要研究方向。自然語言處理的飛速發(fā)展，為機(jī)器翻譯研究提供了強(qiáng)有力的支持。當(dāng)今世界，隨著通信技術(shù)與互聯(lián)網(wǎng)技術(shù)的迅猛發(fā)展、信息的急劇增加以及國際聯(lián)系愈加緊密，語言交流障礙問題也顯得愈加突出，對機(jī)器翻譯的潛在需求也在逐漸加大（John Hutchins，1986）。在目前人工智能（artificial intelligence）的浪潮下，機(jī)器翻譯理論、技術(shù)與未來發(fā)展趨勢越來越引人關(guān)注（李沐等，2018）。值得注意的是，對自然語言處理技術(shù)在機(jī)器翻譯中的應(yīng)用、機(jī)器翻譯是否會代替人工翻譯等問題，還存在著諸多片面的認(rèn)識。

有鑒于此，本文首先對自然語言處理的概念和主要內(nèi)容進(jìn)行簡要的介紹，在此基礎(chǔ)之上嘗試舉例說明自然語言處理技術(shù)在機(jī)器翻譯中的應(yīng)用。在對機(jī)器翻譯與人工翻譯之間的關(guān)系進(jìn)行簡要的梳理后提出本文的觀點(diǎn)，最后對機(jī)器翻譯未來的發(fā)展趨勢進(jìn)行展望。

一、自然語言處理概述

（一）自然語言處理的概念

計(jì)算語言學(xué)（computational linguistics），也稱自然語言處理（natural language processing），是一門以計(jì)算為手段對自然語言進(jìn)行研究和處理的學(xué)科（劉穎，2014：1）。Bill Manaris（1998）曾在《計(jì)算機(jī)進(jìn)展》中給出這樣的定義：“自然語言處理可以定義為研究在人與人交際中以及在人與計(jì)算機(jī)交際中的語言問題的一門學(xué)科?！弊匀徽Z言處理要研制表示語言能力和語言應(yīng)用的模型，建立計(jì)算機(jī)框架來實(shí)現(xiàn)語言模型，提出相應(yīng)的方法對語言模型不斷地進(jìn)行完善，根據(jù)語言模型設(shè)計(jì)各種實(shí)用系統(tǒng)，并探討這些實(shí)用系統(tǒng)的評測技術(shù)。自然語言處理的概念界定，可以參見圖1：

馮志偉（2010）、張政（2010：2）指出，為了實(shí)現(xiàn)計(jì)算機(jī)對現(xiàn)實(shí)生活中自然語言的研究和處理，在自然語言處理技術(shù)所應(yīng)用的各個(gè)領(lǐng)域中，一般需要根據(jù)具體要求經(jīng)過以下幾個(gè)過程：

1.從語言學(xué)角度把自然語言處理抽象為一個(gè)語言問題;

2.把這一問題在語言學(xué)上形式化，使之能以一定的數(shù)學(xué)形式，嚴(yán)密而規(guī)整地表示出來;

3.把這種嚴(yán)密而規(guī)整的數(shù)學(xué)形式表示為“算法”;

4.根據(jù)算法建立自然語言處理的“計(jì)算模型”，這樣能夠使它在計(jì)算機(jī)上得以實(shí)現(xiàn)。

總的來說，自然語言的具體處理過程可用圖2進(jìn)行展示：

如圖2所示，自然語言處理需要一系列的轉(zhuǎn)換加工過程。在自然語言處理中，不僅需要語言學(xué)方面的知識，而且還需要非語言學(xué)方面的知識，如心理學(xué)、計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)、哲學(xué)、電子工程和生物學(xué)等?？傊匀徽Z言處理是一門多邊緣交叉學(xué)科。

（二）自然語言處理的主要內(nèi)容

根據(jù)語言學(xué)的通常觀點(diǎn)，語言可以分為以下幾個(gè)層次：語音、詞匯、語法、語義、語篇和語用。自然語言處理技術(shù)在以上各個(gè)層次的主要應(yīng)用，可以進(jìn)一步細(xì)分為下列內(nèi)容：機(jī)器翻譯（machine translation）、語音自動識別（sound recognition）、語言自動合成（sound synthesis）、自動文摘（automatic abstracting）、人機(jī)對話（man-machine dialogue）、信息自動檢索（automatic information retrieval）、術(shù)語數(shù)據(jù)庫（term database）、計(jì)算機(jī)輔助教學(xué)（computer-aided instruction）、電子詞典（electronic dictionary）、文字自動識別（optical character recognition）、文獻(xiàn)自動分類（information classification）等。

目前，無論是在理論基礎(chǔ)、語言資源，還是在關(guān)鍵技術(shù)等方面，自然語言處理都有了相當(dāng)豐富的積累（王萌等，2015）。應(yīng)當(dāng)說，上述應(yīng)用也都有了很大的發(fā)展。比如說語音自動識別，即利用計(jì)算機(jī)對語音作出明確辨認(rèn)。這一技術(shù)可用于翻譯的語音識別，也可以用于鐵路、民航等無人管理站的問訊系統(tǒng)。又如自然語言理解，也稱人機(jī)對話，是來研究如何利用計(jì)算機(jī)讓其理解并運(yùn)用人類語言，最后用自然語言以對話的方式回答人們所提出的問題。百度公司開發(fā)的“小度”、微軟的“小冰”等都實(shí)現(xiàn)了智能人機(jī)對話。再如文字自動識別技術(shù)，它可以應(yīng)用到一些掃描軟件上，通過對印刷字體甚至是手寫的字體進(jìn)行識別，最終生成相應(yīng)的電子文檔。此外，自然語言處理在翻譯領(lǐng)域的應(yīng)用也越來越廣泛。我們知道，在應(yīng)用翻譯領(lǐng)域，人類面對的最迫切、最重大的任務(wù)，就是如何解決計(jì)算機(jī)翻譯問題。這也是下文所著要探討的問題。

二、自然語言處理在機(jī)器翻譯中的應(yīng)用

（一）機(jī)器學(xué)習(xí)

自然語言處理的一大特點(diǎn)就是它現(xiàn)在越來越多地使用機(jī)器學(xué)習(xí)（machine learning）的方法來獲取語言知識（馮志偉，2010）。機(jī)器學(xué)習(xí)是用來研究如何通過計(jì)算的手段，利用經(jīng)驗(yàn)來改善系統(tǒng)自身性能的一門學(xué)科（周志華，2016：1）。具體來說，計(jì)算機(jī)從大量數(shù)據(jù)中得出“模型”的算法，也就是前面提到的“學(xué)習(xí)算法”，然后將經(jīng)驗(yàn)數(shù)據(jù)提供給計(jì)算機(jī)，它就會從這些數(shù)據(jù)中產(chǎn)生新的模型。最后，當(dāng)有新數(shù)據(jù)出現(xiàn)時(shí)，計(jì)算機(jī)就可以基于生成的模型幫助人類做出相應(yīng)的判斷?？蓞⒁妶D3：

圖3給我們形象直觀地展現(xiàn)了機(jī)器學(xué)習(xí)的工作方式。從圖3可以看出，首先，要將大量的訓(xùn)練數(shù)據(jù)提供給計(jì)算機(jī)，構(gòu)建一個(gè)初始模型，即模型1。然后，用測試數(shù)據(jù)對初始模型進(jìn)行檢查，并不斷對其進(jìn)行完善，接著會得到一個(gè)訓(xùn)練完好的模型，即模型2。最后，再將新數(shù)據(jù)提供給模型2，人類就可以通過計(jì)算機(jī)、利用模型2去作出判斷和預(yù)測。在此之后，更多的數(shù)據(jù)，不同的特征，或調(diào)整過的參數(shù)，都可以用來提升算法的性能表現(xiàn)，使它不斷完善。

（二）機(jī)器翻譯

機(jī)器翻譯，就是使用計(jì)算機(jī)進(jìn)行翻譯，即把一種自然語言生成另一種自然語言而又無需人類幫助的計(jì)算機(jī)系統(tǒng)（Hutchins et al.， 1992：3）。這里的自然語言區(qū)別于人工語言，如計(jì)算機(jī)編程語言等為實(shí)現(xiàn)某些特定目的而創(chuàng)造的語言。李沐等（2018：2）指出，機(jī)器翻譯是自然語言處理研究的一個(gè)分支，它在處理過程中會涉及到很多自然語言處理的經(jīng)典問題。如數(shù)據(jù)挖掘及清洗、詞字切分、詞性標(biāo)注、句法分析等。此外，機(jī)器翻譯還涉及機(jī)器學(xué)習(xí)算法中的應(yīng)用。就此而言，機(jī)器翻譯是一項(xiàng)復(fù)雜的系統(tǒng)工程。

機(jī)器翻譯大體可以分為基于規(guī)則的機(jī)器翻譯方法和基于語料庫的機(jī)器翻譯方法。根據(jù)建模的不同，基于語料庫的機(jī)器翻譯方法又可以分為基于實(shí)例的機(jī)器翻譯方法、統(tǒng)計(jì)機(jī)器翻譯方法和神經(jīng)機(jī)器翻譯方法。

在機(jī)器翻譯中，數(shù)據(jù)也稱語料（corpus），也就是說基于語料庫的機(jī)器翻譯都需要大量的語料作為訓(xùn)練數(shù)據(jù)來訓(xùn)練模型。不同的語料類型被用來訓(xùn)練不同的模型，如目標(biāo)語言語料用來訓(xùn)練語言模型（刻畫句子的流暢度），平行語料用來訓(xùn)練翻譯模型（學(xué)習(xí)、獲取翻譯知識）等。根據(jù)研究需要，本文對李沐等（2018：38）所繪制的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)框架圖進(jìn)行了改編。具體如圖4所示：

這里就以圖4中語言模型的構(gòu)建為例，來簡要說明該過程中自然語言處理的應(yīng)用。如圖4所示，首先，以目標(biāo)語言語料為訓(xùn)練數(shù)據(jù)，計(jì)算機(jī)從中學(xué)習(xí)知識并根據(jù)這些知識建立語言模型。但由于訓(xùn)練數(shù)據(jù)，也就是目標(biāo)語言語料的規(guī)模具有有限性，無法對所有真實(shí)樣例數(shù)據(jù)進(jìn)行覆蓋，所以通常會使用數(shù)據(jù)平滑（data smoothing）算法來對語言模型進(jìn)行完善，很多自然語言處理的應(yīng)用都使用語言模型產(chǎn)出文本，這些模型基于前面出現(xiàn)的單詞及語境，被專門訓(xùn)練來預(yù)測接下來要出現(xiàn)的單詞（Ranzato，M.et al.，2016）。最終語言模型建立后就可以用來估算自然語言中每個(gè)句子出現(xiàn)的可能性，從而提高最佳譯文的選擇質(zhì)量。

如前所述，無論是在模型訓(xùn)練還是在概率模型建立的過程中，都會涉及到機(jī)器學(xué)習(xí)算法。機(jī)器翻譯中各種模型的建立，也都需要各種參數(shù)特征來進(jìn)一步完善它們的算法。由此可見，機(jī)器翻譯是自然語言處理的一個(gè)重要研究方向。通過以上例子，也可以看出自然語言處理技術(shù)在機(jī)器翻譯中的地位可謂是舉足輕重。

三、機(jī)器翻譯研究的探討

（一）機(jī)器翻譯與人工翻譯

隨著人工智能與機(jī)器翻譯的發(fā)展，“機(jī)器翻譯是否會取代人工翻譯”這一話題也引起了熱議。胡開寶、李翼（2016）認(rèn)為，機(jī)器翻譯與人工翻譯之間的關(guān)系是互補(bǔ)與互動的關(guān)系。具體來說，機(jī)器翻譯以人工翻譯為基礎(chǔ)，機(jī)器翻譯能協(xié)助人工翻譯，同時(shí)也需要人工翻譯來進(jìn)行譯后潤色。作者建議人工翻譯跟機(jī)器翻譯合理分工，并預(yù)測未來將是人機(jī)共存、人機(jī)互補(bǔ)的時(shí)代。祝朝偉（2018：101）指出，“機(jī)器取代人是一個(gè)偽命題”，機(jī)器在處理一些文本時(shí)始終離不開人的幫助，它的服務(wù)對象永遠(yuǎn)是人，機(jī)器翻譯“能夠譯”但未必像人那般“譯得好”，文學(xué)翻譯等是機(jī)器翻譯永遠(yuǎn)也無法勝任的。同時(shí)，他也認(rèn)為，人機(jī)結(jié)合是未來人類需要努力的方向。

筆者認(rèn)為，“機(jī)器翻譯是否能代替人工翻譯”這一問題就像“人工智能是否能代替人類”一樣，值得深入探討。機(jī)器翻譯與人工智能幾乎同時(shí)產(chǎn)生，幾十年來同呼吸共命運(yùn)，在各個(gè)學(xué)科的交匯合作下，在社會經(jīng)濟(jì)發(fā)展需求的推動下，人工智能已得到非常迅猛地發(fā)展。在這種時(shí)代背景下，機(jī)器翻譯也得到了很大發(fā)展并逐步走向商品化、實(shí)用化（馮志偉，2018）。然而，現(xiàn)在的人工智能僅擅長單項(xiàng)任務(wù)，能執(zhí)行人類簡單的指令，即“弱人工智能”。在當(dāng)前的技術(shù)水平下，人工智能還遠(yuǎn)遠(yuǎn)不能超越人類。同樣，目前的神經(jīng)機(jī)器翻譯系統(tǒng)也只是在特定的應(yīng)用領(lǐng)域（如新聞翻譯、日常的會話等）翻譯效果較好，如果換到其他領(lǐng)域，效果未必盡如人意。因此，“機(jī)器翻譯將會取代人工翻譯，翻譯人員即將失業(yè)”這類話都是言過其實(shí)，甚至可以說是危言聳聽。

誠如張政（2006：182）所言，機(jī)器翻譯是人類重建巴別塔的腳手架。機(jī)器翻譯扮演的只是一個(gè)工具的角色，它只是按照人類的意志，輔助人類減少翻譯工作的強(qiáng)度和量度的附庸產(chǎn)品。即便將來機(jī)器翻譯軟件的智能水平有了大幅度的飛躍，那也是人類認(rèn)知水平不斷提升的結(jié)果。未來要繼續(xù)促進(jìn)人文與科技的融合，提高翻譯效率，提升翻譯質(zhì)量，建立新型的機(jī)器翻譯與人工翻譯的關(guān)系。

四、自然語言處理應(yīng)用于機(jī)器翻譯的研究展望

從21世紀(jì)初，隨著電子科技的突飛猛進(jìn)，機(jī)器翻譯也駛?cè)肓丝燔嚨?。在?shù)據(jù)和算法技術(shù)驅(qū)動下的機(jī)器翻譯已取得了巨大的成功?；谟?jì)算機(jī)技術(shù)、自然語言處理技術(shù)和機(jī)器學(xué)習(xí)算法的不斷發(fā)展，未來機(jī)器翻譯也會不斷革新。筆者將自然語言處理應(yīng)用于機(jī)器翻譯的未來趨勢總結(jié)如下：

第一，數(shù)據(jù)規(guī)模的變遷。雙語數(shù)據(jù)規(guī)模越大，翻譯質(zhì)量也就越高，由此構(gòu)建的模型就可以學(xué)習(xí)到更為豐富的翻譯知識。隨著科技的發(fā)展，更多的數(shù)據(jù)可以被收集，雖然這些數(shù)據(jù)可能并不代表馬上就可以用來做訓(xùn)練語料，但是它會給機(jī)器翻譯帶來更多的可能性，避免做更多的數(shù)據(jù)挖掘，可以利用機(jī)器半自動式對語料進(jìn)行篩選，讓技術(shù)不斷獲得提升。

第二，新算法的變革。算法的變革在機(jī)器翻譯發(fā)展中扮演了至關(guān)重要的角色。隨著人工智能的迅猛發(fā)展，深度學(xué)習(xí)在機(jī)器翻譯中也取得了很好的效果。應(yīng)用深度學(xué)習(xí)方法而構(gòu)造的神經(jīng)機(jī)器翻譯系統(tǒng)在譯文的準(zhǔn)確率和流暢度上都有了顯著的提高。陳俊龍、劉竹林（2017）提出了寬度學(xué)習(xí)系統(tǒng)，可以提升訓(xùn)練速度并已呈現(xiàn)出一定的優(yōu)勢?？傊?，可以看出，隨著大計(jì)算、大算法的不斷推進(jìn)，神經(jīng)機(jī)器翻譯不會是機(jī)器翻譯的終極，接下來會產(chǎn)生更為先進(jìn)高效的機(jī)器翻譯方法。

第三，運(yùn)算的變化。高性能的計(jì)算研究與機(jī)器翻譯技術(shù)相融合，這樣翻譯質(zhì)量與翻譯性能就會進(jìn)一步得到提高。比如運(yùn)算的加速，可能就會縮短語音翻譯的延遲;再比如說更多的運(yùn)算定制就有可能實(shí)現(xiàn)更多的運(yùn)算任務(wù)，這些運(yùn)算任務(wù)放到不同的機(jī)器翻譯產(chǎn)品上就有可能更加方便日常生活中翻譯的使用。

自然語言處理在機(jī)器翻譯中得到廣泛應(yīng)用，并不斷取得新的突破，這不僅為機(jī)器翻譯研究打開了更為廣闊的視野，還為其發(fā)展添入了更多的生機(jī)與活力，使巴別塔的重建成為可能。本文介紹了自然語言處理和機(jī)器翻譯的一些基本內(nèi)容，簡要舉例說明了自然語言處理在機(jī)器翻譯中的應(yīng)用，并對機(jī)器翻譯的研究進(jìn)行了探討。事實(shí)上，自然語言處理在其他領(lǐng)域也有著相當(dāng)多的應(yīng)用，比如在教育領(lǐng)域就取得豐碩的成果，而人們學(xué)習(xí)和使用語言的方法對自然語言處理的具體研究也有著相當(dāng)重要的啟示作用（俞士汶、柏曉靜，2006）。因此，在知識經(jīng)濟(jì)的時(shí)代背景下，自然語言處理技術(shù)在各個(gè)領(lǐng)域的研究應(yīng)相互借鑒，根據(jù)人類的不同需求，結(jié)合各種運(yùn)算任務(wù)應(yīng)用到產(chǎn)品當(dāng)中去，以更好地服務(wù)人類。此外，隨著對人類大腦認(rèn)知機(jī)制“黑箱”研究的不斷深入，相信機(jī)器翻譯的質(zhì)量與效率也會得到顯著提高。

參考文獻(xiàn)：

[1]Chen，C.L.P. & Z.L.Liu.Broad Learning System： An Effective and Efficient Incremental Learning System Without the Need for Deep Architecture [J].IEEE Transactions on Neural Networks and Learning Systems，2017，（99）.

[2]Hutchins，W.J.Machine Translation：Past，Present，F(xiàn)uture[M].Chichester： Ellis Horwood Limited，1986.

[3]Manaris，B.Natural Language Processing： A Human-Computer Interaction Perspective [J].Advances in Computers，1998，（8）.

[4]Ranzato，M.，S.Chopra.，M.Auli. & W.Zaremba.Sequence Level Training with Recurrent Neural Networks[A].International Conference on Learning Representations[C].2016.

[5]馮志偉.自然語言處理的形式模型[M].合肥：中國科學(xué)技術(shù)大學(xué)出版社，2010.

[6]馮志偉.機(jī)器翻譯與人工智能的平行發(fā)展[J].外國語（上海外國語大學(xué)學(xué)報(bào)），2018，（6）.

[7]胡開寶，李翼.機(jī)器翻譯特征及其與人工翻譯關(guān)系的研究[J].中國翻譯，2016，（5）.

[8]李沐，劉樹杰，張冬冬，周明.機(jī)器翻譯[M].北京：高等教育出版社，2018.

[9]劉穎.計(jì)算語言學(xué)[M].北京：清華大學(xué)出版社，2014.

[10]王萌，俞士汶，朱學(xué)鋒.自然語言處理技術(shù)及其教育應(yīng)用[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2015，（20）.

[11]俞士汶，柏曉靜.計(jì)算語言學(xué)與外語教學(xué)[J].外語電化教學(xué)，2006，（5）.

[12]張政.計(jì)算機(jī)翻譯研究[M].北京：清華大學(xué)出版社， 2006.

[13]張政.計(jì)算語言學(xué)與機(jī)器翻譯導(dǎo)論[M].北京：外語教學(xué)與研究出版社，2010.

[14]周志華.機(jī)器學(xué)習(xí)[M].北京：清華大學(xué)出版社，2016.

[15]祝朝偉.機(jī)器翻譯要取代作為人的譯者了嗎？——兼談翻譯人才培養(yǎng)中科技與人文的關(guān)系[J].外國語文， 2018，（3）.