机器翻译出错闹笑话的段子数不胜数，但大数据的应用却令这种技术手段日趋完善。甚至有支持者认为，机器翻译终将取代人力，让人类克服语言障碍交流。然而，技术真能参透人类语言的丰富和微妙之处吗？

    大数据优势

    初级机器翻译更像一部电子词典，擅长翻译单个字词和简单句子，但对多义词却束手无策。正因如此，尽管发展多年，纯粹的机器翻译仍然错漏百出。大数据时代的来临，可能彻底改写这种局面。

    如今的机器翻译系统依据统计学原理工作。通常，设计者向机器翻译系统录入优质人工翻译文本。比对源语言和目标语言文本之后，系统能够自动识别，某种语言中的X在另一种语言中是Y。结合上下文，机器翻译系统还能识别在何种语境之下，X应该翻译成Z，而不是Y。

    牛津大学研究机器翻译的专家菲尔·布隆索姆因此认为，机器翻译就是猜。“电脑其实根本不懂这门语言或任何语法，只不过依据统计学原理确定，应该是‘一条狗’而非‘狗一条’，”他说。

    这意味着，输入的文本资料越多，机器翻译的准确率越高。“各门语言的情况不一样，建立一个机器翻译模式，通常需要3000万单词或者100多万个句子，”布隆索姆说。多亏有联合国和欧盟这样的机构存在，其翻译人员历经多年积累起丰富的平行语料库(也称翻译记忆库)，为机器翻译研发人员省去不少麻烦。

    这也解释了，以数据和资料庞大著称的谷歌为何在机器翻译领域表现卓越。谷歌的机器翻译专有系统堪称业界典范，能够实现63种常用语言的交互翻译。由于擅长摘取、利用网络资源，谷歌翻译还能实现某些罕见小语种的翻译。

    “网络上有各种人翻译的多种语言文本，有些是高质量的翻译，有些不是，”知名机器翻译专家、谷歌翻译团队负责人弗兰泽·奥赫说，“各种类型我们都会用到，因为获取数据的量至关重要。”

    山头林立

    研究人员发现，如果将机器翻译应用于某一特定领域，其准确率将显著提高。因为这些专业用词精准、简洁。平时用途广泛、含义丰富的单词在该领域只有一个意思。

    机器翻译发展因此呈现“山头林立”的局面，各企业开发出各自不同的专有系统。在这些翻译系统中，同一个词的意思往往大不相同。

    以英文单词die为例，在生活用语中意为“死”，但在不同行业翻译系统中的意思大相径庭。适用工业领域的专有系统将这个词翻译为“硬模”“一种金属工具”；玩具制造商的专有系统则将其译作“每面带点的方块”；宠物店用这个词则可能指“上等品”。

    这些专有系统的存在，再辅以后期人工编辑，令机器翻译不光是背包客自助学外语的工具，更成为可靠、专业的翻译工具。

    欧盟委员会已经广泛应用机器翻译。对于人而言，欧盟机构和法规的术语拗口难记，而这却是机器翻译的长项。

    电脑公司“戴尔”运用机器翻译系统、辅以人工编辑，在官方网站上提供28种语言阅读版本。戴尔因此缩减了40%的翻译时间，自2011年以来削减四成翻译支出。公司负责相关项目的官员韦恩·布兰估计，戴尔对机器翻译投资的回报高达900%。

    专有系统提高了机器翻译的准确率，却限制了这种技术手段的通用性。今年6月，机器翻译专家、使用者和开发商在爱尔兰都柏林参与一个资源共享平台的聚会。主办者希望，越来越多开发者参与其中，共享各自的专有系统，这将极大增强机器翻译的应用前景。

    技术局限

    随着电脑运行更快、储存设备更便宜、翻译软件更智能，机器翻译的热爱者忍不住憧憬：会不会有那么一天，人们将彻底告别学习外语的苦恼，借助机器翻译，实现跨越语言障碍的自由交流？

    对于主要居住在国内、只和本国人打交道的多数人而言，机器翻译会是一个不错的选择。随着技术完善，机器翻译将更为准确可靠，足够偶尔使用外语的人使用。

    然而，人类语言如此复杂、微妙，远非平行语料库能够囊括。“如果涉及比喻或者任何诗意的语言，就非常困难，”牛津大学学者布隆索姆说“如果用到一个翻译系统从未见过的双关语，电脑只会字面直译。”

    如果考虑各种语言的出处和文化差异，有些字词无法翻译，即所谓的不可译性现象，则根本不能指望机器翻译取代人工翻译。

    另一方面，如果完全依赖机器翻译，会出现所谓的“谷歌漩涡”现象。谷歌翻译之所以备受推崇，因为其借助网络资源摘取了海量人工翻译资源。然而，随着机器翻译应用渐广，越来越多机器翻译的“二手”材料也混入其中。

    “我们试图鉴别一段译文是否出自自己的系统，”谷歌机器翻译负责人奥赫说，“这意味着，我们将停在过去，不停地重复错误，(系统)却不停地将其显示为正确。”谷歌因此开发了一套特定网络算法，试图分辨从网络摘取的翻译资料是否出自自己的翻译系统。

    发展机器翻译的终极目标是，人类借助机器，无视语言差别，实现书面和口头的自由交流。然而，对于大部分机器翻译系统而言，口译仍然是一片鲜有涉足的“无人区”。

    “口语与书面语不同，句子里包含了不少‘嗯’、‘呃’，”剑桥大学信息工程学者比尔·拜恩说。“口语开头可能就是错的，提及以前说过的事情，当然还有些口语根本无法书面表达。”

    ■相关链接

    少见的机器口译

    虽然已历经数年开发，可用的口语机器翻译系统并不多，其中一种被美国军方采用。该系统储存约2500个常用语阿拉伯语译法，供驻扎伊拉克的美国士兵与当地人交流。

    谷歌的一款手机应用是大众可用的一款口译工具。这款应用植根于谷歌的网络工具，可识别17种语言。

    开启应用程序之后，主要用户对手机讲话，其语音将被录制并传送至谷歌的语音识别服务器，接着被转化为文本文件，并利用谷歌的网络工具予以翻译。翻译后的文件将再次转化为音频，经由互联网发送至用户手机。完成整个过程只需数秒。

    谷歌的这款口译应用程序不尽如人意。背景音、口音或者含义模糊都可能导致最终结果出错。除此之外，该应用还有一个致命问题：对互联网的依赖。由于处理的数据量极大，最强大、先进的智能手机都无法单独完成整个口译过程。

    “我们开发的语言模式如此庞大，以至于必须分别储存于多个电脑终端，占据许多许多许多G的内存，”奥赫说。