最近的Google I／O大會很是熱鬧。

在大會的最后一日，Alphabet董事長John Hennessy親口承認：Google Duplex已經(jīng)在預(yù)約領(lǐng)域通過了圖靈測試。

通過圖靈測試！

多么令人興奮的六個字。被人工智能所改變的世界藍圖仿佛就在我們眼前鋪展。

人工智能成果噴薄爆發(fā)以來，熱門領(lǐng)域除了機器學(xué)習(xí)，還有作為計算機語言學(xué)、人工智能和數(shù)理邏輯的交叉學(xué)科——機器翻譯。

機器翻譯起源于何時？如今發(fā)展到了什么程度？

國內(nèi)在機器翻譯上有哪些研究成果，又有哪些公司推出了令人驚嘆的落地應(yīng)用？

在其發(fā)展道路上，有哪些大牛發(fā)表了哪些成果，推動了地球人無障礙溝通的夢想計劃？

未來，機器翻譯將可能在哪些領(lǐng)域進行深耕？其發(fā)展趨勢如何？

這些問題的答案，你都可以在未來一周內(nèi)找到。

首先，我們需要了解一下機器翻譯是如何興起的。

蹣跚起步

Warren Weaver說：我覺得機器翻譯可行

于是全世界都開始搞機器翻譯

1946年，第一臺數(shù)字電子計算機誕生。從那以后，人們就開始思索如何運用計算機代替人從事翻譯工作的問題，甚至在此之前，圖靈就已經(jīng)開始思考計算機是否能夠進行思維這一問題。

三年之后——1949年，我國正式建立，機器翻譯思想也正式提出：Warren Weaver發(fā)表《翻譯》備忘錄，這也被視為機器翻譯初始階段的第一件標志性事件。

▲Warren Weaver

Warren Weaver在備忘錄里展現(xiàn)了機器翻譯的可計算性，并提出了兩個主要觀點。

第一個觀點：他認為翻譯類似于解讀密碼的過程，“翻譯即解碼”。

第二個觀點：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(fā)，會經(jīng)過某一“通用語言”或“中間語言”（可以假定這個語言是全人類共同的），最終到達語言B。

1954年，美國喬治敦大學(xué)（Georgetown）在IBM的協(xié)同下，進行了英俄翻譯實驗，開始了在翻譯自動化方面的嘗試。這是機器翻譯發(fā)展初始階段的第二件標志性事件。

總體來說，這一階段人們頭腦中已經(jīng)形成了機器翻譯的概念，并且已經(jīng)可以意識到利用語法規(guī)則的轉(zhuǎn)換和字典來實現(xiàn)翻譯目的。

人們樂觀地認為，只要通過擴大詞匯量和語法規(guī)則，在不久的將來，機器翻譯問題會比較完美地得以解決。

所以在此之后的很長一段時間，全球各國大力支持機器翻譯項目，一個機器翻譯研究的高潮就此形成。

發(fā)展冷卻

ALPAC說：我覺得機器翻譯不行

于是大家又不搞機器翻譯了

蓬勃發(fā)展17年之后，機器學(xué)習(xí)迎來了第一個發(fā)展低谷。

1966年11月，美國語言自動處理咨詢委員會（ALPAC）公布著名的ALPAC報告，從速度、質(zhì)量、花費、需求等各個角度，幾乎是全方位地給給機器翻譯研究工作澆了一盆涼水。

APLAC對當時的各個翻譯系統(tǒng)進行了一次評估，并在報告提出，機器翻譯的譯文質(zhì)量明顯要遠低于人工翻譯。

難以克服的“語義障礙”是當時機器翻譯遇到的問題，在報告中，ALPAC全面否定了機器翻譯的可行性，并建議各大機構(gòu)停止對機器翻譯的投資和研究。

盡管這份報告的結(jié)論過于倉促、武斷，但是這一階段關(guān)于機器翻譯的研究的確沒有解決許多至關(guān)重要的問題，并沒有對語言進行深入的分析。

此后在世界范圍內(nèi)，機器翻譯出現(xiàn)了空前的蕭條局面。

重啟篇章

大公司說：我們覺得還是得重新搞一下

于是機器翻譯得以復(fù)蘇

20世紀80年代末，由于微處理器的出現(xiàn)，計算機能力獲得了突飛猛進的發(fā)展。

機器翻譯這一學(xué)科有著極大的開發(fā)潛力和經(jīng)濟利益，開始被人們重新提起。

許多大公司開始投入資金和人力進行研究，使得機器翻譯得到了復(fù)蘇和重新發(fā)展的機會。

這一時期，計算語言學(xué)的一些基礎(chǔ)工作，比如許多重要的算法等的研究已經(jīng)到達了一個比較深入的階段，對語法和語義的研究也已經(jīng)有了一些比較重大的成果。

詞法分析、句法分析的算法相繼得到開發(fā)，并且加強了軟件資源，例如電子詞典的建設(shè)。

翻譯方法以轉(zhuǎn)換方法為代表，開始普遍采用以分析為主，輔以語義分析的基于規(guī)則方法來進行翻譯，采用抽象轉(zhuǎn)換表示的分層實現(xiàn)策略。

▲抽象轉(zhuǎn)換的分層實現(xiàn)

語法與算法的分開是這一時期機器翻譯的另一個特點。

所謂語法與算法分開，就是指把語言分析和程序設(shè)計分開來成為兩部分操作，程序設(shè)計工作者提出規(guī)則描述的方法，而語言學(xué)工作者使用這種方法來描述語言的規(guī)則。

炙手可熱

世界：我們需要更精準更快速的翻譯

機器翻譯加入深度學(xué)習(xí)等AI技術(shù)

現(xiàn)在，機器翻譯已經(jīng)成為世界自然語言處理研究的熱門。

原因之一是網(wǎng)絡(luò)化和國際化對翻譯的需求日益增大，翻譯軟件商業(yè)化的趨勢也非常明顯。

這一時期的翻譯方法，我們一般稱之為基于經(jīng)驗主義的翻譯方法。

即主要基于實例和基于統(tǒng)計的方法，注重大規(guī)模語料庫的建設(shè)，開始針對大規(guī)模的真實文本進行處理。

同時，這一階段的研究工作開始解決一個比文本翻譯更加復(fù)雜和艱難的問題——語音翻譯。

由于Internet上的機器翻譯系統(tǒng)具有巨大的潛在市場和商業(yè)利益，網(wǎng)上翻譯機器系統(tǒng)也進入了實用領(lǐng)域的新突破階段。

機器翻譯功能越來越強大，從最初只能進行簡單的單詞翻譯，到之后可以翻譯出基本符合語法的句子，慢慢可以翻譯具有一定邏輯性的句子。

現(xiàn)在，部分軟件已經(jīng)可以自主聯(lián)系上下文進行翻譯，翻譯結(jié)果的準確性與可讀性都已經(jīng)取得了非常大的進步。

近年來，加入了深度學(xué)習(xí)技術(shù)等人工智能的機器翻譯已經(jīng)不止于簡單的將一個個單詞翻譯成另一種語言，而是可以像人工翻譯一樣，不斷向前回顧理解結(jié)構(gòu)復(fù)雜的句子，并且聯(lián)系上下文進行翻譯。

最為明顯的就是現(xiàn)在的部分機器翻譯軟件已經(jīng)可以理解每一個代詞具體指代誰，這在許多年前是不可想象的。

實現(xiàn)這種功能的關(guān)鍵，分別依賴于兩種神經(jīng)網(wǎng)絡(luò)架構(gòu)：一個是循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），另一個是卷積神經(jīng)網(wǎng)絡(luò)（CNN）。

目前關(guān)于兩種網(wǎng)路架構(gòu)哪種更適用于機器翻譯的爭論還有很多，循環(huán)神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)我們還會在之后為大家單獨介紹，至此機器翻譯的脈絡(luò)已為大家簡略梳理完畢。

▲機器翻譯技術(shù)源頭

實際上，機器翻譯想要做好一個落地應(yīng)用是很難的。因為許多人對其效果都持有著絕高的、難以完美達到的預(yù)期。

有語言學(xué)者指出，機器翻譯目前沒有思想，很難替代人類。

然而現(xiàn)在已經(jīng)2018年了，Google Duplex都通過圖靈測試了，未來還有什么不可能發(fā)生？

我們期待著未來的“某天”。