人工翻译与机器翻译

legece

什么是机器翻译？“机器翻译”是一个总称。它可能会掩盖我们在该领域发现的令人难以置信的技术多样性。机器翻译是通过为此目的设计（或“训练”）的软件以完全自动化的方式执行的翻译过程。目前，当提到机器翻译技术时，我们最常指的是人工神经网络的工作。但是，它由什么组成？让我们快速回顾一下机器翻译国家邮箱列表的历史。机器翻译一直名声不好，因为它的输出质量差、不准确，而且成本效率低下。但这种情况在过去二十年发生了变化：科学发展（尤其是人工智能领域）使机器翻译更具竞争力。数字也是有利的：

机器翻译市场正在快速增长，预计到2026 年累计价值将达到15 亿美元。机器翻译从20 世纪50 年代开始就通过不同的协议发展起来。早期的基于规则的MT 模型被80 年代的基于示例的MT 和90 年代的统计机器翻译所继承。人工神经网络是该领域的最新标准。人工翻译与机器翻译基于规则的机器翻译工具比较现有语言之间的关键语法和句法规则。正如其名称所示，这些工具通过理解每种语言的规则来工作。其输出仅限于直译。而且，语言越复杂，翻译需要的规则就越多。而且规则需要由语言专家手动制定，这使得这种方法既耗时又昂贵，而且可能不可靠。归根结底，语言规则常常被打破。语言总是多样化、多面性和变化的。基于示例的机器翻译本质上是基于搜索源语言和目标语言的模拟句子对。这需要建立两种语言的大量句子集合，这使得该方法相当准确，但成本高昂且不太灵活。多义词或短语也可能带来歧义。统计机器翻译（或SMT）由统计模型提供支持。使用的参数来自对双语文本语料库的分析，即来自相同但不同语言的两个文本的并行性，并生成语言使用的统计模型。该协议与高度变形的语言作斗争。发生这种情况是因为大量的变形词产生了大量的数据稀疏性。在引入神经机器翻译之前，SMT 是迄今为止研究最广泛的机器翻译方法。在MITNews 的一篇文章中，Larry Hardesty 将神经网络定义为“一种进行机器学习的方法，其中计算机通过分析训练示例来学习执行某些任务。通常，这些示例已提前手工标记。例如，一个物体识别系统可能会收到数千张带有标签的汽车、房屋、咖啡杯等图像，它会在图像中找到与特定标签一致相关的视觉模式。” 与之前的系统不同，神经网络经过整体训练以最大限度地提高性能。简单来说，神经网络能够“理解”源语言和目标语言之间的差异。机器翻译的好处机器翻译可以缩短周转​​时间、缩短上市时间并降低翻译成本。但与此同时，机器翻译也存在不足。机器还无法像人类一样理解具有细微差别的语言。这可能会导致翻译不一致或难以理解。