技術的進步，往往意味著行業的進化發現了新的方向。翻譯行業也不例外。隨著全球化進程不斷加快，人們在進行涉外活動時都離不開跨語言的交流。機器翻譯的出現極大地擴充了翻譯的應用場景，固然它還遠遠稱不上完善，但卻在人類挑戰巴別塔的路上跨出了堅實的一步。51CTO特邀字節跳動AI Lab機器翻譯負責人王明軒，聊一聊機器翻譯發展的這些年、那些事。
從基于規則，到基于統計模型，再到基于神經網絡
機器翻譯的發展與計算機技術、信息論、語言學等學科的發展緊密相關。進入21世紀以后，隨著硬件能力的提升和算法的優化，機器翻譯技術迎來了空前的躍進，并成功邁出象牙塔，走上了普惠之路。
51CTO：縱觀歷史，機器翻譯經歷了哪些重要的發展節點？
王明軒：機器翻譯實質是一個非常古老的問題，機器翻譯的歷史可以追溯到17世紀笛卡爾、萊布尼茨等哲學家提出的「通用語言」。1946年等計算機正式誕生后，人們期望計算機能將一種語言翻譯成另一種語言。美國科學家瓦倫·韋弗在《翻譯備忘錄》中正式定義了機器翻譯的概念和思想。這一時期，在冷戰背景下，美蘇兩國也基于搜集信息的需要，投入了大量資金用于機器翻譯相關研究。
一開始大家相對較樂觀，覺得這事很快就可以搞定了。第一版的翻譯系統非常簡單，主要是基于詞典，比如把“太陽”翻譯為“sun”，但這種詞對詞的翻譯很快遇到了瓶頸，因為一詞多義的現象比較多，比如“bank”，既可以是“銀行”，也可以是“河岸”，具體語境中會面臨很多選詞的困境。結合語言學家制定的語義規則可以解決一部分歧義，但發展到后期，規則越多，沖突的地方也會越多，系統會越來越復雜，依然無法解決問題。
1966年美國公布了報告《語言與機器》，全面否定了機器翻譯的可行性，并建議停止對機器翻譯項目的資金支持。受此影響，機器翻譯陷入低潮期。
直到90年代，IBM提出基于詞對齊的翻譯模型，標志著現代統計機器翻譯方法的誕生。基于統計的機器翻譯原理很簡單，比如要在語境中判斷bank應該翻譯成“銀行”還是“河岸”，那就進行大量的相關語料統計，會發現上下文里有“錢”相關的，那就更有可能翻譯成“銀行”，上下文里提到“河流”，那更可能對應的是“河岸”。如此一來，不用詞典與文法規則，而是按照概率來判斷具體場景下的語義。這是劃時代的變化，機器翻譯的質量得到了巨大的提升。很快，機器翻譯開始在很多實用場景落地。
從1993到2014年基本都屬于統計的時代，但雖說是基于統計，還是需要人工去定義很多特征、模板，再進一步設計細節，因而也不是非常靈活，模型的能量也不是很強大。
而后到了神經網絡時代，神經網絡翻譯從模型上說主要包含編碼器和解碼器。編碼器把源語言經過一系列神經網絡變換后表示成一個高維向量，解碼器負責把這個高維向量重新解碼成目標語言。2014年Seq2Seq的提出，讓神經網絡翻譯慢慢開始比統計機器翻譯做得更好。
到2017年時，谷歌提出Transformer，模型更大、結構更靈活、并行化程度更高，這進一步提升了翻譯質量。同年，AlphaGo的勝利也讓大家對人工智能的信心更充分。也正是在2017年之后，機器翻譯的產業化迎來了爆發期，直到現在，整體大框架沒有發生太大變化，但小細節上出現了很多創新。
挑戰“巴別塔”
從詞典匹配，到結合語言學專家知識的規則翻譯，再到基于語料庫的統計機器翻譯，以及目前主流的神經網絡機器翻譯，相比之前，機器翻譯的質量有了飛躍式的提升，但依舊面臨著重重挑戰。
51CTO：目前機器翻譯面臨的主要挑戰在哪里？
王明軒：挑戰其實還比較多。
第一，如何做稀缺語種的機器翻譯。這是機器翻譯從誕生以來一直就面臨的問題。語種越小，數據量越少，語料的稀缺會是長期的挑戰。
第二，如何做多模態的機器翻譯。近年來，我們經常需要做語音翻譯、視頻翻譯，事實上這類翻譯需要AI做一些前處理之后再做翻譯。如果AI處理錯了，翻譯就可能出現錯誤。再比如，在同聲傳譯的場景，通常是邊說邊翻，拿不到完整的上下文信息。這在多模態翻譯中都是常見問題。
第三，最為本質的問題在于，目前的機器翻譯還是基于數據驅動，并沒有在理解層面做得更為深入。模型的學習依舊是依靠語言的貢獻，而非真正地理解語義。這一點極大地局限了機器翻譯的上限。
51CTO：火山翻譯作為字節跳動旗下機器翻譯品牌，如何應對語料稀疏問題？
王明軒：有兩個比較直接的方法。
第一種是擴充語料，努力讓稀缺語料“不再稀缺”。這種思路是，通過一些模型，盡可能從互聯網上獲取語料。比如冰島語，我們能收集大量冰島語的單語語料，在互聯網上就可以去收集與單語語料相近的英文文本，我們去找這種可能對齊的語料，形成雙語去對。當然我們有時也用人工標注，但更多的是靠智能的方法自行增加。
第二種是利用語言的共性。大家生活在同一個星球，雖然使用的語言不同，但其實在描述同一個世界，因此語言在高層次上是有很多共性的。我們會借助一些遷移學習或者預訓練的方法來解決這類問題，比如讓英語的模型去幫助法語的模型，或者讓德語的模型幫助法語的模型。主要就是這兩個思路。
51CTO：在多模態的機器翻譯中，要減少噪聲干擾的話，火山翻譯采取了哪些應對策略？
王明軒：應對噪聲干擾的話，首先，進行了多種模態的聯合建模。我們會拿語音信號和文本信號一起去做下游的任務，這樣一來，錯誤傳遞會減少很多。當前，構建多模態的統一語義在學術界也是非常火熱的話題，所以我們也會吸收其他領域的很多東西。
其次，我們在文本這塊也會做很多魯棒性訓練，盡量讓模型在有錯誤輸入的情況下，還能保證正確的輸出，或者不擴大這種錯誤，相當于把自動糾錯和機器翻譯做到了一個模型里面。因為人其實是有這種自動糾錯能力的，比如人工譯員在聽到錯誤的信息時，會進行自動糾正，所以我們在模型里面也會考慮這些信息。
51CTO：同聲傳譯對延時的要求很高。但是如果沒有結合上下文的語境或者聽完完整的語義，準確率又很難保證。機器翻譯如何平衡這兩者之間的矛盾？
王明軒：這一點在工業界很有挑戰性，因為不僅關乎延時和準確率的trade off，實際上需要優化的地方更多。
比如在某些會議場景中，翻譯字幕需要展示在大屏幕上，觀眾接受字幕的速度也是關鍵問題之一，包括每次字幕展示的長度、字幕彈出的頻率，都關系到如何讀起來更舒服。其中有很多細節需要我們反復和產品經理溝通，深入用戶調研來看整體滿意度。因此，這不僅僅是準確率的問題，要把用戶的實際使用體驗都作為要素考慮進去，再來調整模型。
此外，延時可能是用戶滿意度的指標之一，但延時也并非越短越好。通常有個合適的gap反而更好。因為延時很短的話，字幕彈出的速度也會很快，用戶的接受效果反而不太好。在這方面，我們也會借鑒業界的很多成熟做法，比如動態控制字幕翻譯的間隔。總體而言，這是一個非常工程化、產品化的問題。
未來趨向
機器翻譯仍然不是完美的，但從業者們正在努力讓其變得質量更高，可用性更強，適用性更廣。讓我們來觀察一下它的發展趨勢，尤其是當機器翻譯與專業譯員發生“碰撞”時，翻譯服務場景又會產生哪些化學反應。
51CTO：隨著技術的發展，機器翻譯是否會衍生出更多有趣的應用場景？
王明軒：之前我們推出的火山翻譯AR眼鏡就是類似的嘗試。今年谷歌I/O大會上壓軸發布的AR翻譯眼鏡也是很有意思的應用，使用者佩戴后可以實時看到對話者的譯文，類比字幕效果。
這其實都反映出了一種比較樸素的理想：我們希望大家能生活在一個溝通無障礙的世界。比如：出國旅游時，戴上眼鏡就可以理解任何語言的文字提示，你看到的路牌是德語的，而顯示在眼鏡上的是中文。日常交流時，別人跟你說話，對話信息自動變成你所理解的文字，顯示在眼鏡下方。這都是能更有效地獲取信息的場景。
51CTO：長遠來看，機器翻譯將如何發展？
王明軒：應用方面，我覺得機器翻譯可能會和多模態應用結合得更為緊密，比如視頻內容、音頻內容的翻譯需求會越來越多。另外，機器翻譯可能會更多地與業務出海、文化出海聯系在一起。因為國內很多公司都在積極地進行海外業務的擴張，我認為這個領域會對機器翻譯的發展起到很大幫助。
技術方面，我能看到的已經在發生的趨勢是：一是大數據和大模型的訓練。從事這一領域的人越來越多，模型越來越大，數據量也越來越大，很多人認為這種變化有可能會給機器翻譯的能力帶來質變。二是翻譯和模態的結合。不止在翻譯方面，業界很多人都在試圖構建不同模態的統一語義表示，之前幾年，不同模態之間界限還比較分明，大家交流相對也少。如今，模型越來越一致。未來可能出現一個模型，既能做文本翻譯，也能做語音翻譯，甚至能做視頻翻譯。
51CTO：未來，機器翻譯是否有可能在特定場景中完全取代人工翻譯？
王明軒：按目前這種做法肯定是取代不了人工的。不過我覺得機器翻譯和人工翻譯可能不屬于一個賽道。
機器翻譯的特點，一是速度非常快，二是可以規模化，所以它適合處理的是海量且需要及時處理的信息。舉個例子，如果現在有一千萬個視頻要從英語翻譯成法語，那么純靠人工是不太能做到的，但是機器可以做。這一點就可以讓機器在它的賽道里發揮很重要的作用，長期看來是大有裨益的，因為它開闊了整個市場，讓跨語言的市場變得更大。
但是對于很精細的翻譯場景，機器翻譯可能就力有不逮。就像有人提到的，機器翻譯能翻得了《紅樓夢》嗎？我認為，這就不屬于機器翻譯的任務范疇。小說或詩歌之類的翻譯，這一類型的翻譯必須要依仗專家。還有規格很高的會議同傳，也肯定需要專業譯員擔任，而不可能是機器。但在一些重要性不是很高的會議上，機器翻譯的成本優勢就會展現出來。
機器翻譯跟專業譯員，兩者隸屬賽道不同，區分還是很鮮明的。不過某種程度上，兩者也存在互幫互助的關系。這體現在：一方面，機器翻譯需要的語料就是專業譯員生產的。專業譯員在工作過程中不斷地生產大量的語料，這些語料能夠持續幫助機器翻譯去提升能力。另一方面，機器翻譯也可以幫人減輕負擔，處理要求沒有那么高的任務。現在也有很多譯員在做譯后編輯，很多翻譯公司讓機器先做翻譯，譯員再做編輯，效率也能因此大幅提升。
嘉賓介紹
王明軒，字節跳動AI-Lab機器翻譯團隊負責人，研究方向主要為機器翻譯和自然語言處理。在機器翻譯領域，發表包括 ACL、EMNLP 等頂級會議論文超過40 篇，多次拿到 WMT等國際翻譯評測比賽第一。同時還擔任EMNLP2022贊助主席，和NeurIPS 2022、NLPCC 2022、AACL2022 等會議領域主席。
欄目介紹
“T前線”是51CTO內容中心專為技術人物開設的深度訪談欄目之一，通過邀請技術界內的業務負責人、資深架構師、資深技術專家等對當下的技術熱點、技術實踐和技術趨勢進行深度的解讀和洞察，推動前沿科技的傳播與發展。
