目前各種機器翻譯服務質量均不佳，技術難點有哪些?

02-07

目前使用網上的自動翻譯服務,得到的結果往往令人啼笑皆非，例如多義詞不能根據上下文翻譯為正確的譯文。而拼音輸入法的上下文預測現在已經做得不錯，大大提高了中國人打字的速度。為何機器翻譯在這方面讓人感覺做得很差? 有哪些技術難點?

這個問題可以從兩個方面來回答：

(1) 音字轉換和機器翻譯的複雜程度不在一個量級。 音字轉換中，一個聲母+韻母的自合都會生成一個漢字；在機器翻譯中，一個英文詞可以翻譯成多個中文詞，也可以多對一，多對多。另外，機器翻譯中輸入語言和輸出語言的語序經常需要調整，而音字轉換不存在這個問題。因而兩個問題需要搜索的空間不在一個量級。

(2) 用戶對輸入法和機器翻譯的心理預期不同。輸入法中的上下文預測是一個輔助功能，如果預測給出的首選項錯誤，用戶多翻幾頁總能找到正確的漢字。而機器翻譯中一旦出現錯譯、漏譯等情況，都會嚴重影響用戶的使用感受。因此用戶容易覺得輸入法中的上下文預測好用，而機器翻譯產品很難用，質量很差。

機器翻譯考慮的是兩種語言之間的互換，而不同語種的語法結構有可能存在很大的差異，再加上表達習慣的差異等因素，其難度要高於拼音預測漢字。

同意趙晶的回答！從機器翻譯的技術而言，主要是3種：基於規則的機器翻譯技術（我的理解是，雙語詞典+人工寫翻譯規則），基於實例的機器翻譯技術（把原來翻譯好的雙語句對收集起來，配上雙語詞典，很多計算機輔助翻譯軟體（如Trados、MemoQ等）主要採用的技術），基於統計的機器翻譯技術（從大規模雙語句對中利用統計的方法學習雙語知識構建翻譯模型，但是目前僅使用了詞串一層的知識，語言學角度的句法知識用得少之又少，更別提語義知識了）。

我覺得，Xu Sean說的也有道理，讓GoogleTranslate這樣的通用型機器翻譯系統翻譯出高質量的結果來，真的是不切實際。正如一個人，如果他什麼都懂，估計十有八九他什麼都不精，機器翻譯也是這樣。比較可行的辦法是打造專業領域的機器翻譯系統，就是說，使用大規模、特定領域的數據，訓練出特定領域的機器翻譯系統，讓這個系統去翻譯這個領域的數據，只有這樣做，機器翻譯系統的結果才可能提高質量。

目前除了SDL在做這樣的事情，也有其他公司在做，比如杭州雅拓的NiuTrans Server，它是一套專門幫助用戶搭建本地化、專業化、個性化的機器翻譯系統，具體情況您可以上他們的網站（http://www.zjyatuo.com）上去看看。

曾經在學校圖書館看過一本非常扯淡的技術書，書名就叫《機器翻譯》！後面還有個考試題啊考試題，考的是這本書里說的那些概念！通過了就能拿到「機器翻譯資格證」！這是我這輩子看過的最扯淡的書了……

吐槽結束，開始答題：機器翻譯的技術通道是翻譯軟體，依靠的是演算法，做這個活兒的人是程序員，也就是軟體工程師；但翻譯的內核是語言和語言之間的對等，做這個活兒的人得是相關語言的翻譯家，且須精通語言學。前者高中要進理科班，後者要進文科班。同時具備這倆功能的人恐怕太少太少了。（不過喬姆司機可是搞數學出身的呦喂！）

從機器學習的角度來說根本上是知識的多義性問題，也就是一個句子對應多顆語法樹的問題，只要你採用這種對應式的翻譯，是無法避免這個問題的，除非你的語料庫能足夠大，但那在現階段只是理想狀態

你要知道預測只是預測單獨的片語，和機器翻譯的複雜性是沒法比的。首先英語的語法和漢語不同，這就導致不能詞對詞翻譯，所以一般要抓取成千上萬的語料，通過一定的演算法模型對這些語料進行訓練。

目前通用的免費機器翻譯基本差別不大，效果的好壞很大程度上取決於輸入的語料有多少，專業度有多高。

除了通用機器翻譯之外，我所在SDL公司收購的Language Weaver專註於給企業提供機器翻譯功能，針對不同企業的需求，質量上相對好一些，有興趣可以試試。