百度 NLP：先解决语义理解，再谈机器翻译取代人类

　　后来 Bengio 团队还在我们论文的基础上做了类似的工作，他们在我们的研究基础上扩展成多(语言)对多(语言)，其实思想是类似的。后来他们还把这个工作开源了。

　　机器翻译能否取代人工翻译?

　　机器之心：很多人可能就会问，人工翻译会不会被机器取代?您怎么看这个想法?

　　答：从很长一段时间来看，完全取代还是不太可能的。

　　现在基于互联网大数据的机器翻译的优势在于，突破了原来编辑规则的局限。与人工翻译相比的好处是能迅速翻译很多语言。同时它解决了一些问题，比如几个场景：出门旅游的沟通、写 E-mail 借鉴机器翻译用词、小孩利用机器翻译扩充词汇。这种形式解决了用户的一些问题，也达到了实用的程度。

　　但是翻译最终的目标是「信、达、雅」，「信」至少是忠于原文，「达」就是译文通畅，符合目标语言用语习惯，「雅」是在这个基础上表达生动、形象。尤其在「雅」上，目前机器翻译远远不够。

　　就像我们说英文，能说但不一定达到「达」的标准。「达」的意思是用语非常「native」(地道)，我想机器翻译也没到。更不用说「雅」，即使人工翻译也只有少数人能达到雅的标准。

　　机器之心：达到「信、达、雅」的关键是什么?

　　答：主要是语义理解问题。我们现在的翻译方法，没有做到「理解」。深度学习只是在模式识别这个手段上更加高明一点，但还没有理解语言。

　　与专业的人工翻译相比，机器翻译有很多不足。首先，机器翻译是以句子为单位，即使是篇章翻译也是不看上下文，翻译完一句算一句。人工翻译是以篇章为单位，翻译前要先通读一遍，抓住意境和主旨。

　　其次，翻译需要常识背景。口语交流、会议翻译、随意聊天、正式作文等所需的文体是不同的，而同一个词在不同的文体上翻译也不同，这也是机器翻译的缺点。尤其是意译，比如翻译诗歌。如果没有知识背景，将中国的诗翻译成英文就会显得直白而没有韵味。跨语言的「信、达、雅」，连人都很难做到。

　　事实上，机器翻译需要综合多学科，包括计算机学、语言学、认知学等等。机器翻译，看似简单，实则很难。因此我认为，机器翻译的道路还任重道远。