［百科知识］ 机 器 翻 译 （Ｍａｃｈｉｎｅ Ｔｒａｎｓｌａｔｉｏｎ） 李 维 又称自动翻译，是按照规定的算法（ａｌｇｏｒｉｔｈｍ）由电子计算机进行语 言翻译。它是计算语言学（ｃｏｍｐｕｔａｔｉｏｎａｌ ｌｉｎｇｕｉｓｔｉｃｓ） 的主要研究领域之一。 机器翻译通常由机器词典和语言规则库支持，其对象为自然语言。机器翻译是一 种自然语言处理（ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ ｐｒｏｃｅｓｓｉｎｇ）应用 软件。与此相对应，还有一种系统软件，专门用于把用计算机语言编写的程序自动翻 译成可执行的机器代码，这在计算机科学中叫编译器（ｃｏｍｐｉｌｅｒ）或解释器 （ｉｎｔｅｒｐｒｅｔｅｒ）。编译理论和技术已经相当成熟，它与自然语言的机器 翻译有相通之处。 与计算机语言相比，自然语言有两个明显的特点： 首先，自然语言普遍存在同形（ｈｏｍｏｇｒａｐｈｓ）和多义（ｐｏｌｙｓｅ ｍｙ）现象。在词汇层，一词多义，词类同形等现象随处可见，而且越是常用的词其 意义和用法越多。在句法层，结构同形也相当普遍，同一种结构也可能表达多种含义 和关系。因此，区分同形和多义成为机器翻译的首要任务。 其次，自然语言是规则性和习惯性的矛盾统一体。自然语言中，几乎没有一条语 法规则没有例外。然而，如果把语言规则组织成从具体到抽象的层级体系（ｈｉｅｒ ａｒｃｈｙ），区别个性规则和共性规则的层次，建立个性和共性的联系方式，就为 解决这一矛盾创造了条件。因此，在设计机器翻译系统的算法时，如何把握和处理个 性与共性的关系，在很大程度上决定了系统的前途。 机器翻译通常包括五个环节（如下图所示）：（１） 源语（ｓｏｕｒｃｅ ｌａ ｎｇｕａｇｅ）输入；（２）源语分析，包括形态（ｍｏｒｐｈｏｌｏｇｙ）分析， 句法（ｓｙｎｔａｘ）分析，语义（ｓｅｍａｎｔｉｃｓ）分析，直至语用（ｐｒａ ｇｍａｔｉｃｓ）分析和知识推理；（３）源语到目标语（ｔａｒｇｅｔ ｌａｎｇ ｕａｇｅ）的转换（不同的系统可能在不同的分析层次施行转换）；（４）目标语生 成；（５）目标语输出。 　　　　　　　　　　　　源语到目标语的转换 　　　　　　　　　　　　　（情形一） 　　源语输入 －－－－－－－－－－－－－－－－－－－＞ 目标语输出 　　　　＼　　　　　　　　　　　　　　　　　　　　　　　　／ 　　　　　＼　　　　　　　　　Ｉ代系统　　　　　　　　　／ 　　源　　形态分析 －－－－－－－－－－－－－－＞ 形态生场　　目 　　　　　　　＼　　　　　　　　　　　　　　　　　　／ 　　语　　　　　＼　　　　　ＩＩ代系统　　　　　　／　　　　　标 　　　　　　　　句法分析 －－－－－－－－＞ 句法生成 　　分　　　　　　　＼　　　　　　　　　　　　／　　　　　　　语 　　　　　　　　　　　＼　　ＩＩＩ代系统　　／ 　　析　　　　　　　　语义分析 －－＞ 语义生成　　　　　　　　生 　　　　　　　　　　　　　＼　　　　　　／ 　　　　　　　　　　　　　　＼　　　　／　　　　　　　　　　　成 　　　　　　　　　　　　　语用分析，知识推理 　　　　　　　　　　　　　　　　　｜ 　　　　　　　　　　　　　　　　　｜ 　　　　　　　　　　　　　　　　元语言 （情形二） 对于书面语，输入和输出是纯技术性环节。语音机器翻译则还必须赋予计算机以 “听”和“说”的能力，这是语音识别（ｓｐｅｅｃｈ ｒｅｃｏｇｎｉｔｉｏｎ） 和语音合成（ｓｐｅｅｃｈ ｓｙｎｔｈｅｓｉｓ）所研究的课题。 源语分析的结果用某种中间形式（ｉｎｔｅｒｍｅｄｉａｔｅ ｒｅｐｒｅｓｅ ｎｔａｔｉｏｎ）表示。转换包括词汇转换（ｌｅｘｉｃａｌ ｔｒａｎｓｆｅｒ） 和结构转换（ｓｔｒｕｃｔｕｒａｌ ｔｒａｎｓｆｅｒ），它反映源语和目标语的 对比差异。生成是分析的逆过程。可见，只有转换才必须同时涉及两种语言，源语分 析和目标语生成可以相互独立。这种设计思想称作转换法（ｔｒａｎｓｆｅｒ ａｐ ｐｒｏａｃｈ），是当前机器翻译系统的主流。当然，也可以把转换放到分析或生成 中，用所谓直接法（ｄｉｒｅｃｔ ａｐｐｒｏａｃｈ）进行自动翻译。 直接法和转换法各有其优缺点。运用直接法的系统结构紧凑，翻译过程比较直观 。规则的编制易于参照现成的双语词典、对比语法以及前人长期积累的翻译经验。其 主要缺点是，由于分析和生成不能独立，使得分析和生成都难以深入。另外，对于多 种语言之间的自动翻译系统，由于不能共享独立的分析和生成模块，直接法是不经济 的。转换法也有缺点：尽管可以分析得比较深入，但多了一个环节，多了许多接口信 息，处理不好反而影响译文质量。另外，在不同语系的语言之间，要想得到较高质量 的翻译，其转换模块（主要是词汇转换）势必很大，大到与分析和生成模块不相称的 地步，这差不多等于回到了直接法。看来，对两个差别比较大的语言进行自动翻译， 直接法还是有效的。 究竟分析到哪一步实施转换，是由系统的设计目标，加工对象和研究深度等条件 决定的。从上图可以看出，分析越深入，转换便越少，最终达到没有转换。分析一下 两极的情形是很有意思的，即：只有转换的翻译（情形一）；没有转换的翻译（情形 二）。 只有转换的翻译是一一对应的翻译，不需要分析和生成。翻译只是机械的数据库 查询和匹配过程，谈不上任何理解。需要指出的是，对于语言中固定的成语和习惯表 达法（ｉｄｉｏｍａｔｉｃ ｅｘｐｒｅｓｓｉｏｎｓ），这种翻译方法不仅是有效 的，往往也是必需的。 机器翻译的另一极是建立在充分理解基础上，毋须转换的自动翻译。这是从实质 上对人的翻译过程的模拟。这时候，源语分析才是真正的自然语言理解（ｎａｔｕｒ ａｌ ｌａｎｇｕａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ），机器翻译才真正属于人 工智能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）。然而，这里遇到两 个难题：一是知识处理问题；二是所谓元语言（ｍｅｔａｌａｎｇｕａｇｅ）问题。 考察人的翻译活动，可以发现，人是靠丰富的知识在理解的基础上从事翻译的。 这些知识既包括语言知识（ｌｉｎｇｕｉｓｔｉｃ ｋｎｏｗｌｅｄｇｅ），也包括 世界知识（ｗｏｒｌｄ ｋｎｏｗｌｅｄｇｅ：常识、专业知识等）。如何组织这些 包罗万象的百科全书一样的知识，以便适应机器处理和应用的需要，是人工智能所面 临的根本性课题。 另一方面，人类可以用语言交流思想，语言可以相互翻译，必定有某种共同的东 西作为基础，否则一切交流和翻译都是不可思议的。概念，或者更准确地说，概念因 子（即构成各种概念的元素）应该是全人类一致的。概念与概念间所具有的逻辑关系 和结构也是全人类共同的。如果人们可以把这种共同的东西研究清楚，把它定义成元 语言，源语分析以元语言作为其终极表达，目标语生成也以元语言作为出发点，就不 需要任何转换了。这时候，源语模块和目标语模块便完全独立，每一种语言只需要一 套针对元语言的分析和生成系统，就可以借助于元语言自动翻译成任何其他语言。研 究元语言是认知科学中的一个难题，有待于语言学家，逻辑学家，心理学家，数学家 和哲学家的共同努力。有意义的是，研究机器翻译的学者们设计过种种近似元语言的 方案，作为多种语言之间自动翻译的媒介语（ｉｎｔｅｒｌｉｎｇｕａ），取得了一 定的成果和经验。 总之，虽然机器翻译的最终出路在于人工智能的理论和技术的突破，但在条件不 成熟的时候过份强调机器翻译的人工智能性质，一味追求基于知识和理解的自动翻译 （ｋｎｏｗｌｅｄｇｅ－ｂａｓｅｄ ｏｒ ｕｎｄｅｒｓｔａｎｄｉｎｇ－ｂａｓ ｅｄ ｍａｃｈｉｎｅ ｔｒａｎｓｌａｔｉｏｎ），对于应用型机器翻译系统的研 制，往往没有益处。 除了上述的两极，人们根据转换所处的层次，把机器翻译系统大致分为三代（见 上图）： 第Ｉ代是词对词的线性翻译，其核心是一部双语词典，加上简单的形态加工（削 尾和加尾）。Ｉ代系统不能重新安排词序，不能识别结构同形，更谈不上多义词区分 。 第ＩＩ代系统强调句法分析，因此能够求解出句子的表层结构（ｓｕｒｆａｃｅ ｓｔｒｕｃｔｕｒｅ）及元素间的句法关系。分析结果通常表现为带有节点信息的句 法结构树（ｓｙｎｔａｃｔｉｃ ｔｒｅｅ），从而可以根据源语和目标语的对比差 异进行句法结构的转换和词序调整，这就从线性翻译飞跃到有结构层次的平面翻译。 然而，在没有语义的参与下，虽然可以识别句法结构的同形，但却不能从中作出合适 的选择；多义词区分问题也基本上无法解决。 第ＩＩＩ代系统以语义分析为主，着重揭示语句的深层结构（ｄｅｅｐ ｓｔｒ ｕｃｔｕｒｅ）及元素间的逻辑关系，可以解决大部分结构同形和多义词区分问题。 目前，多数机器翻译系统处于ＩＩ代，或ＩＩ代和ＩＩＩ代之间。纯粹以语义分 析为核心的ＩＩＩ代系统只做过小规模的实验（如：Ｗｉｌｋｓ，等），但也取得了 令人瞩目的学术成就。从工程和实用考虑，大型商品化机器翻译系统的研制，采用句 法分析辅之以语义分析的方法，是比较切合目前的研究水平和实际需要的。 从方法上看，语言规则和算法分开是自动翻译技术上的一大进步，算法从而成为 系统的控制器和规则的解释器。早期的机器翻译系统并没有专门的语言规则库，而是 把规则编在程序中，这带来三个严重的缺陷：第一，规则的每一点修改都要牵涉程序 的变动；第二，难以提高机器翻译算法的抽象度，从而影响了语言处理的深度和效率 ；第三，不利于语言学家和计算机专家的分工合作。 值得强调的是，规则与算法分开以后，只是从形式上为规则的增删修改提供了方 便，真正的方便取决于规则的结构体系，具体地说，就是规则与规则的相互独立程度 。如果规则彼此依赖，牵一发而动全身，就谈不上修改规则的自由。这样的网状规则 系统在规则数达到一定限量以后，就无法改进了：往往改了这条，影响那条，越改越 糟，最终可能导致系统的报废。因此，在规则和算法独立以后，有必要强调规则与规 则独立。 除了传统的基于规则的机器翻译系统（ｒｕｌｅ－ｂａｓｅｄ ｓｙｓｔｅｍ） 以外，新的方法包括利用大型语料库或根据样本进行翻译（ｃｏｒｐｕｓ－ｂａｓｅ ｄ ｏｒ ｅｘａｍｐｌｅ－ｂａｓｅｄ ｓｙｓｔｅｍ）。运用概率统计方法（ｐ ｒｏｂａｂｉｌｉｔｙ－ｂａｓｅｄ ｏｒ ｓｔａｔｉｓｔｉｃｓ－ｂａｓｅｄ ｓｙｓｔｅｍ）也越来越受到研究人员的重视。计算机软件和硬件的飞速发展，使得 融合上述多种方式的优点，研制较高质量的机器翻译系统，已经成为可能。 随着信息社会的到来，人工翻译的低效率已远远不能满足社会的需求，迫切需要 计算机帮助人们翻译。目前，世界上已有一批机器翻译系统投放市场或投入运用，更 多的系统正在积极研制中。而英汉机器翻译也已有高科技产品问市。机器翻译经过四 十多年的发展，对语言的认识逐步深入，发展了许多行之有效的语言处理技术。其前 景是令人乐观的。 -------------------- 本文是作者几年前应约为科技辞书写的辞条，现加以修改更新，力求深入浅出， 既反映本学科的最新发展水平，又能让一般大学程度的读者容易理解。作者从事机器 翻译研究和开发１４年，目前正在撰写博士论文，课题是“基于整合的英汉双向机器 翻译系统的研制”（Unification-based Bidirectional Machine Translation between English and Chinese）。 李 维 １９９７年寄自加拿大 Simon Fraser University