机器翻译能不能替代人工翻译？

　　如何实现突破语言障碍，让机器完成不同语言之间的自动翻译，并最终实现任意时间、任意地点、任意语言之间的无障碍自由通信，一直以来都是人类长期以来的梦想。

　　近年来，随着计算机性能的提高以及云计算、大数据和机器学习等相关技术的迅猛发展，人工智能再次崛起，机器翻译成为人们关注的焦点。众多机器翻译系统如雨后春笋般涌现，各种报道层出不穷，有时甚至声称机器翻译将取代人类。然而，我们需要深入了解机器翻译的真实水平，以及梦想与现实之间的差距。

　　从低迷到兴盛，机器翻译经历了几个不同的发展阶段。1947年，机器翻译的概念被提出，并成为人工智能研究的核心问题。1954年，美国乔治敦大学在IBM公司的帮助下实现了第一个机器翻译演示系统，这标志着机器翻译的初创时期的开始。

　　然而，在1966年，美国国家科学院语言自动处理咨询委员会发布的报告中宣称机器翻译面临难以克服的语义障碍，并对机器翻译研究给予了较少的支持，导致机器翻译陷入低迷状态。直到20世纪70年代中后期至80年代前期，一些机器翻译系统在特定领域得到初步应用，如加拿大蒙特利尔大学的天气预报翻译系统TAUM-METEO。同时，欧洲共同体实施的欧洲翻译体系计划和日本对第五代计算机的研究为机器翻译的复苏提供了支持。

　　到了20世纪80年代末期，IBM公司推出了基于噪声信道模型的统计机器翻译系统，并在美国国防部高级研究计划署组织的评测中取得了不错的成绩，推动了机器翻译技术的快速发展。尤其是进入2000年后，一批开源工具如GIZA++、Pharaoh、Moses相继发布，谷歌翻译在2006年上线运行，百度翻译也在2011年上线，各大公司纷纷推出自己的翻译系统，机器翻译领域呈现出蓬勃发展、遍地开花的态势。

　　2013年，基于神经网络模型的机器翻译方法被提出，使得机器译文的质量有了显著提升。并且，许多开源工具相继公布，机器翻译技术研究和系统应用都取得了前所未有的进展。统计机器翻译和神经机器翻译的基本原理都是基于大规模双语对照语料进行模型训练，建立最优的翻译模型，最终实现不同语言之间的翻译。通常情况下，训练模型所使用的语料规模越大，翻译效果就越好。

　　随着机器翻译技术的进步和系统性能的提升，为人们的日常生活和工作带来了更多便利的同时，也为机器翻译产业的发展带来了商机。然而，我们必须清楚地认识到，当前的机器翻译技术尚不成熟，无论是文本翻译还是口语翻译，机器翻译的质量远未达到令人满意的水平。

　　目前商用的文本机器翻译系统普遍存在一些问题。首先是错翻、漏翻和重复翻译的问题，尤其是对于成语、缩略语、专业术语、人名、地名和组织机构名称等的翻译较为困难。其次是难以实现篇章范围内的指代消解，常常将相关内容混淆。此外，缺乏足够的在线优化能力也是一个问题，系统很难从译员修改译文的过程中自动学习和更新翻译知识。即使译员对系统给出的错误译文进行反复修改，系统依然会保持原来的错误。

　　对于口语翻译而言，机器翻译无法充分利用说话人的语气、重音、语调甚至肢体语言。特别是当说话人的口音浓重、使用生僻词汇或涉及超出先验知识范围的话题时，机器翻译的质量无法得到保证。