机器翻译的语言学价值与发展困境
【摘 要】机器翻译是相对人工翻译而言的依赖于计算机程序的自动化翻译技术，自诞生以来为翻译工作创造了极大便利，也为语言学的发展做出不可忽略的贡献。它对于提升源语言向目标语言转换效率、加速拓展语言学研究范围与方向、丰富世界多种语言文字表达方式产生积极效用。反观机器翻译目前发展困境得知：机器翻译句子、段落等语言单位翻译不精准;处理内涵丰富、充分情绪氛围的跨文化交际文本束手无策;翻译结果灵活性、多样性匮乏，翻译结果单一;语料库建设延迟且数据规模有限。因此，机器翻译技术仍有待规范升级，未来语言发展历程中要坚信机器翻译必然是为人类所用的工具，人机交互合作将成为翻译工作的主流形式。
本文源自高恂：机器翻译的语言学价值与发展困境 山西能源学院学报2020年12月第33卷 第6期《山西能源学院学报》杂志，于1988年经国家新闻出版总署批准正式创刊，CN:14-1390/TK，本刊在国内外有广泛的覆盖面，题材新颖，信息量大、时效性强的特点，其中主要栏目有：教育教学研究、社会科学研究、自然科学研究等。
机器翻译是计算机科学、统计学、语言学等学科交叉融合发展的结果，是跨学科研究的成功技术案例。经过几十年发展，机器翻译虽可以交出一份合格的答卷，创造了一定程度的语言学价值;但迫于机器情感缺失及深度语言规则不可描述性，机器翻译仍面临诸多发展困境亟待解决。
一、机器翻译的语言学价值机器翻译已经成为语言转译的重要组成部分，其优秀之处不仅在于扩大信息传播范围与传递效率，也为语言学本身发展创造了一定价值。
(一)提升源语言向目标语言转换效率
机器翻译汲取了人工智能技术的学习能力，形成了高效的语言翻译方法，面对复杂海量的语言文本，机器翻译不会因为复杂的心理活动而影响翻译效果和速度，大幅度提升了源语言向目标语言转换的效率。并且，机器翻译成本相对人工翻译较低，尽管在翻译质量上有所欠缺，但是权衡翻译准确度、翻译成本、翻译效率各因素间的相关性及影响，一些涉外企业倾向使用人工智能辅助下的机器翻译解决诸多场景翻译问题。语言作为人类交往的关键介质，直接承载了个体思想与认知，所以，机器翻译带来的源语言向目标语言转换效率提升，很大程度上使语言社会功能中最基本的信息传递功能得以增强。
(二)加速拓展语言学研究范围与方向
人类社会单一学科应用已经难以解决纷繁复杂的社会现象与学术问题，使科学研究被迫停滞。学科融合与跨学科研究解决了此项难题，并成为主流研究方法大范围推广应用，甚至发展成为科技进步的主流方向。机器翻译提升翻译效率的同时无疑加速了跨学科研究进程。语言学研究的对象是人类语言，交叉学科、跨学科诞生使人类语言界限得到延展，延展的幅度是无拘束、无限定的，也意味着语言学研究对象的无限延伸。综上所述，机器翻译与语言学之间存在图1所示的关系，机器翻译一定程度上加速了语言学研究范围与方向的拓展。
(三)丰富世界多种语言文字表达方式
当今世界语言种类可达几千余种，但外语人才的学习方向大多集中在几十种常用的语种领域，而小语种专门性人才稀缺，能够同时掌握多项语言翻译能力的人才更是少之又少，一般性的交流活动以及不具备聘请人工翻译的语言交流场景受阻。当前社会信息化水平与互联网水平已达到前所未有的高度，语言是全球化交流的关键工具，此阶段语言交流障碍问题日益尖锐。大规模科技性资料、中外企业交流、政府文件都需要高效率地完成翻译工作，人工智能性质的翻译技术诞生需求极为迫切。机器翻译通过设置语言学习算法轻松实现数十种语言之间的相互转译，解决世界范围内多项语种之间的翻译问题，例如，谷歌翻译软件相互转换语种可达几十种。机器翻译自诞生和技术不断更新优化以来，一般性质的跨语言社交实现了“从无到有”的可能性。如今机器翻译可以通过手机软件清除人类交流的“语言障碍”，不同语言应用个体可以自由地相互交流。并且机器翻译已经由最初的文字翻译拓展到图像识别、语言识别形式的翻译，通过读取图像上的文字即可翻译相应内容，识别语音音频即可呈现翻译结果，此为人工智能在机器翻译领域的横向拓展。
二、机器翻译面临的发展困境
机器翻译的诸多语言学价值成就了其在时代发展中的一席之地，哲学思想的两面性指导我们机器翻译发展过程中必然存在弊端与困境，只有切实解决这些问题才能促进机器翻译的良性可持续发展，机器翻译当代发展面临的困境分析如下。
(一)各等级语言单位上面临的困境
翻译领域专家将语言发展阶段总结为金字塔形状，如图2所示。
图中由下至上代表了语言分析由浅至深的过程，既能保持语言深层次研究，又能保证精准度是机器翻译的长远性目标。各发展阶段中机器翻译语言单位上面临的困境如下：
标题翻译障碍。标题是文章翻译的中心思想的
高度凝练，翻译结果需要发挥吸引读者、点明主题功能。但是目前机器翻译呈现的题目翻译效果仅能表达基本语句含义，很少考虑语言文化环境，翻译效果不尽如人意。
词语翻译障碍。一些机器翻译模型在设计之初以提高翻译效率为目的，常常删减一些使用频率较低的词汇，所以机器翻译面对陌生词汇无计可施。再如人名、地名、公司名称等词汇在词典中没有记载，所以缺乏专门性的翻译规则。
句子翻译障碍。句子翻译是目前机器翻译的主要单位和表现形式，但是长句子翻译效果有待提升。即使是翻译性能优异的神经网络翻译模型遇到较大量词数的句子时翻译精度一度下滑，机器翻译常因为语序颠倒导致翻译结果出现差错。
段落与通篇翻译障碍。段落翻译、通篇翻译在句子翻译的基础上增加了句子衔接、句子顺序、句子关联等多种难度因素，对机器翻译的难度可想而知，基于统计的翻译模型取得了良好的长句翻译能力，但是处理段落性质翻译问题时，也存在指代不当，衔接不畅等常见问题。
(二)跨文化交际面临的困境
翻译学科的形成一定程度是为了实现跨文化交际，然而机器翻译在处理内涵丰富的文本、具有一定情绪语境的文本翻译时面临困境。
处理内涵丰富文本的困境。不同民族造就了差异性语言，民族文化独特之处造就了丰富的语言文化内涵，机器翻译跨文化交际是对这些民族文化内涵进行诠释。一个具有丰富内涵的文本往往包含了这个民族的思维方式、价值认同、礼仪礼节等内容，但是机器翻译缺乏人类认知差异文化的情感，在源语言向目标语言转换过程中忽视了文化移植这一步骤，甚至自动过滤掉不能翻译部分，所以机器翻译跨文化交际容易遗失文化内涵，不能重构源语言真实含义。
情绪、语境氛围下的翻译困境。跨文化交际中，相同句子在不同情绪、语境下展现的含义有所不同。所以，人工翻译处理跨文化交际翻译问题时，准确把握字面意思的同时需要考虑语句处于何种语境，是否存在疑问、暗讽、比喻等情绪，而机器翻译集成的算法模型尚且无法模拟人脑的这一系列思考过程。例如，“Heisacat”在机器翻译下只能译成“她是只猫”，而准确翻译结果为“他阴险狡诈”，这个短句是典型的需要站在跨越文化视角考量，具有丰富的文化知识储量的翻译人才才能给出令人满高恂：机器翻译的语言学价值与发展困境意的翻译结果。再如，“you are the boss”机器翻译结果为“你是老板”，但本质意义是“你说了算”。
(三)翻译结果灵活性、多样性匮乏
机器翻译模型往往对同一种文本给出一个最为优秀的翻译结果，尽管多次输入相同文本得到的结果亦是如此。而人工翻译可以根据自身知识储备以及文本情境灵活变换词语、句式使用方法，能够基于实际需求给出不同形式的翻译结果，且合乎情理，翻译性能更具灵活性与多样性。相比之下，机器翻译结果在以下方面不理想：机器翻译难以察觉文本变换的微小差别;针对同一文本难以给出多种译文结果;翻译结果往往不尽如人意，给出大概意思，言辞组织不够顺畅严谨，缺乏创造性;机器翻译不具备从微观视角斟酌词句、从宏观视角奠定文本基调的能力;汉语中的成语、俚语、名言警句对于人工翻译来说一直是一项难题，机器翻译处理这些翻译内容时能力更为薄弱。
由于机器翻译结果优劣主要取决于语言专家赋予的语言机制、技术人员设计的计算机程序，因此机器翻译创造性、灵活性、多样性的提升有赖于智能算法的革新优化以及语言程序描述精准度。目前为止，机器翻译尚未达到理想的翻译状态，但是足以胜任词汇以及文本的初步翻译工作，人工翻译在半成品的基础上细细斟酌，解放了大量人工翻译的时间和精力，机器翻译即使不单独工作也可以成为辅助人工翻译的智能化手段，优化翻译工作的效率。
(四)语料库建设延迟且规模有限
目前为止，机器翻译领域的语料库建设面临数据更新延迟以及规模有限两个主要问题。机器翻译语料库建设延迟主要表现在与社会发展速度的不相适应，科学技术以及交叉科学诞生衍生出大量新的专业术语，这些专业术语需要相应领域的专家集中研究商讨后进行命名。这些术语更新到机器翻译系统具有一定的时间差，造成了语料库建设的延迟性，并且基于机器翻译系统开发公司能力差异，语料库更新的延迟性也有所不同。所以，机器翻译处理新理念、新思想时无计可施，一般采取不译或者直译的方式，翻译工作将产生较大误差。机器翻译规模有限主要体现在使用频率较低的小语种应用上，机器翻译结果优劣一定程度上取决于语料库规模大小、权威部门统计，神经网络机器翻译需要超过1500万词条规模的语料库作为数据支撑，以获得理想的翻译效果。但是对于应用对象规模较小的捷克语、塞尔维亚语、瑞典语等小语种而言，难以构成如此大规模的语料库，自然降低了语料库建设的丰富性，削弱了神经网络这种先进机器翻译方法的应用效果。种种证据表示，语料库自身弊端使机器翻译面临质量优化困境，因此，对于要求严格的政府文件翻译、科技文本翻译等场合，需要优秀的译后编辑人员对翻译结果进行校对与把关，实现人与科技的相互融合。
三、结论
本文从机器翻译在社会发展中为语言学创造的价值、面临的发展困境两个层面剖析了机器翻译的成就与不足，显而易见，机器翻译的诸多弊端致使其无法取代人工翻译。但机器翻译已经成为语言转译的重要组成部分，亦是大势所趋。机器翻译作为人工智能的重要分支在社会信息传播中不可替代，处理好人与机器间的依存关系极为关键。要转变与机器翻译对立的狭隘态度，使机器翻译为人类所用，翻译人员作为审核角色把关翻译质量，这样将实现文本翻译质量与效率的双重提升。
【参考文献】
[1]刘宇鹏，马春光，张亚楠.深度递归的层次化机器翻译模型[J].计算机学报，2017，40(004):861-871.
[2]高梦璐.语言学知识在机器翻译发展领域的应用[J].校园英语，2018(13):227-228.
[3]戴泽萍.语义理论在机器翻译研究的应用述论[J].中外交流，2019，000(008):6-7.
[4]埃德温·根茨勒，祝朝伟.翻译研究:前学科，学科，跨学科与后学科[J].英语研究，2019(2):139-151.
[5]蔡子龙，杨明明，熊德意.基于数据增强技术的神经机器翻译[J].中文信息学报，2018，32(7):30-36.
[6]李培芸，翟煜锦，项青宇，等.基于子词的句子级别神经机器翻译的译文质量估计方法[J].厦门大学学报(自然科学版)，2020，59(2):159-166.
[7]周春芳.机器翻译和跨文化交际：发展，问题及思考[J].湖北经济学院学报(人文社会科学版)，2019，16(11):114-116.
[8]胡开宝，李翼.机器翻译特征及其与人工翻译关系的研究[J].中国翻译，2016，037(005):10-14.