專訪位元組跳動王明軒：機器翻譯和人工翻譯實質是兩條賽道 | T前線

技術的進步，往往意味著產業的演化發現了新的方向。翻譯業也不例外。隨著全球化進程不斷加快，人們在進行涉外活動時都離不開跨語言的交流。機器翻譯的出現大大擴充了翻譯的應用場景，固然它還遠遠稱不上完善，但卻在人類挑戰巴別塔的路上跨出了堅實的一步。 51CTO特邀位元組跳動AI Lab機器翻譯負責人王明軒，聊一聊機器翻譯發展的這些年、那些事。

從基於規則，到基於統計模型，再到基於神經網路

機器翻譯的發展與電腦技術、資訊理論、語言學等學科的發展緊密相關。進入21世紀後，隨著硬體能力的提升和演算法的優化，機器翻譯技術迎來了空前的躍進，並成功邁出象牙塔，走上了普惠之路。

51CTO：縱觀歷史，機器翻譯經歷了哪些重要的發展節點？

王明軒：機器翻譯實質是一個非常古老的問題，機器翻譯的歷史可以追溯到17世紀笛卡爾、萊布尼茨等哲學家提出的「通用語言」。 1946年等電腦正式誕生後，人們期望電腦能將一種語言翻譯成另一種語言。美國科學家瓦倫·韋弗在《翻譯備忘錄》中正式定義了機器翻譯的概念和想法。這段時期，在冷戰背景下，美蘇兩國也基於蒐集資訊的需要，投入了大量資金用於機器翻譯相關研究。

一開始大家相對較樂觀，覺得這事很快就可以搞定了。第一版的翻譯系統非常簡單，主要是基於字典，例如把“太陽”翻譯為“sun”，但這種詞對詞的翻譯很快就遇到了瓶頸，因為一詞多義的現像比較多，例如“bank”，既可以是“銀行”，也可以是“河岸”，具體語境中會面臨許多選詞的困境。 結合語言學家所製定的語意規則可以解決一部分歧義，但發展到後期，規則越多，衝突的地方也會越多，系統會越來越複雜，依然無法解決問題。

1966年美國公佈了報告《語言與機器》，全面否定了機器翻譯的可行性，並建議停止對機器翻譯專案的資金支持。受此影響，機器翻譯陷入低潮期。

直到90年代，IBM提出基於字詞對齊的翻譯模型，標誌著現代統計機器翻譯方法的誕生。基於統計的機器翻譯原理很簡單，例如要在語境中判斷bank應該翻譯成“銀行”還是“河岸”，那就進行大量的相關語料統計，會發現上下文裡有“錢”相關的，那就更有可能翻譯成“銀行”，上下文中提到“河流”，那更可能對應的是“河岸”。如此一來，不用字典與文法規則，而是依照機率來判斷具體場景下的語意。這是劃時代的變化，機器翻譯的品質得到了巨大的提升。 很快，機器翻譯開始在許多實用場景落地。

從1993到2014年基本上都屬於統計的時代，但雖說是基於統計，還是需要人工去定義很多特徵、模板，再進一步設計細節，因而也不是非常靈活，模型的能量也不是很強大。

而後到了神經網路時代，神經網路翻譯從模型上說主要包含編碼器和解碼器。編碼器把源語言經過一系列神經網路變換後表示成一個高維度向量，解碼器負責把這個高維度向量重新解碼成目標語言。 2014年Seq2Seq的提出，讓神經網路翻譯慢慢開始比統計機器翻譯做得更好。

到2017年時，Google提出Transformer，模型更大、結構更靈活、並行化程度更高，這進一步提升了翻譯品質。同年，AlphaGo的勝利也讓大家對人工智慧的信心更充分。 也正是在2017年後，機器翻譯的產業化迎來了爆發期，直到現在，整體大框架沒有太大變化，但小細節上出現了許多創新。

挑戰「巴別塔」

從字典匹配，到結合語言學專家知識的規則翻譯，再到基於語料庫的統計機器翻譯，以及目前主流的神經網路機器翻譯，相較於之前，機器翻譯的品質有了飛躍式的提升，但仍面臨重重挑戰。

51CTO：目前機器翻譯面臨的主要挑戰在哪裡？

王明軒：挑戰其實還比較多。

第一，如何做稀缺語種的機器翻譯。這是機器翻譯從誕生以來就面臨的問題。語種越小，數據量越少，語料的稀缺會是長期的挑戰。

第二，如何做多模態的機器翻譯。近年來，我們經常需要做語音翻譯、視訊翻譯，事實上這類翻譯需要AI做一些前處理之後再做翻譯。如果AI處理錯了，翻譯就可能發生錯誤。再例如，在同聲傳譯的場景，通常是邊說邊翻，拿不到完整的上下文訊息。這在多模態翻譯中都是常見問題。

第三，最本質的問題在於，目前的機器翻譯還是基於數據驅動，並沒有在理解層面上做得更為深入。模型的學習依舊是依靠語言的貢獻，而非真正理解語意。這一點大大局限了機器翻譯的上限。

51CTO：火山翻譯作為一個位元組跳動旗下機器翻譯品牌，如何面對語料稀疏問題？

王明軒：有兩個比較直接的方法。

第一種是擴充語料，努力讓稀缺語料「不再稀缺」。這種想法是，透過一些模型，盡可能從網路上取得語料。例如冰島語，我們能收集大量冰島語的單語語料，在網路上就可以去收集與單語語料相近的英文文本，我們去找這種可能對齊的語料，形成雙語去對。當然我們有時也會用人工標註，但更多的是靠智慧的方法自行增加。

第二種是利用語言的共通性。大家生活在同一個星球，雖然使用的語言不同，但其實在描述同一個世界，因此語言在高層次上是有很多共通性的。我們會借助一些遷移學習或預先訓練的方法來解決這類問題，例如讓英語的模型去幫助法語的模型，或是讓德語的模型幫助法語的模型。主要就是這兩個思路。

51CTO：在多模態的機器翻譯中，要減少噪音幹擾的話，火山翻譯採取了哪些應對策略？

王明軒：應對噪音幹擾的話，首先，進行了多種模態的聯合建模。我們會拿語音訊號和文字訊號一起去做下游的任務，這樣一來，錯誤傳遞會減少很多。目前，建構多模態的統一語意在學術界也是非常火熱的話題，所以我們也會吸收其他領域的許多東西。

其次，我們在文本這塊也會做很多穩健性訓練，盡量讓模型在有錯誤輸入的情況下，還能保證正確的輸出，或者不擴大這種錯誤，相當於把自動糾錯和機器翻譯做到了一個模型裡面。因為人其實是有這種自動糾錯能力的，例如人工譯員在聽到錯誤的訊息時，會進行自動修正，所以我們在模型裡面也會考慮這些訊息。

51CTO：同聲傳譯對延時的要求很高。但是如果沒有結合上下文的語境或聽完完整的語意，準確率又很難保證。機器翻譯如何平衡這兩者之間的矛盾？

王明軒：這一點在工業界很有挑戰性，因為不僅關乎延時和準確率的trade off，實際上需要優化的地方更多。

例如在某些會議場景中，翻譯字幕需要展示在大螢幕上，觀眾接受字幕的速度也是關鍵問題之一，包括每次字幕展示的長度、字幕彈出的頻率，都關係到如何讀起來更舒服。其中有許多細節需要我們重複和產品經理溝通，深入用戶研究來看整體滿意度。因此，這不只是準確率的問題，要把使用者的實際使用體驗都當作要素考慮進去，再來調整模型。

此外，延遲可能是使用者滿意度的指標之一，但延遲也並非越短越好。 通常有個合適的gap反而比較好。因為縮時很短的話，字幕彈出的速度也會很快，使用者的接受效果反而不太好。在這方面，我們也會借鏡業界的許多成熟做法，例如動態控製字幕翻譯的間隔。整體而言，這是一個非常工程化、產品化的問題。

未來趨向

機器翻譯仍然不是完美的，但從業者正在努力讓其變得質量更高，可用性更強，適用性更廣。讓我們來觀察一下它的發展趨勢，尤其是當機器翻譯與專業譯員發生「碰撞」時，翻譯服務場景又會產生哪些化學反應。

51CTO：隨著科技的發展，機器翻譯是否會衍生出更多有趣的應用情境？

王明軒：之前我們推出的火山翻譯AR眼鏡就是類似的嘗試。今年GoogleI/O大會上壓軸發布的AR翻譯眼鏡也是很有意思的應用，使用者配戴後可以即時看到對話者的譯文，類比字幕效果。

這其實都反映出了一種比較樸素的理想：我們希望大家能活在一個溝通無障礙的世界。 例如：出國旅遊時，戴上眼鏡就可以理解任何語言的文字提示，你看到的路牌是德語的，而顯示在眼鏡上的是中文。日常溝通時，別人跟你說話，對話訊息自動變成你所理解的文字，顯示在眼鏡下方。這都是能更有效獲取資訊的場景。

51CTO：長遠來看，機器翻譯將如何發展？

王明軒：應用方面，我覺得機器翻譯可能會和多模態應用結合得更為緊密，例如視訊內容、音訊內容的翻譯需求會越來越多。另外，機器翻譯可能會更多地與業務出海、文化出海聯繫在一起。 因為國內很多公司都在積極地進行海外業務的擴張，我認為這個領域會對機器翻譯的發展起到很大幫助。

技術面，我能看到的已經在發生的趨勢是：一是大數據和大模型的訓練。從事這一領域的人越來越多，模型越來越大，資料量也越來越大，很多人認為這種變化有可能為機器翻譯的能力帶來質變。 二是翻譯和模態的結合。不只在翻譯方面，業界很多人都在試圖建構不同模態的統一語意表示，之前幾年，不同模態之間界線還比較分明，大家交流相對也少。如今，模型越來越一致。未來可能出現一個模型，既能做文字翻譯，也能做語音翻譯，甚至能做視訊翻譯。

51CTO：未來，機器翻譯是否有可能在特定場景中完全取代手動翻譯？

王明軒：依目前這種做法肯定是取代不了人工的。不過我覺得機器翻譯和手動翻譯可能不屬於一個賽道。

機器翻譯的特點，一是速度非常快，二是可以規模化，所以它適合處理的是海量且需要及時處理的資訊。舉個例子，如果現在有一千萬個影片要從英文翻譯成法語，那麼純靠人工是不太能做到的，但是機器可以做。這一點就可以讓機器在它的賽道裡發揮很重要的作用，長期看來是大有裨益的，因為它開闊了整個市場，讓跨語言的市場變得更大。

但是對於很精細的翻譯場景，機器翻譯可能就力有不抓。就像有人提到的，機器翻譯能翻得了《紅樓夢》嗎？我認為，這不屬於機器翻譯的任務範疇。小說或詩歌之類的翻譯，這類型的翻譯必須要依仗專家。還有規格很高的會議同傳，也肯定需要專業譯員擔任，而不可能是機器。但在一些重要性不是很高的會議上，機器翻譯的成本優勢就會展現出來。

機器翻譯跟專業譯員，兩者隸屬賽道不同，區分還是很鮮明的。不過某種程度上，兩者也存在著互幫互助的關係。 這體現在：一方面，機器翻譯所需的語料就是專業譯者所生產的。專業譯員在工作過程中不斷地生產大量的語料，這些語料能夠持續幫助機器翻譯去提升能力。另一方面，機器翻譯也可以幫人減輕負擔，處理要求沒有那麼高的任務。現在也有很多譯者在做譯後編輯，很多翻譯公司讓機器先做翻譯，譯員再做編輯，效率也能因此大幅提升。

來賓介紹

王明軒，位元組跳動AI-Lab機器翻譯團隊負責人，研究方向主要為機器翻譯和自然語言處理。在機器翻譯領域，發表包括 ACL、EMNLP 等頂尖會議論文超過40 篇，多次拿到 WMT等國際翻譯評測比賽第一。同時也擔任EMNLP2022贊助主席，和NeurIPS 2022、NLPCC 2022、AACL2022 等會議領域主席。

專欄介紹

「T前線」是51CTO內容中心專為技術人物開設的深度訪談專欄之一，透過邀請科技界內的業務負責人、資深架構師、資深技術專家等對當下的技術熱點、技術實踐和技術趨勢進行深度的解讀與洞察，推動前沿科技的傳播與發展。

以上是專訪位元組跳動王明軒：機器翻譯和人工翻譯實質是兩條賽道 | T前線的詳細內容。更多資訊請關注PHP中文網其他相關文章！