AI口语翻译，遇到的可不止口齿不清…….

https://www.toutiao.com/a6717504788998652427/

 

 

不论是学习外语，亦或是出国旅游等，不同的语言成为人与人之间沟通交流的障碍，市场对于翻译的需求不断上升，如今机器翻译已经融入人们的日常生活中。然而自人工智能走进大众视野，相关产品的纷纷落地，便利人们生活的同时，也使得大众陷入充满恐慌的漩涡，一时之间机器会取代人类的言论甚嚣尘上。国内行业头部企业纷纷展示各自的人工智能同声传译技术及产品，再一次引发大众对于机器翻译是否会取代人工同声传译的讨论。

尽管不少专业人士并不担忧机器翻译带来的冲击性，但行业巨头依旧不遗余力的推动机器翻译技术的研发和应用。于是随着人工智能技术的不断发展和突破，机器翻译的准确性得到进一步的提升。例如，谷歌在2016年9月发布的神经网络机器翻译产品GNMT，通过神经网络技术，模仿人脑的神经思维方式，通过将句子视为基本单元，不再对词和短句逐个翻译，使得译文质量明显提升。

人工智能作为近几年来频频出现的热门词汇，不同于共享经济、新零售所能给予大众的实体感，人工智能极为宽泛，产品落地的研究成本和难度相对较大，而计算机处理人类自然语言作为重要课题，主要有三种方法翻译人类自然语言：

其一，是基于规则的机器翻译方法。这是早期机器翻译的主流方法，依靠人工编纂的双语词典和专家总结的各种形式的翻译转化规则；其二，基于实例的机器翻译方法。指的是从已有的翻译经验知识出发，在源语言中，将句子划分成之前出现过的短语，通过自身语料库的资源进行处理，从而实现对新的源语句子的翻译；其三，基于统计的翻译方法。简而言之，就是让机器通过大量分析平行语料库中的内容，根据这些内容类比出对于新内容最恰当的翻译方式。

相较于传统的文字翻译，AI口语翻译的难度更大，这是由于在翻译之前，还要辨别语言所包含的内容，在短时间内进行“语音断句”，遇到模糊不清的语音时，还要根据上下文的意思进行及时的调整；此外，基于神经网络翻译技术。最终输出的翻译结果质量确实有所提升，但还要面对口语不连贯的特性，因为在口语交流之时，经常会出现类似于重复、次序颠倒、冗余和语句残缺的情况；口语之中少有严格符合语法约束的结构完整的句子，还会出现随意性的口语或网络用语，而非正式的语体材料，因此AI翻译要提高翻译质量只能不断扩充基础词汇库，并大量补充口语化语料，加强口语化文本处理能力，AI口语翻译还有很广的发展空间。