近日，第四屆機器翻譯論壇在杭州召開，與會者分享了機器翻譯前沿的研究和應用成果，探討機器翻譯技術發展機遇與挑戰，人工智能和翻譯的融合又成爲市場關注的熱點。

數據顯示，目前全球語言服務市場潛力很大，機器翻譯更是市場上的“紅人”，2018年機器在線翻譯量每日高達8000億至1萬億個詞語。同時，我國機器翻譯市場需求與日俱增，主要集中於企業用戶，涉及石化、機電、交通運輸、金融、旅遊等多個垂直領域。“傳統翻譯服務模式爲勞動密集型，機器翻譯則在前期就輔助產業鏈上的各環節，提高了效率。”人工智能機器翻譯服務商“新譯科技”首席執行官田亮說。

田亮認爲，目前機器翻譯的前沿應用主要體現在三方面：首先，機器翻譯模式進展迅速，以神經網絡爲基礎的翻譯模型準確度不斷提升，已帶給專業譯員至少30%的效率提升；其次，交互式機器翻譯概念開始被業界接受，人機協作模式正加速落地；第三，語音翻譯應用越來越多，從翻譯機到翻譯耳機，再到各類智能機器人都是語音翻譯的相關應用。語音翻譯模式也由原先的語音識別、機器翻譯、語音合成“三部曲”，升級至“語音—語音”訓練模式。

“這三類應用展現出人工智能和翻譯產業融合的獨特魅力。機器翻譯，本質上屬於自然語言處理技術，技術進步需要產業界和學術界不斷研究攻關，這一過程也會將人工智能的語言識別能力提升到更高層次。”田亮說。

不過，有些問題也亟待解決。課堂派首席運營官、DD翻譯官獨立董事劉昊認爲：“很多產業對接人工智能的前提是實現了標準化和數據化，但語言很難做到標準化。”劉昊說，在機器思維裏，語言的複雜多意性，導致難以實現標準化和一致性。因此，人工智能介入翻譯產業比較簡單，但做好做精卻很不易。

最常見的瓶頸是語言歧義性。田亮舉了個例子：“若讓機器翻譯如下句子，機器根本無法準確翻譯。比如，‘你剛纔說的是什麼意思？我沒什麼意思，就是意思意思’。”田亮認爲，機器翻譯還會出現遺漏翻譯和過度翻譯，雖然有多種方法可以解決這類問題，但沒有一種方法能做到百分之百糾錯。

廣東外語外貿大學南國商學院教授王毅認爲，在日常交流和科技領域，機器翻譯會以便捷和高效得到廣泛應用，但在人文領域翻譯中，人腦對特定語境中語言文字的把握對機器來講很難逾越。“所以不難看出，機器翻譯還有很大的成長空間。未來需要新的算法和語義層面的綜合性突破，促進機器翻譯產品的迭代和產業全面升級。”田亮說。