机器翻译是什么？从规则词典到神经网络

机器翻译（Machine Translation，MT）是用计算机自动把一种语言翻译成另一种语言的技术。它是自然语言处理最早的研究方向之一，也是 AI 最贴近日常的应用之一：网页翻译、拍照翻译、同声传译、跨境电商的商品描述本地化，都离不开它。

三个时代

规则翻译：机器翻译的研究从 20 世纪 50 年代就开始了。早期的系统靠语言学家手工编写语法规则和双语词典，逐句分析再转换。规则写得越多，系统越复杂，却始终难以覆盖真实语言的千变万化。

统计翻译：上世纪 90 年代起，统计机器翻译成为主流。它不再依赖人工规则，而是从大规模的双语对照语料里，统计出词语和短语之间的对应关系和概率，再组合出最可能的译文。谷歌翻译早期就是基于统计方法。

神经翻译：2014 年前后，神经机器翻译出现。它用一个神经网络端到端地完成翻译：编码器把原句编码，解码器生成译文。最初的方法把整个原句压缩成一个固定长度的向量，句子一长效果就下降。2014 年 Bahdanau 等人提出了注意力机制：解码器在生成每个词时，可以回头“关注”原句中最相关的部分，而不是只靠一个压缩后的向量。这一改进让长句翻译质量大幅提高，注意力机制也成为后来 Transformer 的核心思想。2017 年 Transformer 正是在机器翻译任务上提出的，此后成为所有大模型的基础架构。

大模型时代

如今的通用大模型本身就具备很强的翻译能力，能根据上下文调整语气和风格，处理俚语、文化背景和专业术语，还能按要求做本地化改写。专门的翻译模型和服务则在速度、成本和特定语种上仍有优势。

仍然要注意

机器翻译在低资源语言（训练数据少的小语种）上效果明显较差；合同、医疗、法律等专业文本，一个词翻错就可能造成严重后果，需要专业人员审校。评测上，传统的 BLEU 分数已经不足以反映译文质量，人工评估和基于模型的评估越来越重要。