人工智能应用在翻译上的准确率还有待提升，难点在哪些方面？

未来已来提问于 2018-02-26 17:46

• 用户59885552018-03-01 15:15

  1. 人类翻译是一个逐渐学习的过程，不是一蹴而就的，机器翻译首先要有自主学习的能力，才能不断的更新修正自己的翻译质量

  2. 人类语言的发展是一个优胜劣汰的过程，它只会越来越适应人脑的状态，而机器来说，它和人脑原理是不同的，所以要实现这个过程，要么用机器无限模拟人脑，要么对翻译做出妥协

  3. 人类语言是一种编码方式，但同时也是一种记忆片段，机器翻译终究还是存在于文字表面，对于人来说，经历会让人看到一个字就明白大意，从而根据感情做出最好的翻译，而机器暂时做不到。举个例子，一段话打乱几个字的顺序并不影响阅读，但是机器不行，这说明人脑更具有想象和灵活性

  4. 不同的人翻译尚有不同，对于机器来说更不可奢求，我认为机器翻译的要求应该是准确，而不是优美生动，机器翻译的应用场景应该是文献，日常对话等，而不是文学领域

• 百年。2018-02-28 14:40

  我觉得目前人工智能只能作为辅助翻译的工具。

  提升准确率的难点，我认为在于：

  确实如一楼说的机器没有达到认知理解。毕竟翻译是以“内容”为重，“形式次要”，机器翻译更善于语言规整较为生硬的文字翻译。一旦上升到情感层面，就难以把握全文的内涵；而且，一旦上升到追求内涵的表达就发现个体差异很大，更加接近原作者要表达的含义，需要更庞大的信息储存量。那么对搜集编辑录入信息的程序员的要求也会更高吧。
  

• 用户11026862018-02-28 12:50

  我觉得有如下难点:

  1.基于统计的机器翻译虽然较基于规则的机器翻译的准确率有很大提升，但本质上来说仍然属于感知或记忆阶段，

  并没有达到认知理解阶段；

  2.目前机器翻译文字处理在分词、词性标注、命名实体识别、句法分析等统计方法都是针对感知和记忆阶段的，

  对于计算机能够真正认知理解，还需要很大的理论突破！

  3、理论的问题空间局限性，文字是对现实时空及其关系反应的抽象的符号表示，目前的机器翻译理论仍然局限于文字上，

  而如何实现从文字空间回到现实时空的空间理论尚未建立，仍然是一片空白，我认为这可能是实现从弱人工智能到强人工智能理论突破的关键方向。

  4.准确的机器翻译的难度远高于语音识别和图像识别等弱人工智能，且要实现机器翻译的大规模应用，仅在弱人工智能阶段是很难满足客户要求的，但未来从弱人工智能到强人工智能的理论突破，机器翻译会是很大的理论突破口