提到机器翻译，人们可能首先想到的是它的译文质量问题。就目前在线翻译而言，美国的谷歌翻译可提供100多种语言（包括不少小语种）之间的即时翻译，支持任意两种语言之间的字词、句子、文本和网页翻译。但谷歌在文本和网页翻译方面的译文质量都不是很高，离理想的目标（即达到高级译员的翻译水准）仍相差甚远，译后人工审校和修改的工作量甚大；而其他机器翻译系统也存在同样的问题。

　　目前机器翻译还存有很多技术难点亟待攻克，比如语序混乱、词义不准确、孤立地进行句法分析等。据有关专家介绍，未来机译研究应在以下三个方面有所突破：大语境，而不再是一个句子一个句子孤立地处理；联系语境理解文意，而不再是停留在句法分析的层面；高度专业化和专门化，而不再是“万事通，样样松”。

　　学术界认为，测试中机器翻译技术的进步带来的译文虽有改善，但机器翻译的译文质量远没有达到令人满意的水平。虽然许多科学家采用多种技术和方法来提高机译质量，但实际效果并不是很理想。因此一些专家学者指出，机器翻译要达到人工翻译的水准，就必须解开人脑处理语言信息之谜。

　　其实早在20世纪90年代，国际知名学者周海中教授就指出，在人类尚未明了人脑是如何进行语言的模糊识别和逻辑判断的情况下，机器翻译要想达到“信、达、雅”的程度是不可能的。这一观点精辟到位，道出了制约机译提升译文质量的瓶颈所在。

　　近年陆续实施的欧洲大脑计划、美国大脑计划、日本大脑计划、中国大脑计划等都旨在利用计算机模拟人类大脑的功能，以便提高人们对大脑神经网络系统的认识。这些计划的研究成果有望为机器翻译技术的突破性进展，尤其是译文质量的迅速提高铺平道路。

　　机器翻译一直被科学界公认为是人工智能领域最难的课题之一，它曾经被英国《新科学家》杂志列为21世纪世界十大科技难题的第一位。机器翻译从基于规则的机译技术，到基于实例的机译技术，再到基于统计的机译技术，最终发展到目前主流的神经网络机译技术。近年机译技术有了很多新的突破，也有了很多成功的案例。

　　最近，谷歌研究院的一篇ACL2019论文提出了一种新方法，使用生成的对抗性样本来提高机器翻译模型的鲁棒性，防止输入中存在的细小扰动度对其造成影响。结果表明，该方法提高了神经网络机译模型在标准上的性能。

　　然而，不论文字翻译还是语音翻译，机器翻译要达到人工翻译的水准，还有一段漫长的路要走。尽管距离人工同传以及高水平翻译所讲究的“信、达、雅”，还存在很大的差距；但随着人工智能技术的发展和脑科学研究的深入，机器翻译将会替代人类译者承担大部分的翻译工作。未来的译者可能更接近编辑和质量把关专家，对机器翻译的初稿进行修改润色。

　　许多专家认为，机器翻译的发展必定会淘汰低端译者，但是完全取代人工翻译几乎是不可能的。日前，谷歌就告诫用户不要用机器翻译取代人工翻译。因此，广大译者没有必要过分担心，而真正需要做的是加强自身学习和提高业务水平。可以肯定的是，高端的人工翻译不仅不会消亡,反而会受到青睐。

　　机器翻译把译者从一些机械、枯燥的翻译工作中解放出来，让译者从事更富有创造性的工作。因此我们应该以一种接纳的方式来欢迎机译技术的到来，同时还要以一种不服输的精神及乐观的心态来学习掌握其他的技能，这样在翻译行业未来的发展中，才能让自己立于不败之地。

　　机器翻译以其翻译速度之快和部分专业文本翻译精准度之高受到了广泛肯定。但其翻译质量，特别是在诱导型和呼唤型文本的翻译中，受其自身机械性的限制，译文总有不尽人意之处，需要人工翻译进行校对与润色。目前人们只能将机器翻译与人工翻译结合起来，相辅相成，既能节省翻译的时间，又能做出高标准的译文。

　　可以说，人工翻译与机器翻译是互补而非对立的关系,各有其优势和缺陷。错位竞争、人机协同、共同组合、科技与人文的融合是人工翻译与机器翻译未来关系的趋势和方向，也是提升翻译质量和翻译效率的必由之路。

本文来自： 前瞻网