從冷戰(zhàn)到深度學習_機器翻譯歷史不簡單

實現(xiàn)高質量機器翻譯的夢想已經(jīng)存在了很多年，很多科學家都為這一夢想貢獻了自己的時間和心力。從早期的基于規(guī)則的機器翻譯到如今廣泛應用的神經(jīng)機器翻譯，機器翻譯的水平不斷提升，已經(jīng)能滿足很多場景的基本應用需求了。近日，Ilya Pestov用俄語寫的機器翻譯介紹文章經(jīng)Vasily Zubarev翻譯后發(fā)表到了Vas3k.com上。機器之心又經(jīng)授權將其轉譯成了漢語。希望有一天，機器自己就能幫助我們完成這樣的任務。

我打開谷歌翻譯的頻率是打開Facebook的兩倍，價格標簽的即時翻譯對我而言再也不是賽博朋克了。這已經(jīng)成為了現(xiàn)實。很難想象這是機器翻譯算法百年研發(fā)之戰(zhàn)的結果，而且在那段時間的一半時間里其實都沒什么明顯的成功。

我在本文中討論的確切發(fā)展將立足于所有的現(xiàn)代語言處理系統(tǒng)——從搜索引擎到聲控微波。我將探討的是當今的在線翻譯技術的演化和結構。

P. P. Troyanskii的翻譯機器（根據(jù)描述繪制的圖片。很遺憾沒有照片留下。）

起初

故事開始于1933年。蘇聯(lián)科學家Peter Troyanskii向蘇聯(lián)科學院提交了《用于在將一種語言翻譯成另一種語言時選擇和打印詞的機器》。這項發(fā)明非常簡單——它有四種語言的卡片、一臺打字機和一臺舊式膠片相機。

操作員先取文本的第一個詞，然后找到對應的卡片，拍一張照片，再在打字機上鍵入其形態(tài)特征（名詞、復數(shù)、性別等）。這臺打字機的按鍵編碼了其中一項特征。打字帶和相機膠片是同時使用的，從而得到一組帶有詞及它們的形態(tài)的幀。

盡管看起來很不錯，但和蘇聯(lián)的很多事情都一樣，人們認為這項發(fā)明是“沒用的”。Troyanskii用了20年時間試圖完成他的發(fā)明，之后因心絞痛逝世。在1956年兩位蘇聯(lián)科學家找到他的父母之前，這世上沒人知道這種機器。

那是冷戰(zhàn)的鐵幕剛剛降下的時候。在1954年1月7日，IBM在紐約的總部啟動了 Georgetown-IBM實驗。IBM 701計算機有史以來第一次自動將60個俄語句子翻譯成了英語。

“一位不認識任何一個蘇聯(lián)語言詞匯的女孩在IBM卡片上敲出了這些俄語消息。這個“大腦”以每秒兩行半的驚人速度在一臺自動打印機上趕制出了它的英語翻譯?！薄狪BM的新聞稿

但是，宣告勝利的頭條新聞里卻隱藏了一個小小的細節(jié)。沒人提到這些翻譯得到的樣本是經(jīng)過精心挑選和測試過的，從而排除了歧義性。對于日常使用而言，該系統(tǒng)并不比口袋里的常用語手冊更好。盡管如此，軍備競賽還是開始了：加拿大、德國、法國以及（特別是）日本全都加入到了機器翻譯競賽中。

機器翻譯競賽

改進機器翻譯的徒勞工作持續(xù)了四十年之久。1966年，US ALPAC在其著名的報告中稱機器翻譯是昂貴的、不準確的和毫無希望的。他們轉而建議將重點放在詞典開發(fā)上，這將美國研究者排除在了競賽之外近十年時間。

即便如此，僅憑科學家和他們的嘗試、研究和開發(fā)，現(xiàn)代自然語言處理的基礎還是建立了起來。多虧了這些彼此監(jiān)視的國家，當今所有的搜索引擎、垃圾信息過濾器和個人助理都出現(xiàn)了。

基于規(guī)則的機器翻譯（RBMT）

最早的基于規(guī)則的機器翻譯思想出現(xiàn)于70年代。科學家研究了翻譯員的工作，試圖讓當時還極其緩慢的計算機也能重復這些行為。這些系統(tǒng)包含：

雙語詞典（比如，俄語->英語）

每種語言一套語言學規(guī)則（比如，以-heit、-keit、-ung等特定后綴結尾的名詞都是陰性詞）

這就是這種系統(tǒng)的全部。如有需要，該系統(tǒng)還能得到一些補充，比如增加姓名列表、拼寫糾錯器和音譯功能。

PROMPT和Systran是RBMT系統(tǒng)中最有名的案例。如果你想感受下那個黃金時代的柔和氣息，去試試 liexpress吧。

但即使它們也有一些細微差別和亞種。