人工智能翻译属于机器翻译，是在人工智能技术比较发达的情况下，与一般的计算机翻译和软件翻译脱离开来，能在一定程度上进行自动翻译。我们首先来看看机器翻译。“机器翻译是把文本从一种自然语言(源语言)自动翻译成另一种语言(目标语言)。”[注][美]、[美]P.Norvig：《人工智能：一种现代的方法》，殷建平等译，清华大学出版社，2013年，第755页。早在启蒙时代之前，笛卡尔和莱布尼兹就试图用统一的数字代码来编写词典。莱布尼兹甚至设想，创造一种用符号构成的人工语言(artificial language)，17世纪中叶，一些人开始了“普遍语言”的运动。威尔金斯()在“关于真实符号和哲学语言的论文”中提出了“中介语”(interlingua)的想法，试图将世界上的所有概念和实体加以分类和编码，并进行排列和描述，根据其特点和性质，给予记号和名称。[注]冯志伟：《机器翻译研究》，中国翻译出版社，2004年，第12页。到20世纪初，首次出现“机器翻译”的说法，随着计算机的诞生和发展，机器翻译技术也在不断地发展，1949年，韦弗(W.Weaver)提到机器翻译问题，他认为，翻译类似于解读密码，并且，源语言和目标语言之间可以有一种“通用语言”或“中间语言”，这种想法影响了早期的机器翻译研究者。[注],MachineTranslation,MIT Press,2017,pp.52～59.这一时期的机器翻译可以认为是基于规则的机器翻译，研究者都试图以一种理性主义方法，寻找不同的人类语言之间的转换规律。这种方法的好处在于能够掌握语言的比较通用的规律，但是却面临着自动化程度不足、应用范围狭窄的问题。到了20世纪90年代，经验主义流派逐渐发展起来，主张以数据为中心，通过数学模型来描述语言，以统计为基础，这种方法大大提高了翻译的准确度和效率，但是仍然难以捕获全局关系。而2014年以来，随着神经网络技术在翻译中的广泛应用，机器翻译也进入了人工智能翻译阶段——基于编码器-解码器框架的神经机器翻译。这种翻译需要大量的语料数据，但是机器可以直接从这些语料中自己寻找规律。另外，通过基于长短时记忆的递归神经网络，还能够有效捕获长距离依赖，显著地提升译文的流利度和可读性。Google Translate等商业翻译系统就是以此为核心技术的。[注]刘洋：《神经机器翻译前沿进展》，《计算机研究与发展》2017年第6期。

不过，人工智能翻译虽然取得了较大的突破，在信息型文本如报告、论文方面，已经能够做到忠实原文、简洁明了；但对于表情型文本，由于其包含有大量的诗句和谚语，人工智能翻译需要通过在语料库中检索最相似的语言进行匹配，因此对于一些语料库中未涉及到的语言，翻译效果就会很差；人工智能翻译表现最差的还是操作型文本，如广告词等，这类文本的翻译需要追求译文的创新性和独特性，而人工智能翻译基于统计和大数据的方式，很难达到这类文本的翻译标准。[注]孙瑾：《基于文本类型理论的机器翻译研究》，《中国科技翻译》2016年第3期。实际上无论是表情型文本还是操作型文本，都属于文学类语言，目前人工智能翻译，在这些方面的表现都不理想。

下面我们就来举例分析一下文学性语句翻译的问题所在：

Then were not summer’s distillation left

A liquid prisoner pent in walls of glass,

Beauty’s effect with beauty were bereft,

Nor it nor no remembrance what it was.(莎士比亚十四行诗第5首部分)

机译：

然后不是夏天的蒸馏了

一个液体囚犯被压在玻璃墙上，

美丽对美的影响是失去的，

它也不是纪念它是什么。(Google Translate翻译)

人译：

那时候如果夏天尚未经提炼，

让它凝成香露锁在玻璃瓶里，

美和美的流泽将一起被截断，

美，和美的记忆都无人再提起。(梁宗岱译)

笔者尝试了Google 翻译和百度翻译等网络翻译工具，发现在这一诗句中，出现的问题都相似：①语法错误。由于诗歌断行的特殊性，造成了机器无法正确地处理语句，从而影响对语法的判断。而在汉语里，由于词汇之间没有空格，汉语分词和断行的难度更大。②比喻翻译生硬。“A liquid prisoner”确实是“一个液体囚犯”之意，这在英语中，是一种极高妙的比喻，但是转译成汉语，由于文化视域的不同，让人会觉得极其生硬、莫名其妙，所以不如意译。③寓意丧失。后两句本来是诗歌中的点睛之笔，但是机器翻译由于未能总体领会句子含义，所以翻译得不知所云，失去了寓意。

文章来源：《石化技术》 网址: http://www.shjsbjb.cn/qikandaodu/2021/0330/1012.html