论机器翻译的局限性

（武汉大学外国语言文学学院2017级翻译系，湖北武汉 430000）

机器翻译（自动翻译），是指利用计算机将源语言转换为目的语言的过程。随着机器翻译技术的日渐优化与更新，机器翻译这股翻译界的新兴力量已经不容忽视，考虑到当今时代对商业性质翻译工作的大量需求，机器翻译也必将在翻译行业的未来中占据重要的席位，因为它更方便快捷，也能省去聘请译员的昂贵费用。然而，当下的机器翻译技术仍然不能满足较重要、正式、专业的场合或领域的翻译工作，大多数的机器翻译软件也没有应用最先进、最可靠的机器翻译技术，其所能给出的译文往往千疮百孔，仅能在日常生活等基础层面为人所用。即使是最先进的神经机器翻译技术，仍然不能完全取缔人脑翻译。

1 机器翻译与人脑翻译的原理对比分析

机器翻译起源于20世纪30年代，在近一个世纪的发展和进步中，可以大致被分为三个发展阶段，这三个发展阶段也分别代表着三种不同的机器翻译模式：基于规则的机器翻译、基于统计的机器翻译、基于神经的机器翻译。

基于规则的机器翻译，指的是将词典和规则库作为知识源的翻译方法，翻译单位的选取一般小到单词和词组。计算机会根据源语言单词的词性，在目的语词典中找到相应的单词，然后依照语法规则、转换规则将句子成分重组，进而输出目的语言。这种翻译方法相对机械，因为规则是有限的，而语言的表达方式是无限的，通过这种翻译方法得出的译文出错率往往较高，句式较死板僵硬，语法上正确的译文很多时候却不符合目的语的表达习惯，有限的语法规则也无法满足越来越丰富的语言场景。因此，这种最初级的机器翻译方法注定无法走得更远。

基于统计的机器翻译，则是将语料库作为知识源的翻译方法，计算机对于翻译单位的选择往往更加灵活，甚至可以大到句子或者语篇。这种翻译方法基于类比的原则，从语料库中找出与翻译单位对应的多种译文，通过统计其出现的概率和使用频率，选取概率和频率最高的目的语片段进行输出。广为人用的Google 翻译便采取了这种技术，但不难看出，它仍时常会给出漏洞百出的译文。这种翻译方法不需要任何翻译学的知识，完全依靠数学原理解决翻译问题，认为数据就是权威，却忽略了对语言的理解、语义的考量。语言更像是一门艺术，而不是一门科学，不是由简单的数字就能定义的，具有高度的灵活性。举个简单的例子，译入语中的对应片段可能有多种，而使用的频率固然有差别，在特定的语境中，使用频率最高的片段也许不是最合适的，该方法在处理熟词僻义、一词多义这方面有着一定的局限性。同时，不同文本类型对语言的多样性需求也是不同的，这也是该方法的弊端之一。因此在实际运用中，基于统计的翻译方法多于其他翻译技术混合使用。基于人工神经网络的机器翻译，指神经网络通过广泛学习成对的双语语料和翻译知识，来了解语言的特征，在翻译过程中通过建模，将语言文字转换为计算机能“读懂”的向量，进而“理解”文本的意思，最后输出翻译结果。随着人工智能的崛起，这种翻译方法在近年来得到了飞速发展，与之前单纯的“对应”不同，该方法重在“理解”，其得到的译文也更加流畅，质量更高。

之所以说最后一种机器翻译最先进，是因为其在理解文本上的发展进步是突破性的，而是否理解文本也是人脑翻译与普通机器翻译的本质区别。不少语言学家都从思维的角度诠释人脑的翻译过程，其中最有影响力的便是尤金·奈达的三阶段模式：分析、转换、重建。尤金·奈达认为人脑的翻译并不能简单看作理解与表达两步骤，在翻译工作中的输入与输出之间仍然有一些其他活动，而这些活动便可以归结到转换这一过程。分析，其实就是理解文本意思的过程，一个严谨但并不容易的思维过程。通常来说，翻译学科内可以简易将语义分为所指意义，关联意义，结构意义。文本中语言单位的语义并不都是显性、清晰、客观、较为稳定的所指意义，也会有许多附加的意义，如社会、文化、习俗赋予语言的关联意义，在特定结构中体现出来的结构意义等。不同类型文本的语义显性程度也大不相同，理解的难度更是大相径庭。语义较为复杂的文本，不仅要求译员拥有卓越的语言技能，也需要其对不同领域知识的涉猎，这也是一名优秀译员的必备素质——“Knowing everything about something,and knowing something about everything”。

2 机器翻译的局限性

目前最为广泛应用的机器翻译技术仍然只是规则型和统计型，机器翻译大多只能适用于比较简单的文本，且译文质量得不到保障。随着科技的发展和第三代机器翻译技术的完善和推广，译文的水平和准确度也必将逐步提高，但即使是这样，机器翻译的局限性也依然存在。

首先，站在整个译文的宏观角度来看，机器翻译局限于文本类型（语言功能）的判断和翻译方法的选择。

合格的译者在进行翻译工作之前，一定会首先对源语言文本的文本类型或是语言功能进行判断，进而选取最恰当的翻译方法，这一步骤也在一定程度上决定了译文整体水平高低。英国翻译理论家彼得·纽马克将语言功能分为三类：表达功能、信息功能、呼唤功能。表达功能重在作者，语言文字是为了表达作者主观意见，典型代表便是严格的、权威的文学类作品；信息功能重在信息本身，具有一定客观性，包括说明文、科研报告等；呼唤功能则是为读者服务的，语言旨在影响读者的思想、情感等，引发读者共鸣，典型代表是广告、演讲等。当然，一个文本的功能也不是非此即彼，只能说其更偏向于哪种功能或各种功能的占比大概是多少。所以即使机器能够理解文本，其在译前分析方面的局限性也是非常明显的。

不同的文本类型的语言功能自然不尽相同，是偏直译还是意译？追求功能对等还是形式对等？靠近源语言还是译入语？以读者为中心还是以原味为中心？如何选择合适的翻译单位？……这些问题都与文本息息相关。通常，对于表达功能的文本，译者往往会选取偏直译的策略，尽可能地尊重作者以及源语言，细化翻译单位到词或者词组，在达意的基础上最大程度保留原文句式结构以及比喻等写作手法。而译者在处理信息功能的文本时会相对灵活一些，转换、分译、合译、重复等翻译技巧的使用也更加自由。为了更好地传递信息，翻译单位的选取范围也可以扩大到句子。至于呼唤功能的文本，为了煽动读者情绪，译者常会跳出原文框架的束缚，非常灵活地处理译文，将翻译单位扩大到语段甚至语篇，甚至会自行“创译”。这类文本本身感染力强，文本中也常常采用排比等修辞加强语势。对于翻译单位的抉择问题，译者会根据文章语言功能的不同定下大致的策略，但绝不是整片文章都只能采取之一种策略，因此，这一方面的判断能力也是机器翻译不具备的。

由此可见，在进行翻译前，对译文的整体把控和策划是十分重要的；翻译学，绝对不是一门能够简简单单用代码和数据代替的学科，译者本身也是译文不可分离的一部分。

细节决定成败。做好对译文的宏观把控后，对译文细节的精雕细琢也十分重要。英汉互译毫无疑问是最常规、最通用的翻译之一，该文就拿英汉互译来分析。从语言本身来看，英语重形合，故句式结构紧密严谨，语言多呈显性，更倾向于静态描述，喜被动；而中文重意合，句式松散自由，语言多呈隐性，喜动态描述，更常用主动语态或是隐性被动。两种语言在句式结构、表达习惯上其实有非常大的区别，这也是译者在进行翻译工作时需要考虑的要素。一个复杂冗长的英语复合句，怎么通过分译、省略、转换或其他翻译技巧，让其成为自然流畅中文表达？几个短小的、并列的中文流水句，怎么找出其内部隐藏的逻辑关系，再通过合译、调换语序，凝练成一个严谨又地道的复合结构？这都是译者需要斟酌的问题。而就目前来说，再优秀的机器翻译也只会机械地单纯考虑单词之间的转换和拼接，得出的译文可以说是合格的译文，绝不能说是优秀的译文。同时，再优秀的机器的理解能力，也是有限度的，机器很难读懂一些反讽、隐喻、象征，一些词语在特定领域的生僻专业意义、在特定文化或语境内的特殊意义，其在翻译时便会曲解文章的意思甚至给出“莫名其妙”的译文。其次，在一些疑难点的翻译上，机器翻译也有明显的缺陷。譬如，汉译英翻译叠词时，有时很难真正找到完全语义对应的单词，是否选择头韵法来保留原文中的音韵美？翻译古诗词时，能否在了解作者写作背景和诗句背后情感的基础上，兼具韵律和达意？能否正确识别出套语并给出恰当的译文？不少人将翻译的过程看作是做选择的过程，而上述许多需要译者仔细斟酌和拿捏的问题都是机器翻译的“死角”。

3 结语

诚然，当代机器翻译的崛起已经不容忽视。在近年来“无所不能”的人工智能的光环下，越来越多人认为翻译行业将是属于机器的。然而就目前来看，翻译技术仍然像是一个极不成熟的孩子，在绝大多数重要场合、领域仍然无法与专业译员媲美。文章所说的诸多局限性仍然是阻碍其取得突破性进展的绊脚石，所以更别提完全取代人脑翻译了。“一千个读者就有一千个哈姆雷特。”同样，一千个译者就有一千种译文，没有绝对最好的译文，只有优秀的译者。优秀的译者对文章总有自己独到的抉择和考量，这也是语言的艺术性质而非科学性质的体现，这也是机器翻译与人脑翻译的本质区别。