机器翻译发展历程中涌现出三种具有代表性的方法：基于规则的机器翻译、统计机器翻译，以及现阶段主流的神经网络机器翻译。

基于规则的机器翻译：从机器翻译设想提出到二十世纪八十年代，基于规则的机器翻译方法处于主导。其基本思想是由语言专家总结不同语言间的翻译规律并撰写翻译规则，计算机工程师将这些规则转换为机器语言，实现自动翻译。

统计机器翻译：上世纪八十年代末、九十年代初，受到统计方法在语音识别任务上取得的进展的鼓舞，国际商业机器公司研究人员提出了统计机器翻译方法。统计机器翻译利用噪声信道模型对翻译过程进行建模，基于大规模语料自动训练模型参数，突破了基于规则的方法依靠人工构建翻译规则的限制，大幅降低了系统开发成本、提升了翻译质量。

神经网络机器翻译：近年来，深度学习的迅速发展推动了机器翻译的技术变革，神经网络机器翻译成为现阶段主流的机器翻译方法。神经网络机器翻译通过建立深度神经网络模拟人类的翻译过程，将源语言映射（编码）到高位向量空间，并通过神经网络转换（解码）为目标语言。

我国一直高度重视机器翻译的研究和应用，在机器翻译发展初期就开展相关技术研究， 在新的发展机遇期，国务院发布的《新一代人工智能发展规划》以及工信部发布的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》均将机器翻译列为重要发展方向。

2.2机器翻译技术发展态势

经过70多年的发展，机器翻译在翻译质量、系统性能、实用性、规模化应用等方面均取得了较大飞跃。机器翻译呈现百花齐放、满园春色的蓬勃发展新态势，其产业应用也呈现一派欣欣向荣的景象。目前机器翻译技术有以下五大发展趋势：

(1)深度学习技术不断发展，神经网络机器翻译成为主流

借助深度神经网络模型在语义表示及理解方面的能力，以及大数据、大算力的支持，神经网络机器翻译的译文质量大幅跃升，迅速实现了对统计机器翻译的超越和替换，将机器翻译带入新的发展阶段。

(2)研发门槛降低，机器翻译进入规模化应用阶段

国内外相关行业公司热情高涨，如谷歌、微软（Microsoft）、Meta（原Facebook）、百度、阿里巴巴、腾讯、有道、讯飞等均投入大量资金和精力研发大规模翻译系统。值得一提的是，国内公司研发的机器翻译系统在技术上具有很强的竞争力，多次在国际机器翻译系统评测中拔得头筹。在深度学习平台方面，国外有Meta的Pytorch、谷歌的Tensorflow，国内有百度的飞桨（Paddle Paddle）等，都集成了最新的机器翻译技术。无论是研究人员还是开发者，只要有数据，就可以迅速利用开源平台搭建一个机器翻译系统。

(3)机器翻译与行业紧密结合，得到广泛应用和认可

神经网络机器翻译可以在大规模数据预训练基础上，结合行业知识和领域数据，进行优化精调，进一步提升垂直领域的翻译质量。尤其在新闻资讯、学术文献、金融财经、生物医药、信息技术等领域，经过优化训练的机器翻译系统译文的准确度可以达到90％以上。

根据《2023中国翻译及语言服务行业发展报告》，90％的语言服务企业愿意在未来投入更多资金用以提升企业在机器翻译相关领域的技术实力，91.3％的语言服务需求方受访者认为使用翻译技术能够提高翻译质量。九成受访者认同翻译技术的使用能够降低翻译成本（94.7％）及提高效率（95％）。

(4)多语言翻译市场需求巨大，相关研究和应用发展迅速

随着“一带一路”倡议的深化发展，截至2023年1月，已有151个国家和32个国际组织与中国签署共建“一带一路”合作文件，其中涉及的语言超过110种。多语言翻译面临语言资源分布不均衡、非通用语种语言资源匮乏、语言差异大、部署成本高等挑战。近年来，学术界、产业界围绕数据增强、多语言统一建模、多语言预训练等内容开展了诸多研究，促进了多语言翻译技术的发展。截至2023年初，百度、讯飞、小牛、谷歌、微软等国内外机器翻译系统均支持上百种语言互译。

(5)翻译模式由文本翻译扩展到跨模态翻译，应用场景愈加丰富

人工智能技术在图像、语音等领域的进步为跨模态翻译提供了技术支持。如结合图像技术的拍照翻译和增强现实翻译，被广泛用于票据翻译、外语学习等场景；结合语音技术的语音翻译广泛用于日常会话、会议演讲等场景，提升了沟通效率。

2.3机器翻译技术面临的挑战和发展方向

机器翻译是当下热门话题，随着各式各样的人工智能，机器翻译给人们带来的危机感也越来越重。但是机器翻译并不是全能的，也有许多的方面和领域需要优化，精进。本文主要讲解机器翻译的挑战和发展方向，技术特征，系统架构，和产品详情。

由于人们对于翻译的高要求和理想化技艺，将机器翻译的挑战和发展方向分为五个方面：

(1)译文质量

目前的机器翻译主要以句子为翻译单元，对于前后文之间的联系和文章信息的解读不够了解。如文学性强的文本必须了解它的背景知识，历史文化等并加以“二次创作”，这又无形中为机器翻译带来了难度。因此这些机器翻译无法代替人工，需要加强文章上下文的理解，提升融合丰富知识等方面的能力。

(2)容错率和鲁棒性

机器翻译只会解读句段，以句子为翻译单元，就会导致文章稍有变化便会导致译文变动。且翻译机器的应用场景和训练环境也会产生重大影响。因此可以尝试提升翻译的鲁棒性和容错能力。

(3)低资源和技术限制

翻译机器以数据驱动翻译，依赖高质量训练数据。这也带来了多语言翻译，垂直领域翻译中受制于数据稀缺。且现有技术和资源有限，译文质量不够高，只能尽量探索低质量语言，少样本量的神经网络翻译学习机制。

(4)多模态领域探索浅

机器翻译同语音，视觉处理技术的结合广泛运用提升了译文质量，拓展应用场景，如图片翻译，机器同传。文章给出一些数据，显示语言服务行业有大量受访者需要图片转文字，语音转写的功能。这些方面也可以作为翻译发展的方向。

(5)翻译标准模糊

机器翻译的标准以评价体系，人机协作模式，语料库建设为主要领域。目前，主要基于BLEU等自动评判体系以及面向通用场景的流畅度，准确度等人工评价指标。人机协作也需要明确的标准来确定人与机器的责任认定和关系分配。根据市场数据反馈，企业会区分译后编辑的程度并制定不同的标准。因此需结合技术发展形势和市场需求，加快研制相关标准。

机器翻译产业蓬勃发展，产品形态丰富多样。根据其用途，可总体分为三类：

1.信息获取。

2.信息传播。

3.跨语言交流。

但无论何种用途，其对机器翻译的要求却始终是一致的：高效高质的同时也要控制成本。

随着机器翻译的进步，以及其本身具备的天然优势，机器翻译越来越被广泛地接受与应用。不难发现，机器翻译正在逐渐融入人们的生产生活，并进入了大规模应用阶段。依托互联网，机器翻译技术正一步步普及化，其丰富多样的产品形式正在惠及全球；而机器翻译不仅在语言服务行业得到广泛应用，同时也对推动一些传统行业的国际化进程作出了贡献。不可否认，机器翻译对译员带来冲击的同时，也成为了译员们的得力助手，同时极大拓宽了翻译市场，催生出了许多新职业。

4.2机器翻译产业应用案例

机器翻译产业的成功应用，催生机器翻译产业的不断发展。机器翻译在企业智能升级，行业数字化建设，国际传播，国际会议及赛事，智能硬件等场景中应用。依托这些成功应用案例，我们才能更好的了解机器翻译。

1.机器翻译的应用为企业的全球化发展提供了支持。

(1)随着国家话进程的不断加速，有些企业需实时收集和分析多语言信息，而面对如此海量的翻译任务，选择使用机器翻译技术实为上策，译多语言统一机器翻译模型为基础，大大缩短了时间，提高了效率。

(2)面对不少公司分庞大翻译需求，有的企业选择了企业智能翻译平台建设，涵盖多种语言翻译方向，具备文本，文档，图片等多种翻译能力，从而满足多场景，多语种，多模态的翻译需求，服务公司，如中石化的全球化战略。

(3)随着“一带一路”的发展，中国与“一带一路”沿线国家间的贸易，投资规模快速增长，对多语言机器翻译的需求也十分旺盛，因而新华社打造出了面向政府，企业，机构的综合信息服务平台——新华丝路，为共建“一带一路”提供信息服务。

2.机器翻译的应用助力各行业数字化建设。

数字中国的建设离不开各行业数字化，而行业的数字化建设无疑是推进中国式现代化的重要引擎，是构筑国家竞争新优势的有力支撑。而机器翻译与行业的紧密结合，在高质高效等方面有显著成效。

(1)译后编辑新模式，帮助翻译行业降本增效。随着翻译行业的不断发展并逐渐成为重要的服务产业之一。提高翻译质量和效率成为业内急需解决的问题。

译马网神经网络机器翻译技术的应用，相比于传统翻译而言，成本大大降低，翻译字数数倍增长，为客户带来了更大的业务价值与经济效益。

(2)专业级垂直领域机器翻译，助力科研人员实现外文资料母语阅读。随着机器翻译技术在法律、医学、金融等专业领域的应用持续深入，根据现实需求，为应对相关行业专业术语和句式的译法、甚至译文风格等的需求，相关公司为满足客户专业画得需求，全面优化机器翻译模型，不断满足专业领域翻译工作的需求。

3.机器翻译的应用助力中华文化“走出去”

世界需要聆听中国的声音，中国也需要向世界讲述中国故事。机器翻译技术为传播好中国声音提供了有力的技术支持。

视频翻译，加速中国优质内容出海。针对传统视频翻译存在的问题，人人译世界通过利用定制化视频领域机器翻译模型，大大改善了之前存在的短处与弊端，为视频创作者们节约了时间和金钱成本，从而使其更能专注于产出更多高质量的视频。

4.机器翻译赋能跨语言国际交流

全球化背景下，随着国际会议频繁举行和经济文化交流深入发展，多模态实时翻译技术在中国国际会议中的应用愈发广泛。其中，AI同传成为国际会议跨语言信息获取的重要工具，帮助解决国际会议语言沟通问题。同时，随着人工智能技术的发展，手语数字人等产品在体育赛直播场景的应用也越来越广泛，特别是在听障人群中扮演着重要角色。当今社会对跨语言交流的需求越来越大，在此背景下，人工智能技术的应用正逐渐改善人们的交流体验。

AI同传的实现过程主要包括以下几个步骤：

(1)语音识别：将演讲者的语音转化为文字，这是实现AI同传的第一步。这个过程中，AI需要识别各种口音和专业词汇，因此其技术难度较高。

(2)文本预处理：将识别出的文字进行预处理，包括修正识别错误、去除口语化表达、减少语气词、去除重复内容等，以使文本更加流畅和易于理解。

(3)机器翻译：将预处理后的文本翻译成目标语言。

5.加持硬件产品开启智慧生活

而翻译机、翻译耳机、翻译笔和智能手机这些设备通过智能化、小型化的设计，具有携带方便、支持多模态翻译等特点，大大拓展了机器翻译的应用场景。翻译机聚焦跨语言交流，除语音翻译外还集成图像翻译功能；翻译耳机实现无障碍交流，若集成机器同传模型，可达成同传功能；翻译笔集成OCR技术，可识别文字并进行翻译，成为外语学习、文献阅读的好帮手；智能手机则通过利用人工智能技术，实现多种自动翻译功能，提升用户体验。这些硬件设备的出现，使得机器翻译更加具象化、实用化。

群内会定期推送语言服务行业最新动态、活动预告、竞赛通知📝等内容~

欢迎你的加入🥰！