假如上帝真的存在，他最近可能有些心事。

    在犹太人的古老传说中，人类曾试图修建一座通向天堂的“巴比伦塔”。为阻止这个疯狂的计划，上帝想出一个绝招——赋予不同族群不同语言，让人们难以沟通。

    最终，语言的隔阂让“巴比伦塔”计划搁浅。直到今天，即便信息和交通技术把世界变成了“地球村”，语系之间的交流，依然只能依靠对彼此语言的专业学习。

    但是现在，人工智能在语言翻译领域的突飞猛进，又让人们重新看到了“巴比伦塔”竣工的希望。

    九成六级考生不如“它”

    这段时间，机器翻译技术可谓高调。

    微软刚刚在12月13日放出“大招”——推出实时语音翻译应用Microsoft Translator，支持多人、多语言、跨设备交流。国内企业并未示弱。上个月底科大讯飞在其年度发布会上也展示了类似的技术，可以将中文会议演讲实时翻译成英、日、韩、维吾尔等多种语言显示在大屏幕上。发布会上推出的语音翻译机“晓译”还瞄准了更广阔的应用场景——出国游玩。

    平时不显山不露水的在线翻译应用也已华丽升级。今年9月，谷歌翻译启用了谷歌神经机器翻译（GNMT）系统，在人工智能界引起骚动。而追溯至去年5月，则是百度翻译发布基于神经网络的机器翻译（NMT）系统的时间。

    机器翻译的高调，依赖于人工智能技术在这一领域的显著进展。

    百度主任架构师何中军介绍，自上世纪40年代起，基于规则、实例以及统计的机器翻译方法渐次登场。2014年起，人工神经网络开始在机器翻译领域引领风骚。

    “最终的翻译效果就是更加流畅了。”科大讯飞机器翻译研究主管刘俊华告诉科技日报记者，科大讯飞所展示的会议实时翻译系统和“晓译”翻译机便应用了基于神经网络的机器翻译方法。

    若问人工智能的到来把机器翻译“提”到了什么水平，何中军举出一道大学英语六级翻译真题。这道题需要把一句中文翻译成英文，而百度翻译应用给出的答案，从词汇和语法来看都挑不出什么毛病。

    无独有偶，科大讯飞在推介其“晓译”翻译机时也曾表示它可以达到大学英语六级水平。“大学英语六级的翻译题目满分为15分，目前机器翻译答题可以达到11分。”刘俊华解释说，这意味着机器翻译技术大概可以超过90%的英语六级考生。

    “炼丹炉”取代了“流水线”

    就在两三年前，“流畅”和“自然”还是让机器翻译研究人员感到头痛的字眼。那时，基于统计的机器翻译方法是大热门。

    短短两年多时间内，基于神经网络的机器翻译系统，就在多个公开测试集上超越了基于统计的机器翻译系统。

    单从翻译步骤来看，刘俊华的体会是，基于神经网络的机器翻译比其前任“简洁了非常多”。比如，要把一句中文翻译成英文，基于统计的机器翻译方法首先要对句子的词汇、短语进行切分，然后分别对每个单元进行翻译，再把翻译结果组合起来，最后还要进行调序等等。每个步骤都对应着十分复杂的模型。

    形象地说，如果基于统计的方法是一条长长的流水线，基于神经网络之后只需一个“炼丹炉”。

    新方法被称为“从端到端”的翻译。“基本的神经机器翻译模型包含两个部分，编码器和解码器。”何中军解释说，编码器将源语言句子表示为一个向量，解码器根据此向量逐词产生目标译文。也就是说，一个句子经过一次“加工”就能够直接输出目标语言。

    不仅翻译效率得到了极大提高，结果也更加流畅自然。这是因为，神经机器翻译方法是对整个句子进行编码处理，可以照顾到词汇的上下文信息，因此翻译出的答案不像统计机器翻译方法那样生硬。

    正是“流畅”和“自然”将机器翻译技术推向更加实际的应用。而且在与其他人工智能技术相结合后，机器翻译可以真正触到人们语言不通的“痛点”，从而深度切入商务、旅行、学习等多个场景。

    例如，无论是微软的Microsoft Translator，还是科大讯飞的会议实时翻译系统以及“晓译”翻译机，都结合了语音识别技术来为语言交谈架起桥梁。而融入了光学字符识别（OCR）技术的百度翻译APP，则可以在国外购物或旅游的场景下，帮助人们翻译看不懂的英文路牌、菜单和说明书等。

    等待打破“叹息”之墙

    可以看到，人工智能正在一点一点“捅破”人与人之间的语言隔阂。有网友戏言，或许不久后的一天，揣着装了高效语言翻译APP的手机，邻居大妈也能来一场说走就走的世界旅行。所有国家的学生将彻底挣脱外语课的“黑暗统治”。

    不过，要把重建“巴比伦塔”的美梦寄托给当前、乃至未来一段时间内的机器翻译技术，还是有点不太现实。

    “基于神经网络的翻译技术虽然带来了机器翻译质量的较大提高，但是本身还存在诸多技术挑战。”何中军说。他把神经网络比作一个“黑盒子”，中文句子进去，英文句子出来，但是这个“黑盒子”为何要这么翻译，技术人员还难以对其进行合理的解释。

    更重要的是，复杂、多变，我们自己都掌握不住的“人性”，仍然是所有人工智能发展的叹息之墙。

    虽然对单个句子的翻译可以实现流畅和自然，但是在整个篇章的上下文理解方面，机器翻译并不给力。一旦涉及歇后语、诗句、双关语甚至口语化的表达，机器翻译更会毫不掩饰地掉链子。而对于如何将知识融合到机器翻译系统中，让机器真正“理解”人类的语言，目前还没有较好的解决方案。

    从另一个角度来看，无论是基于统计的机器翻译，还是基于神经网络的机器翻译，都以庞大的语料库为基础。然而刘俊华告诉科技日报记者，虽然中、英等主要语种的语料相对充足，一些小语种的翻译，比如科大讯飞目前关注的国内少数民族语言的翻译，依然会面临语料短缺的问题。

    “目前的成果可以证明，神经网络在语言翻译领域的应用效果不错，但它的潜力还没有完全发挥出来。”刘俊华给出的方案是，可以考虑将其他技术路线与基于神经网络的机器翻译方法融合起来，使其各施所长，实现更好的翻译效果。

    人工智能会不会取代专业的同声传译？这个简单的问题竟让机器翻译领域的专家们感到为难。何中军用“任重道远”作为回答，而在刘俊华看来，对照传统的翻译规则——“信、达、雅”，人工智能目前仅能实现“信”，离后二者尚有距离。

    这么说来，上帝或可放宽心：就算人工智能要帮助人类重建“巴比伦塔”，也不过刚刚捡起几块砖瓦而已。

    只是，未来呢？