机器翻译存在什么样的致命缺点？

自上世纪70年代机器翻译兴起以来，其技术发展先后经历了基于规则的机器翻译、基于实例的机器翻译、统计机器翻译和神经网络机器翻译四个阶段。

新一代的神经网络机器翻译本质上是训练一个具有较好深度学习性能的大型神经网络。

神经网络机器翻译也成为目前机器翻译的主流方法，谷歌翻译、百度翻译等都是神经网络机器翻译的典型代表。

与人工翻译相比，机器翻译是依据基于大量平行语料分析所构建的统计翻译模型进行翻译的。

机器翻译的理论基础是∶任何一个目的语语言句子都可能是任何一个源语句子的译文，只是概率不同。机器翻译的任务就是通过原文的模型建构将原文转换为译文。

只不过，大量实际研究证明，目前的机器翻译还是很僵化的，无法识别语言中的情感，机器翻译中错误出现的数量要明显高于人工翻译译文。

这可能是由于机器翻译在自然语言处理上仍然存在难以克服的缺陷，因此目前来看人工翻译还是不可取代的。

原文：Catherinecaughtandpursuediteagerly;thensheputafewquestionstomeconcerningtheinmates,rationalandirrational,ofherformerhome.

谷歌翻译译文∶凯瑟琳急切地抓住并追求它；然后她向我提出了一些关于她以前家的理性和非理性的囚犯的问题。

从上面的案例可以看出，机器翻译出来的结果出现了很明显的错误，这都是因为机器翻译只是源于算法与数据的排列组合，机械而单一。

对比之下，人工翻译有着多维的意向性与创造性。而且机器翻译不会主动的修饰译文，这也是机器翻译所存在的一大缺点。

很赞哦!（147）