18. 机器翻译应用技术

随着机器翻译品质的不断提升，越来越多的应用需求被挖掘出来。但是，一个

优秀的机器翻译引擎并不意味着机器翻译可以被成功应用。机器翻译技术落地需要

“额外”考虑很多因素，例如，数据处理方式、交互方式、应用的领域等，甚至机器

翻译模型也要经过改造才能适应到不同的场景中。

本章将重点介绍机器翻译应用中所面临的一些实际问题，以及解决这些问题可

以采用的策略。本章所涉及的内容较为广泛，一方面会大量使用本书前十七章的模

型和方法，另一方面也会介绍新的技术手段。最终，本章会结合机器翻译的特点展

示一些机器翻译可以应用的场景。

18.1 机器翻译的应用并不简单

近几年，无论从评测比赛的结果，还是论文发表数量上看，机器翻译的研究可

谓火热。但是，客观的说，我们离机器翻译完美的应用还有相当的距离。这主要是

因为，成熟的系统需要很多技术的融合。因此，机器翻译系统研发也是一项复杂的

系统工程。而机器翻译研究大多是对局部模型和方法的调整，这也会造成一个现象：

很多论文里报道的技术方法可能无法直接应用于真实场景的系统。机器翻译面临以

下几方面挑战：

• 机器翻译模型很脆弱。实验环境下，给定翻译任务，甚至给定训练和测试数据，

机器翻译模型可以表现得很好。但是，应用场景是不断变化的。经常会出现训

练数据缺乏、应用领域与训练数据不匹配、用户的测试方法与开发者不同等等

610 Chapter 18. 机器翻译应用技术肖桐朱靖波

一系列问题。特别是，对于不同的任务，神经机器翻译模型需要进行非常细致

的调整，理想中“一套包打天下”的模型和设置是不存在的。这些都导致一个

结果：直接使用既有机器翻译模型很难满足不断变化的应用需求。

• 机器翻译缺少针对场景的应用技术。目前为止，机器翻译的研究进展已经为我

们提供很好的机器翻译基础模型。但是，用户并不是简单的与这些模型“打交

道”，他们更加关注如何解决自身的业务需求，例如，机器翻译应用的交互方

式、系统是否可以自己预估翻译可信度等等。甚至，在某些场景中，用户对翻

译模型占用的存储空间和运行速度都有非常严格的要求。

• 优秀系统的研发需要长时间的打磨。工程打磨也是研发优秀机器翻译系统的必

备条件，有些时候甚至是决定性的。从科学研究的角度看，我们需要对更本质

的科学问题进行探索，而非简单的工程开发与调试。但是，对一个初级的系统

进行研究往往会掩盖掉“真正的问题”，因为很多问题在更优秀的系统中并不

存在。

下面本章将重点对机器翻译应用中的若干技术问题展开讨论，旨在给机器翻译

应用提供一些可落地的思路。