但是，Systran建立在規(guī)則基礎(chǔ)上的技術(shù)只是機(jī)器翻譯的一種形式。另外一種不同的方法――IBM的研究者在20世紀(jì)90年代展示出其前景的――被稱為統(tǒng)計機(jī)器翻譯。它代表了告別以規(guī)則為基礎(chǔ)的方法而轉(zhuǎn)向人工智能研究的大趨勢。它不是建立在人工擬定的語言規(guī)則基礎(chǔ)上，而是建立在由軟件自己開發(fā)的翻譯模式基礎(chǔ)上。由于軟件接收了數(shù)以百萬計的由人工完成的譯文組成的文件――例如在加拿大議會用英語發(fā)表的演講及其官方法語譯文。這個軟件注重尋找句型、對比詞匯和短語，從A語言的第一段第一句以及它在B語言的相對應(yīng)的句子開始。僅僅對照一組文件，推導(dǎo)出來的結(jié)論當(dāng)然少得可憐。而一旦對照的文件達(dá)到數(shù)百萬組，那么一種語言中的句型和短語在目標(biāo)語言中具體用什么方式表達(dá)，就可以根據(jù)統(tǒng)計材料推導(dǎo)出來。統(tǒng)計機(jī)器翻譯是谷歌研究人員在2003年初才開始研究的方法。
谷歌采用聯(lián)合國的多語種文件作為訓(xùn)練材料，向它的算法輸入了2000億個單詞并讓這個軟件算出了每一對語言之間配對的句型。這個結(jié)果是顯而易見的。谷歌的說英語的程序員雖然不具備閱讀漢語或阿拉伯語的能力，也根本不懂漢語或阿拉伯語的語音、語義或語法，但他們卻設(shè)計出了一個能夠自學(xué)的算法，它可以提供準(zhǔn)確的、有時甚至是相當(dāng)流利的譯文。在2005年的一次會議上，谷歌第一次公開地討論了它所進(jìn)行的工作。為了證明統(tǒng)計機(jī)器翻譯能夠處理足夠大量的翻譯文本資料，特意用阿拉伯語報紙上的一段新聞提要的兩種英文譯本進(jìn)行了演示。第一種譯文由以規(guī)則為基礎(chǔ)的Systran軟件提供，它將那段阿拉伯文顯示為“阿爾卑斯山白色的新出場的磁帶注冊為咖啡批準(zhǔn)拉登”；第二個來自谷歌剛剛問世的程序，它顯示了一段完全不同的譯文：“白宮證實有新的本?拉登磁帶存在?！?/p>
谷歌的翻譯算法在記者招待會這類有人監(jiān)控的場合表現(xiàn)似乎令人印象深刻，證明它在獨立的測試中也站得住腳。的確，它的表現(xiàn)非常之好。2005年，谷歌第一次參加由國家標(biāo)準(zhǔn)與技術(shù)研究所主辦的機(jī)器翻譯軟件年度競賽，這個賽事吸引了來自大學(xué)、公司、政府實驗室和商業(yè)軟件制造業(yè)的研究人員。谷歌在有11個入選者參加的阿（阿拉伯語）譯英比賽中名列第一（IBM名列第三，Systran名列第七），在有16個參賽者的漢譯英比賽中也名列第一（IBM名列第六，Systran名列第十二）。這對一個新手來說是個不錯的成績。
在這次比賽中，基本的測量手段是將機(jī)器制作的譯文同被視為“黃金標(biāo)準(zhǔn)”的人類翻譯家提供的參考譯文進(jìn)行比照。從0到1的得分情況表明機(jī)器翻譯與人工翻譯的吻合度――1表示完全吻合。分?jǐn)?shù)是一個最直接的計算問題，它由評估軟件自動完成，減少了人工評判的主觀性。同樣的軟件也曾被用在比賽之外。研究人員可以對算法進(jìn)行微調(diào)，將測試文件輸進(jìn)去，馬上就可以看到，在翻譯質(zhì)量可測量的改進(jìn)中，結(jié)果是否發(fā)生了變化。
谷歌不僅利用雙語平行文本建立了一種翻譯模式，它還用軟件創(chuàng)造了單語種的“語言模式”，對由翻譯模式制作的任何譯文進(jìn)行潤色，使之更加流暢?！八惴ā痹诖罅烤邆鋵I(yè)水準(zhǔn)的文獻(xiàn)中尋找句型，進(jìn)而教會自己識別哪些是地道的英語表達(dá)方式。恰巧，谷歌已經(jīng)在它的服務(wù)器中使用了一個這種類型的文集――由“谷歌新聞”所檢索的報道。即使“谷歌新聞”的用戶總是被導(dǎo)向新聞機(jī)構(gòu)的Web網(wǎng)頁，但谷歌仍將貯存的新聞副本饋送給它自己的算法。人們偶然發(fā)現(xiàn)，這個經(jīng)專業(yè)手法潤色的文本寶庫――截至2007年4月已經(jīng)收集了5億字――是個使用起來極其方便的訓(xùn)練用文集，絕對適合于教會機(jī)器流暢地使用英語。
鄂公網(wǎng)安備 42010302001612號