第295期

無師自通 非監督式機器翻譯

機器翻譯技術日益發達,讓人們獲取資訊更加便利。今年發表的新技術「非監督式機器翻譯」,又有什麼樣的突破,會為社會帶來什麼樣的影響呢?

無師自通 非監督式機器翻譯

記者 呂奕廷 文  2018/09/30

隨著網路通訊越來越發達,不同地區間資訊的交換越來越方便,尤其是在各式各樣的社群媒體上,每天都有成千上萬的資訊量在流通。為了克服各地區間的語言隔閡,機器翻譯的技術也不斷地在更新,期望能帶給使用者更精準、通順的翻譯。而今年在自然語言處理領域會議(Empirical Methods in Nature Language Processing, EMNLP 2018)發布的一項關於「非監督式機器翻譯(unsupervised machine translation)」的技術研究,更是為機器翻譯立下了新的里程碑。

現階段的限制 為什麼翻譯需要新技術

其實以現階段的機器翻譯技術而言,已經能解決我們生活上大部分的問題。像是大篇幅文章的翻譯,雖然常常會有譯句不通順、偶然冒出生僻字或無法翻譯某些辭彙等狀況,但是一般的情形下使用者都能從翻譯中理解原文的大綱,達成有效的訊息接收。不過,現階段技術最大的問題是在於使用的是「監督式(supervised)」或「半監督式(semi-supervised)」翻譯技術,監督指的就是人為,需要匯入大量的人為雙向語言譯本才能達成,等於說是需要一個會告訴機器如何翻譯才正確的「範本」。這種方式對於大語種如英語、漢語、法語都不成問題,但是牽涉到小語種的翻譯,例如英語翻成烏爾都語,就會發生資料量不足的困境。

機器翻譯技術的發達,使字典的重要性日漸式微。(圖片來源/呂奕廷攝)

除此之外,一些應用像是社群網站的內容過濾與審查機制,也常常會配合機器翻譯的技術,盡可能地減少人工審查。不過以現階段的技術而言,由於缺乏某些語種的語料,全自動化審查在某些地區仍無法落實。也就是說,礙於語種較小、語料庫不全的機器翻譯窘境,在非監督式機器翻譯的出現與發展下,能獲得一絲希望的曙光。那麼,非監督式機器翻譯到底是如何運作的呢?

非監督式機器翻譯 讓機器自己學習

Guillaume Lample 與其研究團隊提出,要達成非監督式機器翻譯,必須有三個原則:「雙語逐字對照(word-by-word initialization)」透過匯入雙語詞典,並結合詞嵌法(word embeddings)技術將每個辭彙與辭彙之間做向量標示,計算出不同語言內單詞之間彼此的關係;「語言建模(language modeling)」是將語言內所有字符、單詞做一個以「機率分布」為導向的模型,使機器能夠分辨哪些語詞之間的搭配是合理的,盡可能地造出如正常人說話般符合邏輯的句子;「回譯(back translation)」透過目標語言反向翻譯回原本語言,可以檢查原本的翻譯是否有誤,進而調整參數,改善翻譯品質,是非監督式機器翻譯訓練上十分重要的一環。

「非監督式」機器翻譯技術三大原則運作模式示意動圖。(圖片來源/呂奕廷重製)資料來源:〈基於短語與非監督式機器翻譯,2018〉

除了這三大原則以外,該技術也會結合目前神經機器翻譯(Neural Machine Translation, NMT)及詞語統計機器翻譯(Phrase-based Statistical Machine Translation, PBSMT)兩個系統來增進翻譯效能。前者學習力強,能夠適應龐大數據通順地翻譯;後者能夠分析平行語料(parallel data),也就是人為雙向語言譯本,使翻譯正確率提升。結合兩個系統,將彼此優缺點互補,便能打造出既正確又通順的翻譯系統。

綜上所述,結合以上技術所打造出的「非監督式」機器翻譯,是藉由機器模型獲取大量語言資料後從中歸納出翻譯規則、統計出各用詞的出現機率與模式,也就是說不需要人為告知做出來的翻譯正不正確,也不需要人為翻譯文本,機器便可自己學習到語言之間的結構,進而優化翻譯效能。

機器翻譯蓬勃發展 職業譯者的未來

機器翻譯技術的日新月異,讓我們能更方便地用自己熟悉的語言去理解外來的資訊,人與人的溝通上也更沒有語言隔閡。但是在這樣的時代背景下,科技終究影響了一批以翻譯為業的人群,在大部分的翻譯都能藉由機器達成的將來,職業譯者該怎麼順應這樣的變遷呢?

交通大學外國語文學系的兼任講師與自由譯者吳煒聲認為,現代譯者應該學習與科技共處,善用機器翻譯技術帶來的方便,配合譯者的翻譯技巧完成譯文。不過,即使機器翻譯勢不可擋,能夠處理幾乎所有以「溝通」為訴求的翻譯,他認為牽扯到藝術與美的「文學」領域,是永遠不可能被機器翻譯所接管的。

思果也在其著作《翻譯研究》中提到:「翻譯最重要的工作是思想。譯而不思,雖然譯得久也沒有用。」也就是說,譯者在進行翻譯的時候,除了必須思考原句的意思,選用目標語言中最貼切的辭彙,還要讓譯文像是目標語言中真正存在的句子。以傳遞資訊為目的的翻譯也許不必嚴格要求,但是字裡行間本身就是藝術的文學作品,以目前的科技來說仍無法透過機器翻譯達成。

思果所著的《翻譯研究》被許多人認為是譯者入門必讀的書目之一。(圖片來源/呂奕廷攝)

科技在地化 機器翻譯與台語

機器翻譯的發展不只侷限於不同國家的語言,隨著近年來本土意識的提升,機器翻譯也逐漸關注到在地語言,增強科技與在地的連結。以去年工研院研發的「台語語音轉中文」雙向翻譯系統為例,利用大量台語語料建立的文字、語音翻譯系統,能拉近年長者與社會的距離,讓他們能用自己熟悉的語言,接觸網路上的資訊,也能將自己的意見傳達給不熟悉台語的年輕族群。

工研院研發測用展示的文字轉語音系統就包含台語的選項,並且可以在白話、文讀之間做選擇。(圖片來源/工研院文字轉語音服務網

不過針對機器翻譯對在地語言保存的貢獻,吳煒聲認為,就長期而言,方言的翻譯並不會帶來龐大的實質效益,也無助於弱勢語言的復甦。在未來,全世界的語言模式會日漸趨同,並以強勢語言為主體發展,使弱勢語言越來越銷聲匿跡,這是連語言教育、文化推廣政策都沒辦法抵擋的時代變化。畢竟,語言的流通是奠基於「使用動機」,在缺乏學習動機的情況下,即使機器翻譯朝在地化發展,仍無法扭轉語言流失的局面。機器翻譯對弱勢語言恐怕只有語料保存的功能,實際上並不能遏止語言從世界上消逝。

機器翻譯對於大量資訊的流通,以及社群網站的內容審查機制都有莫大的幫助,隨著科技的持續發展,語言越來越不是人與人交流的阻礙。但是機器翻譯畢竟不是萬靈丹,無法解決所有語言的問題,針對在地語言保存等議題,未來還需要更進一步的討論。

記者 呂奕廷
喜歡吃牛肉麵,但是吃不起只能吃沒肉的湯麵。
編輯 梁書瑜
夢想是努力存錢 用眼睛和雙腳走遍這個世界
記者 呂奕廷
編輯 梁書瑜