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。