智能翻译技术：进展、挑战与未来发展

1 引言

随着全球一体化步伐的加快和国际间交往的日益频繁，中国正逐步迈向世界舞台的核心位置。为了更加生动地展现中国作为科技强国的形象，智能翻译技术的研究显得尤为关键。作为搭建不同语言与文化间沟通桥梁的关键技术，智能翻译技术吸引了广泛的关注与研究投入。特别是生成式大模型的涌现，为这一领域注入了新的活力，促进了翻译技术的持续发展。

随着生成式人工智能 AIGC（Artificial Intelligence Generated Content）技术的迅猛进步，它正深刻地改变着人类的日常生活，该技术也迎来了智能翻译的兴起[1]。国际文化交流中，智能翻译技术已经在各大会议中被广泛应用。这些设备的使用促进了各国之间的文化和历史交流，拉近了世界的距离。

智能翻译技术的讨论范畴广泛，涵盖了基于神经网络的翻译机制、自然语言处理技术在翻译中的应用、计算机视觉辅助的翻译方法、多模态融合技术、以及大型生成式模型等多个维度。特别是，以ChatGPT 为典范的大型生成式模型，广泛涉足摘要自动生成及 评审意见整合等领域[2]。AI 翻译技术凭借语法错误检测与分析模型，在语法校正方面成效显著[3]。多模态 过整合视觉、听觉、乃至嗅觉、味觉、触觉等多感官信息，为人工智能翻译技术的全方位升级铺设了道路，为生动讲述中国故事、有效传播中国声音提供了坚实的理论基础和实践支持。计算机视觉技术在翻译领域的运用，为手语识别与翻译技术的进步奠定了坚实基础[4]。

在AIGC 的浪潮之下，翻译技术取得了革命性的进展，彻底重塑了传统的翻译范式，引领我们步入了一个大众翻译新纪元。这一变革使得精通特定领域的专业人士能够依托机器翻译的力量，轻松跨越文化障碍，为我国科技、经济及文化的国际化进程铺设了更为坚实的桥梁，提供了更为强大的支撑。

2 智能翻译技术总结

2.1 深度学习技术的应用

自其问世以来，深度学习迅速占据了机器翻译研究领域的主导地位，吸引了学术界与产业界的广泛关注与深入评估。相较于其他翻译技术，深度学习技术在提升翻译质量方面实现了显著进步。具体而言，在词汇层面，它改进了词形变化的处理、词序的调整以及词汇选择的准确性。并且，经过验证，在特定长度阈值的长句翻译中，神经网络展现出了更佳的翻译效果[5][6]。目前，在神经网络框架下，智能翻译技术广泛采用了诸如 BP 神经网络、卷积神经网络、深度信念网络以及深度玻尔兹曼机等深度学习网络模型增强翻译能力。

卷积神经网络是一种包含卷积算法并具有深度学习能力的神经网络算法，该模型的组成结构为卷积层、子采样层和全连接层，卷积层主要进行特征提取， 子采样层能够降低输出的特征向量的网络维度，并减少神经元的权重参数，全连接层在整个神经网络中起着分类的作用。该模型能够处理图片、声音和文本等信息，模仿大脑处理信息的过程，对特征向量进行训练，提高了神经网络处理的效率，适合文本翻译技术。

深度信念网络是一种概率模型网络，该模型与 BP 神经网络对比，该模型可以评估先验概率和后验概率，能够对数据和标签之间进行关系的评估，弥补了BP 神经网络的许多缺点。使得该模型具有较高的准确率，增加了该模型的使用效率。

深度波尔曼兹机网络是一种对称的多层神经元结构，该模型的神经元节点由随机的 0 和 1 组成，在该神经网络中，相邻层的神经元节点之间相互选择，使得网络学习朝着预期的方向发展，因此该模型在人工智能翻译中有较为优势的应用特点[7]。

图1 神经网络技术对比翻译的准确度

综上所述，如图1 所示[8]，基于卷积神经网络和深度学习技术的辅助翻译能够利用处理术语和复杂句子，并通过不同的权重进行对比，随着技术的不断改进，使得翻译的效率不断提高，当文本的数据匹配度在数据库中达到80%以上时，翻译效率达到了普通机器翻译的三倍，最大限度的帮助人类实现文本的翻译。

2.2 机器视觉技术的应用

AIGC 在我们的日常生活中已变得极为普及。特别是在手语翻译领域扮演着至关重要的角色。由此，机器视觉技术也成为目前研究的重点。调研该技术的应用发现，手语是通过一系列复杂的手部、手臂动作、面部表情以及身体姿势来传达信息的，这些动作共同构成了手语者的意图表达。因此，利用机器机视觉技术实现手语翻译已经是被广泛使用。

卷积神经网络是一种深度学习模型，当前的网络模型设计已融入了多尺度特征识别技术，旨在通过加深网络层次及运用残差网络连接，高效提取高维视觉特征[9]。手语识别的流程主要分为两大步骤：追踪与特征描述。利用带有标注信息的手部数据集，提取关键信息，进而对手部模型进行预训练，将手部动态信息与预训练的网络模型相结合，构建联合似然观测模型，实现对手部的精确追踪。最终，将获取的手部能量图像序列作为输入，对手语视频进行特征提取与分类处理[10]。

参考文献[11]提出了一种基于改进MobileNetXt 网络的手势识别方法，通过CA 注意力机制改进Sandglass 模块，在保留小卷积核减少模型参数的基础上强化了特征通道间的信息交互；使用MetaAconC 激活函数加强模型的特征学习能力和梯度传播效率。

3 智能翻译技术的挑战与未来发展

3.1 智能翻译中的挑战

近年来，ChatGPT 在政治文本翻译领域的应用正处于萌芽阶段，ChatGPT 的创始人视此模型为人类技术史上的里程碑，预言它将深刻改变人类社会的认知框架，同时也警觉到大模型存在被误用的风险，预示着它对人工智能翻译领域将产生深远的影响。在当今这个机遇与挑战并存的时代，我们需要从多元视角进行审视与反思，以推动翻译行业的稳健前行。ChatGPT 凭借在对话生成上的卓越表达能力和对上下文的一定理解，显著提升了翻译质量，并能根据用户指引对译文进行语法调整与优化[12]。

尽管ChatGPT 依托大规模通用语料库的训练拥有先天优势，但在面对特定领域的专业知识时却显得力不从心。在翻译任务中，若依赖ChatGPT 进行术语抽取或背景知识检索， 可能会因知识偏差而损害译文的精确度。自然语言的高度复杂性使得提升自然语言处理能力，实现计算机对自然语言的真正理解，仍然是一项艰巨的任务。

AI 可以显著提升编辑加工的效率，因而可以部分替代人工翻译，但在语言风格方面以及专业领域准确性要求较高的内容方面不具备优势。大型语言模型优势在于对真实互动情境的模拟，为译者提供更具主动性的使用体验，更好地提升翻译质量。如果使用者缺乏批判和自控能力，过度依赖甚至被ChatGPT 反噬，对译者本体、语言客体和翻译伦理都有百害无一利。

3.2 智能翻译未来展望

随着科技的不断发展，目前结合知识图谱将是人工智能翻译技术的进行优化是一个很好的发展方向，因此，将系统硬件和软件进行结合，把人工智能翻译技术与知识图谱从概念转换为应用将是未来可以研究的目标。知识图谱的方法对机器翻译研究进行全面分析，挖掘机器翻译研究的先前成就、当前趋势和未来展望，旨在通过结合两者的优势提高翻译系统的准确性和智能化水平。

参考目前科大讯飞的双屏翻译机，将采集到的数据进行模型训练和分析，并结合知识图谱的思想，将数据进行关联，对于海量数据集采用服务器端 接进行 分析和处理，并将服务器端处理的文本信息传输给硬件设备，实现快速准确的翻译技术。该系统的实现将在人工智能翻译技术中取得更好的翻译效果，也为系统的创新性提供了坚实的基础。

致谢

本文研究工作受到人工智能翻译陕西省高校工程研究中心资助。

参考文献

[1] 郭心怡，郑嫣然，穆子君等.人工智能翻译发展探源及应用研究综述[J].海外英语，2023，（05）：10-12.

[2] 李潇.AI 人工智能翻译中数据增广策略和语法错误分析技术研究[J].自动化与仪器仪表， 2024， （07）： 243-

246.

[3] 曹进，赵宝巾.人工智能时代河西走廊文化多模态国际传播研究[J].英语研究，2024，（01）：60-73.

[4] 李宇楠，耿熙，苗启广.基于计算机视觉的手语识别与翻译研究综述[J/OL].微电子学与计算机，1-23.

[5] 傅琳凌，刘磊.基于 CiteSpace 的机器翻译研究可视化分析[J].黑龙江科学，2023，14（15）：1-5+35.

[6] Zhang W， Tang Y. [Retracted] Artificial Intelligence‐based Machine English‐Assisted Translation in the

Internet of Things Environment[J]. Computational intelligence and neuroscience， 2022， 2022（1）： 7428563.

[7] 孟巾凯，彭健钧，肖智东，等.模块化连续手语识别算法及技术综述[J/OL].小型微型计算机系统，1-18.

[8] 闵越聪，陈熙霖.面向连续手语识别的自适应关键帧选择[J].中国科学：信息科学，2024，54（04）：893-910.

[9] Zhou H， Zhou W， Zhou Y， et al. Spatial-temporal multi-cue network for sign language recognition and anslation[J]. IEEE Transactions on Multimedia， 2021， 24： 768-779.

[10] 崔兆文，刘肖飞，夏诗楠等. 基于深度学习的手势识别研究[J].传感器技术与应用， 2024， 12（4）， 570-578.

[11] 陆洪奕，宋瑾钰.基于改进 MobileNetXt 的轻量级手势识别方法[J].建模与仿真， 2024， 13（3）， 2922-2931.

[12] 王贇，张政.ChatGPT 人工智能翻译的隐忧与纾解[J].中国翻译，2024，45（02）：95-102.