软件翻译并不是新鲜事物，但为何在当下开始有了像“机器翻译能否代替人工翻译”这类的话题呢？
我们都知道只有技术革命才能解放生产力。在翻译领域里，基于自然语言“神经网络模型”的机器翻译的出现，终于让大家看到了颠覆性的技术。从中，大家看到“神经网络”的革命性和未来性，内心中对这项技术有了些憧憬和疑问，也就有了如此疑问。我们不讲总的机器翻译历史和时间轴事件，仅从应用角度到来看，软件翻译可以有三个阶段。
第一阶段是以地球村和东方快车为代表时代，也就是windos95、win98时代，中国刚刚有互联网的那段时间，地球村以输入词为主、东方快车以划线句子和段落为主。至于翻译质量我们不做评价，小编只记得这两款软件的使用量还是很大的，跨度大概3，4年的时间。之后是以金山词霸为主，经常被列为装机必备软件，也是中国最有生命力的软件之一。
第二阶段是在线翻译时代，当网络已成为基建的时候，百度、金山、有道等等软件也把翻译当时流量业务或者经营性业务，已经逐步脱离的个人工具的概念。
第三阶段为人工智能时代的开始，重新定义了机器与语言的关系。完全改变了技术呈现结构。尤其是Transformers神经网络模型的出现和商业实验性应用，终于让人们改变了翻译软件的只能查单词、翻译句子就差强人意的印象。也正是第三阶段的出现才有了“机器翻译”这个新词、新含义。
科技发展，神经网络的出现目的是不是代替人工我们不得而知，但机器翻译就目前来说，是可以当成唯一解决人工大批量文本翻译的唯一可行性方案。并且技术可预期性，发展性、成熟性都有很大的想象力空间和进步空间。因此就目前阶段而言，机器翻译赋能人工翻译、辅助人工翻译可能更为准确。
第一阶段、第二阶段和第三阶段的技术革命到底在哪里呢？
前两个阶段主要是通过规则编写和预制格式来进行遍历性的翻译，只要出现了规则不匹配的就会出现乱用词汇的情况出现。如果穷举的方式必然不是人类语言处理的最优方式。从根上来讲语言是对动态的，而基于规则、统计方式的翻译软件是静态的，天然就不具备替代的可能性。
第三阶段的革命性也就于神经网络的问世，同人类一样具有了一点学习能力和变化能力，都是在相对动态的处理语言规则、表达语言逻辑和含义。既然同宗，那么剩下的就是解放生产力的时间问题了。
我们也稍微理解下“机器翻译”概念，原文（人类）-->原文字典码（机器）-->神经网络高纬度坐标轴（神经模型）-->译文字典码-->译文（人类）。机器居间理解原文内容转换机器识别代码在转换译文的过程。这个过程也就是“人工智能机器翻译”。过程中神经模型和人类大脑神经模型的差距，也就是解放生产力的时间跨度。就语言表达来讲，相同的词汇在各个领域都有不同含义。
人类的大脑是有限的，不可能把所有的领域都学会、学全；神经网络模型也是一样的，必须要根据垂直行业特点来进行单独学习，避免过拟合现象。泛化太大就会出现“聪明过头”现象，把其他领域的含义引申到了本领域内。
这也是蓝灯鱼机器翻译目前为什么只注于专利领域引擎的原因。
即便如此，我们在训练一个神经网络模型也相当吃力，一个模型对机器配置的要求非常高，十几个高显存的GPU同时运算基本是保底配置。算机整体的算力，神经网络的结构上还需要不断提升，才能追上人脑智商。
神经网络模型也可以称为基于知识的翻译模型，因为神经网络直接是通过具有逻辑关系词语、短句进行优选选择拼接，词语之间的逻辑关系都具有一定的强关联性。因此小样本的平衡语料也可能训练出一个较为优秀的模型，也可以说神经网络模型是理解了语料，学习了知识，学会你会的，解放你的生产力。
好的软件是磨出来的，不是开发出来的，这是一个好产品的基本逻辑。
对于一个翻译模型，通常影响较大的有3个方面，人工精修平衡语料，越多越好，多到多少呢，2000W不多，5000W不少，1个亿对于机器来说也是小意思，能磨好这么多语料显然是要下功夫和投入的。另外就是对于神经网络参数的上千次、万次的调整以及工程在初始和最后的查缺补漏。磨出来的蓝灯鱼引擎目前基本达到了翻译初稿水平，可以说是部分解放了生产力。从版本更新历程上，在准确性、流畅性正在不断的提高。
当然革命尚未成功，模型仍需努力。革命道路不会一帆风顺，但革命道路一定需要我们大胆尝试。
蓝灯鱼模型接下来的尝试呢？
模型会话研究：通过会话记忆，对同一篇文章内容表达更加统一。
模型符号标记通译：翻译后，符号对照更加准确标准。
原文译文切词算法：提高翻译结果的表达流畅性、准确性。
敬请期待！
