【从博鳌机器同传“一带一路”的翻译笑话说起】

屏蔽已有 2439 次阅读 2018-4-12 03:09 |个人分类:立委科普|系统分类:科研笔记| NLP, 机器翻译, 博鳌

这是网上这两天广泛热议和流传的AI笑话（博鳌AI同传遭热议）：

昨天还在想，这“一带一路”的翻译笑话是怎么回事儿呢？这类高频新术语、成语是机器的大拿，不就是一个词典记忆嘛。

今天看新智元的采访（博鳌AI同传遭热议！腾讯翻译君负责人李学朝、讯飞胡郁有话说），原来，这次的笑话不是出在成语上，而是出在成语的“泛化”能力上。“成语泛化”的捕捉和翻译，这一点目前还是短板。

对于中译英，“一带一路”的翻译完全没有问题，因为这是近年来习大大新时代新政的最流行的新术语，家喻户晓，没有人去泛化它。机器翻译自然不会错，主流怎么翻译，机器就会怎么翻译，不会更好，也绝不会更差。

可是这个中国的术语到了英语世界，并不是所有受众都记得住准确的说法了。结果，“标准” 的流行译法 “one belt one road”，被有些老外记错了，成了“one road one belt” or "the road and belt" 等。这也是可以理解的，老外没有政治学习时间也不没有时事政治考核，能记得一个大概就不错了。

虽然说法不同了，次序有变，但两个关健词 road 和 belt 都在，这种成语“泛化”对于人译不构成挑战，因为老外的记忆偏差和“泛化”的路数，与译员的心理认知是一致的，所以人工传译遇到这类绝不会有问题。可是，以大数据驱动的机器翻译这次傻了，真地就神经了，这些泛化的变式大多是口语中的稀疏数据，无法回译成汉语的“一带一路”，笑话就出来了。

提高MT的“成语泛化”能力，是当今的一个痛点，但并不是完全无迹可寻。将来也会成为一个突破点的。只是目前一般系统和研究还顾不上去对付它。以前我提过一个成语泛化的典型案例应该具有启示作用的：“1234应犹在，只是56改”。

早期机器翻译广为流传的类似笑话也是拿成语说事（The spirit is willing, but the flesh is weak，心有余而力不足据传被翻译成了“威士忌没有问题，但肉却腐烂了”），因为一般人认为成语的理解最难，因此也必然是机器的挑战。这是完全外行的思路。成语的本质是记忆，凡记忆电脑是大拿，人脑是豆腐。

NLP 最早的实践是机器翻译，在电脑的神秘光环下，被认为是模拟或挑战人类智能活动的机器翻译自然成为媒体报道的热点。其中有这么一个广为流传的机器翻译笑话，为媒体误导之最：

说的是有记者测试机器翻译系统，想到用这么一个出自圣经的成语：

The spirit is willing, but the flesh is weak (心有余而力不足)

翻译成俄语后再翻译回英语就是：

The whiskey is alright, but the meat is rotten（威士忌没有问题，但肉却腐烂了）

这大概是媒体上流传最广的笑话了。很多年来，这个经典笑话不断被添油加醋地重复着，成为NLP的标准笑柄。

然而，自然语言技术中没有比成语更加简单的问题了。成语是NLP难点的误解全然是外行人的臆测，这种臆测由于两个因素使得很多不求甚解的人轻信了。其一是NLP系统的成语词典不够全面的时候造成的类似上述的“笑话”，似乎暴露了机器的愚蠢，殊不知这样的“错误”是系统最容易 debug 的：补全词典即可。因为成语 by definition 是可列举的（listable），补全成语的办法可以用人工，也可以从语料库中自动习得，无论何种方式，都是 tractable 的任务。语言学告诉我们，成语的特点在于其不具有语义的可分解性（no/little semantic compositianlity），必须作为整体来记忆（存贮），这就决定了它的非开放性（可列举）。其二是对于机器“理解”（实际是一种“人工智能”）的误解，以为人理解有困难的部分也必然是机器理解的难点，殊不知两种“理解”根本就不是一回事。很多成语背后有历史故事，需要历史知识才可以真正理解其含义，而机器是没有背景知识的，由此便断言，成语是NLP的瓶颈。

事实是，对于 NLP，可以说，识别了就是理解了，而识别可枚举的表达法不过是记忆而已，说到底是存储量的问题。可是确实有人天真到以为由冷冰冰的无机材料制作的“电脑”真地具有人脑那样的自主理解能力/机制。

from NLP 历史上最大的媒体误导：成语难倒了电脑

关于新时代“一带一路”的合适译法，我曾经从语言学构词法角度也论过：

“一带一路”，官方翻译是： one belt one road。

不得其解，昨天才搞明白是中国倡导由中国带头沿着古丝绸之路开发新的经济贸易开发区一方面帮助消化过剩的产能一方面带动区域经济实现共赢让区域内国家分享中国经济高速发展的火车头效益从而树立中国崛起的和平领军形象。

感觉还有更多也许更好的选项反正是成语反正光字面形式谁也搞不清真意总是需要伴随进一步解释不如就译成：

一带一路 ===》 one Z one P （pronounced as：one zee one “pee”）

怎么样，这个翻译简直堪比经典翻译 long time no see （好久不见）和 “people mountain people sea” （人山人海）了。认真说，Zone 比 Belt 好得多。

One zone one path.
One zone one road.
New zone old road.
New Silk Road Zone.

感觉都不如 one Z one P 顺口。

from 【语言学随笔：从缩略语看汉字的优越性】

【相关】