統計式機器翻譯的成年禮

雙語語料庫──20年前IBM播種，20年後Google收穫。

撰文／張俊盛

2013年10月17日早上，我來到美國西雅圖市參加「雙語語料庫20年工作坊」。這次研討會旨在回顧20年前掀起機器翻譯革命的雙語語料庫研究，並前瞻未來研究走向。美國南加州大學的奈特（Kevin Knight）以「試嚐機器翻譯模型的味道」為題開場演講，幽默地介紹統計式機器模型的況味，也以Google翻譯的結果為例，暗示20年來機器翻譯模型還是未盡順口美味。

英國愛丁堡大學的昆恩（Philipp Keohn）則回顧機器翻譯的進展，並指出未來研究方向──發展提示式、互動式輔助翻譯系統，讓譯者來主導翻譯，而機器翻譯退居輔助的角色。

會議的高潮是請來20年前IBM機器翻譯研究團隊的兩位要角莫瑟（Bob Mercer）和布朗（Peter Brown）同台，主講〈是的，福瑞得，一切按部就班進行中〉，細述當年統計式機器翻譯的緣起與軼事。兩人在機器翻譯研究成就最高峰時，突然離開IBM，加入文藝復興科技避險基金公司，以統計模型選股管理基金，掀起財務管理革命。今天，莫瑟與布朗就像《李伯大夢》中沉睡20年的樵夫，受到熱烈歡迎，回訪久違的「機器翻譯」之村。

兩人風趣地回顧往事，一致推崇當年的主管庫克（John Cocke）和福瑞得．傑利內克（Fred Jelinek）力行走動式管理，穿梭在IBM各研究小組，讓各領域的想法混搭，引發典範革命。

IBM機器翻譯系統的成功關鍵，是採用了加拿大高達數千萬字的英法對照立法議事錄。庫克在一趟飛行旅程中和鄰座的加拿大旅客交談，得知有這麼一套資料，當場就認為應盡快拿來研發語言工程技術。

IBM先以這份資料研發語音辨識與拼字改錯。但莫瑟和布朗卻趁傑利內克渡假時，未經報備就擱下語音辨識研究，用還未上市、問題重重的RISC桌上型電腦研發起機器翻譯。每當傑利內克來電詢問進度，兩人就應付說：「是的，福瑞得，一切按部就班進行中。」（即演講題目）兩人由語音研究借來常態分佈、期望值等基本統計原理，主導設計出IBM的機器翻譯系統模型，可自動推論出大量雙語文件中跨語言隱藏的句子、詞彙對應。

內容引用來源:http://sa.ylib.com/MagCont.aspx?Unit=columns&id=2335

出處:科學人雜誌