自从人工智能翻译飞速发展并在翻译界占据半壁江山之后，其与人工翻译之间的矛盾便一直存在。那么机械翻译能否取代人工翻译呢，在第十七届全国翻译研讨会上讯飞北京研究院院长、讯飞A I研究院副院长王士进在曾说，人工智能在全球范围内掀起发展高潮，不仅是作为各个国家和地区的战略发展重点，更体现在传统工业上改变了人们的生产和生活模式。其中，机器翻译作为人工智能技术的一个综合体现，向神经翻译过渡的趋势越来越明显。但王士进院长强调我们应该理性看待的机器翻译，机器翻译虽然在不断地进步，但就目前来看并不能完全满足翻译的需求。普通机器翻译的优势是高速低成本，但是在涉及多重语境或者复杂的背景知识下的翻译时，机器的弊病也显露无疑。

一．机械翻译现状

    2018年3月15日，微软亚洲研究院与雷德蒙研究院的研究人员组成的团队所研发出的机械翻译系统在通用新闻报道领域的中译英测试方面达到了人类专业译者的水平，这是在机械翻译发展史上具有里程碑意义的重大事件，也是第一个在新闻报道的翻译质量和准确率等方面媲美人类专业译者的翻译系统。尽管如此，机械翻译的弊端并没有从根本上被解决。一方面达到人类专业译者水准的翻译系统只局限在新闻报道的翻译这一个情景中，并不适用与其他情景；另一方面，开发此系统所消耗的大量人力物力也决定了这种系统不可能短时间内进行大范围普及。

当前市面上流行的翻译软件主要可以划分为基于规则( Rule-Based )和基于语料库(Corpus-Based)两大类。基于规则的翻译软件是比较传统的机械翻译，它由词典和规则库构成知识源，运用语法和语义理论生成目的语。基于语料库的翻译软件是比较现代的机械翻译，它的知识源是语料库，经过语料库的筛选和模仿实现目的语的输出。然而两者都存在明显的缺陷，基于规则依靠词典和规则库构成知识源过于死板，输出目的语的效率和质量都不高，实用性低；基于语料库虽然摆脱了复杂的词典和死板的语法规则，但是其统计规律并不稳定，其原因在于：基于统计的方法需要大规模双语语料，翻译模型、语言模型参数的准确性直接依赖于语料的多少，而翻译质量的高低主要取决于概率模型的好坏和语料库的覆盖能力。