澳大利亚麦考瑞大学应用语言学特聘教授英格丽德·皮勒（Ingrid Piller）表示，语言灵活多样，具有深刻的社会性，而机器算法恰恰相反，因此机器翻译无法取代人类，人类不能因为技术而放弃学习语言。

　　随着机器翻译技术不断进步，有些人认为，如果机器能完成翻译工作，人类（尤其是已经掌握英语的人）则不需要费力气学习语言，一些英语国家高校也以此为由取消了语言课程。然而，机器翻译技术还远远无法达到取代人类的地步，而且在可预见的未来也无法做到。

　　机器翻译的算法需要大量文本数据进行训练，而文本数据是人工翻译过的平行文本，一般为标准通用语，不包括方言和俚语。然而，多样性是人类语言的重要特点，对机器而言却难以应对。例如，“deadly”在大多数情况下都表示“致命的”，但在澳大利亚，这个词在日常使用中也可以表达“优秀”的意思。例如“deadly awards”表示非常优秀的奖项，如果将其输入翻译软件，只能得到“致命的奖项”的翻译结果。

　　除了在同一种语言内部有多样性，不同语言之间的转换也要考虑差异性。例如，时态、数字或性别在某些语言中需要结合语法来处理，而在另一些语言中则不需要。将简单的语句“我是一名学生”翻译成德语，就需要在语法中加入明确的性别，分为“我是一名男学生”或是“我是一名女学生”，这种灵活变化对机器而言是非常困难的。

　　机器翻译还存在训练数据不均等的问题。有些语言使用人数众多，有丰富的资源支撑，于机器学习而言，它拥有大量的训练数据，但是还有一些语言未必有丰富的资源支持。英语在大型语言模型的训练数据中占90%以上，其余少部分训练数据由几十种语言构成。训练数据不均等会导致翻译准确性不高问题，最近一项研究发现，机器在将越南语翻译成英语时，有一半问句都被处理成了陈述句。目标语言为英语以外的语言时，输出的文本问题更大，出现了杜撰词汇、语法错误和前后矛盾等问题。

　　机器翻译在人类的日常环境中具有一定的用处，但只适用于无风险或低风险的情况。虽然翻译应用程序越来越多地应用于医院等高风险场合，但是医院工作人员会尽可能不使用机器翻译，而是选择与病人进行直接交流，因为机器翻译的结果偏差较大。

　　只有人类才能识别低风险或高风险情况、是否适合应用机器翻译、机器翻译结果是否准确。要做出明智的决定，人类就需要了解语言和机器学习的工作原理，在经济、外交或医疗等高风险环境下，人类的语言翻译仍然不可或缺。

• 来源：中国社会科学网-中国社会科学报

• 作者：练志闲/编译