机器有机器的理解：机器翻译中理解问题的哲学思考

主要观点总结

本文主要讨论了机器翻译中理解的作用，分析了机器翻译技术演变历史，指出理解在翻译中并非不可或缺，并通过大量实例论证了机器可以通过回避语义理解完成高质量翻译工作。文章还讨论了机器翻译技术演变的内在逻辑原因，以及机器如何发展自己的理解。

关键观点总结

关键观点1: 机器翻译技术的演变历史和分析

早期机器翻译基于规则，如通用国际语言，但存在歧义问题。SMT的出现革命性改变了机器翻译，通过统计框架获取语言知识。NMT则利用深层神经网络，通过训练语料库学习语言细节，产生接近人类表达的自然语言翻译效果。翻译质量的提升与理解语义没有直接关系，而是与语义之外的信息密切相关。

关键观点2: 理解在翻译中的作用

理解在人类翻译中起重要作用，但在机器翻译中并非不可或缺。机器可以通过回避语义理解，学习语句中单词/词组的相关性和两种语言之间的对应性，完成高质量翻译。貌似非得理解语义才能完成的翻译，机器完全可以通过另类的理解来完成。

关键观点3: 机器如何发展自己的理解

机器可以通过大规模语料库的训练，学习人类语言的规律，发展出不同于人类的“理解”，从而完成翻译工作。在理解的研究非常重要，但突破之前，机器应该发展机器自己的理解。