機器翻譯的嶄新方法：將語言變成向量空間(圖)

機器翻譯示意圖

機器翻譯(簡稱“機譯”)一直是科技領域的一大難題。目前基於統計機譯方法的在線工具如谷歌翻譯、必應翻譯、臉譜翻譯、寶貝魚翻譯、巴比倫翻譯等，其翻譯結果勉強可用，但離完美還相去甚遠。

為提高在線翻譯質量，美國谷歌(Google)公司的三名工程師最近提出一種嶄新的機譯方法：將語言翻譯變成向量空間數學問題，利用數據挖掘技術建模一種語言的結構，然後與另一種語言的結構進行對比，從而擴充和完善現有的雙語語料庫。該研究成果的論文預印本於9月17日在著名網站arXiv.org公開後，引起了學術界的廣泛關注。

新的方法依賴於一個概念，即每一種語言都有一套相似的想法，因而使用單詞的方式也存在相似性。例如，大多數語言中都有描述相同動物的單詞，如“狗”、“貓”和“牛”，這些單詞很可能以相同的方式在句子中使用，如“貓是一種比狗小的動物”。

英語與西班牙語的數字向量空間圖

數字也一樣;上圖顯示了在英語和西班牙語中數字(一至五)的向量表示法以及它們是如何相似的。

語言中單詞之間的關係集合被稱為“語言空間”(language space)，可類比為一個點到另一個點的向量集合，能以數學的方式進行處理，例如“國王”減去“男性”加上“女性”等於“女王”(“king”–“man”+“woman”=“queen”)。

在向量空間中，許多語言都有共通之處，可以利用向量空間線性變換將一種語言翻譯成另一種語言。工程師們説，“儘管它很簡單,我們的方法出奇有效;在翻譯英語和西班牙語之間的單詞和短語時，準確率可以達到幾乎90%。”

中國數學家和語言學家周海中認為，這種基於線性代數的機譯方法很有新意也有實效。不過，他對不同語系的自然語言(如英語和漢語)在線翻譯是否也有那麼高的準確率表示懷疑。他強調：不管用什麼方法來提高機譯質量，首先要解決的是自然語言的本身問題，尤其是語義表達和語用功能，而不是計算機編程問題或數學建模問題。“在人類尚未明瞭大腦是如何進行自然語言的模糊識別和邏輯判斷的情況下，機譯質量要想達到‘信、達、雅’的程度是不可能的。”周海中説。(作者：李德明 新加坡國立大學博士後)