到具体的应用场景上，机器翻译不太能成功的地方可能会在：需要对句子的引申含义进行翻译；翻译要求较高的场景，比如对文学作品的翻译；还有就是对于逻辑非常复杂的句子，机器翻译很难搞定，因为它的原理不是基于理解，而是利用某种意义上待翻译语言和目标语言的对齐。

　　其实所有上述问题，理论上来说都可以靠更多的数据来弥补，但是我们数据是有限的。

　　AI 专家、投资人 丁晓诚：机器不能替代人产生情感与好恶。

　　机器翻译的优势是对字面结构在统计意义上的发现、模仿、对应变换能力，其局限是不理解字面背后的意思，对特定场景的适应能力会有不足（而人类不仅仅认识语言，还理解意思）。

　　机器无法理解翻译的语言背后的意义，它不能代替人产生情感与好恶，从而产生对文字的意义上的判断（机器没有人的认知意义上的 “理解力” 与 “判断力”）。虽然机器翻译依然最终能够相当好的解决绝大部分实用文本翻译，但不能胜任真正具有创造性的工作，比如诗歌的翻译。

　　翻译专家 高兴：创造、创作，机器还无法胜任。

　　机器翻译肯定不能替代文学艺术翻译。文学艺术翻译要体现情感、色彩、语调、温度、韵致、字里行间的意味等种种幽微之处。要传达出这些，译者的水准、敏感、境界和心灵力量尤为重要。此外，文学艺术在某种程度上就是创造，就是打破常规。而这些恰恰是标准化、程序化和统一化的机器翻译难以适应、难以做到的。

/ 04 /

　　机器翻译未来可能在哪些地方取得突破？

　　▲ 关于机器翻译，还有很多值得想象。

　　计算机科学家 孙茂松：稀有语言翻译难度较大，值得关注。

　　现在对某些训练语料很少的语言，机器翻译甚至可能完全不能用，比如说汉语-维吾尔语，维吾尔语-藏语。世界语言好几千种，几千种之间的互译，其中绝大多数语言之间都没有足够语料。所以这方面的翻译还有很多工作需要去做，包括一些模型的探索。

　　计算机专家 刘洋：和 “知识” 深度结合。

　　最近二十年，机器翻译的发展趋势是数据驱动，从大量互联网文本中自动学习，主要还是受机器学习、人工智能整体潮流的影响，所使用的很多方法都是机器学习领域的。

　　我个人认为，未来，机器翻译应该和更多的 “知识” 联合在一起，和一些知识图谱，知识库相结合，因为现在主要都是从数据文本中学习，缺乏知识上的智能。

　　另外，现在机器翻译并没有和认知、脑科学结合起来，纯粹是一个数学方法。机器翻译是一个交叉学科，取决于很多方向的进展：数学、语言学、计算机科学、神经认知科学、工程学，每个学科的发展都有可能推动它向前走。

　　自然语言处理专家 吕正东：

　　未来我觉得机器翻译要做好的事情，是对于某些出现频率不那么高的词、句的处理上。这些词、句对人来说是很容易掌握的，但对机器翻译的特点来说，需要它们重复/出现足够多次才能学习到。这是一个需要去突破的地方，而且我相信能比较快取得突破的地方，因为这在商业上有很强的需求。

　　而比较难突破的地方，我觉得是语言中那些委婉的对应关系，和不规范的地方。因为不规范，某种意义上对应着例外，我们可能会需要相当长的时间才能搞定，需要真正去理解语意，这是非常非常困难的任务。

　　AI 专家、投资人 丁晓诚：

　　机器翻译会更好的解决 “常规问题”，把陈词滥调翻译得更流畅，比如混合语言（比如中文、英文、符号夹杂）、混合通道（比如文字、语音切换）的翻译。

　　翻译专家 高兴：

　　我想机器翻译未来主要会在日常生活中取得突破，会明显地改变日常生活的面貌。

　　深蓝本期专家介绍：

　　孙茂松 清华大学计算机系教授，前系主任