王子航

（武汉钢铁公司第三子弟中学，湖北武汉，430000）

0 前言

随着人工智能技术的不断发展，图像处理、内容推荐、自然语言处理等作为其主要的应用方向也随之加速迭代发展。相比于其他应用方向，自然语言处理发展还不够完善，仍有较大的进步空间。机器翻译技术作为自然语言处理中的一个重要分支，早在上个世纪四十年代就被提出，而后二十年间，在大量人力物力的促进推动下，取得了一定的发展，但是受限于当时计算机技术等诸多条件，未能取得实质性的突破，机器翻译也随之陷入了沉寂[1]。近些年来，人工智能技术的发展、语言理论的进步以及统计学在翻译技术中的广泛应用，加上计算机硬件以摩尔定律的速度飞速发展，已经可以支撑海量数据的存储和计算，这些条件使得人们对机器翻译技术本身有了更完备的认知，新一代的处理方法在此背景之下取得了长足的发展。

本文首先将从整体的角度介绍典型的机器翻译技术的分类，然后从人工智能和机器翻译结合的角度出发，分别介绍机器学习和深度学习在机器翻译中的结合方式和应用方法。最后对当前翻译技术存在的限制和问题作出总结合展望。

1 典型机器翻译技术

机器翻译技术的目的是为了节省人力资源，使机器能够最大限度的替代人们重复的工作。它建立在诸多复杂的学科之上，如语言学、统计学、计算机科学、信息论等等。如此纷繁复杂的体系难以迅速形成一套行之有效的解决方案[2]。……