翻译为啥从字典变成了神经网络？聊聊机器翻译这桩翻身账
早年的路子：字典加语法，硬凑
机器翻译最早那套，思路特直男：你给我一句话，我先查字典把每个词翻成外文，再按语法规则把词序摆一摆。听着合理吧？可语言哪是词对词能对付的——中文说「我爱你」，外文语序、介词、时态全不一样，硬凑出来就是「我爱妳」式的中式外语，磕碜得很。更要命的是，它一词一翻、不通盘看，遇到多义词、成语就抓瞎。所以这代翻译，能看个大概，细琢磨全是破绽，老外看了直皱眉。
卡在哪儿：词不是孤立的，意思看语境
这路子卡在一个死结上：词的意思得看前后文。一个「打」字，打水、打人、打球、打电话，意思天差地别，字典给不了你准信儿，得看它挨着谁。早年规则法试图写一堆「如果……就……」去掰，结果规则越写越厚、漏洞越补越多，活活把人累死。老程序员见多了这种「规则地狱」——你以为多写几条就齐了，其实语言是漏勺，怎么堵都漏，写规则的人先疯了。
翻身第一脚：统计登场，靠数据说话
后来人学乖了，不硬写规则，改抱数据大腿——统计机器翻译。思路是：我手上有海量「一句中文配一句外文」的现成对照，那就让机器从里头自己摸出「哪段对哪段」的规律，翻译时照着最可能的对应关系凑。这比手写规则强在它靠真实语料、能处理各种花样。可它还是「先拆成词或短语再拼」，句子一长、结构一绕，拼出来的还是有点散架感，读着总差口气。
真正翻身：神经网络整句一口闷
让翻译脱胎换骨的，是神经网络上场，尤其那个「编码器-解码器」加注意力的招儿（这俩咱前面都单聊过）。它不拆词硬翻了，而是把整句话一口气「读」进去、在内部揉成一股意思，再一口气「写」成外文。注意力机制还让它翻译每个词时，回头盯着原文里最相关的那几个词看，不再瞎对应。于是长句、弯弯绕的句子，它也能顺下来，读着像人话了，不再是词堆出来的怪胎。
它为啥突然就顺溜了：数据、算力、模型三件套
你纳闷它为啥是这几年才突飞猛进？没啥神秘的，就三样凑齐了：一是网上能扒的对照语料海了去，二是对付大网络的算力便宜了，三是模型结构（尤其 Transformer）真顶用。三者一碰头，翻译质量咔咔往上窜。所以别听人吹「某算法秒杀人类」，真相朴素的很——是数据多了、机器快了、结构巧了，仨条件齐了才成的，不是哪个天才一拍脑门就颠覆了世界，别被话术带偏。
也别供起来：它还是会翻车
但机器翻译再顺，也不是神仙。它最爱犯俩毛病：一是「编」，原文没那意思它给你圆出一个；二是「漏」，长句子后半截它容易忘前头、漏译。专业文档、法律合同这类差一个字出大事的，它现在还不敢独挑大梁，得人把着。所以老哥我的用法：日常看个外文网页、聊个大意，它真香；真要签字画押的玩意儿，还是得找个真懂行的过遍眼。工具是工具，别当裁判使，分寸拿住就成。
