机器能在完全不理解语言的情况下拿出高品质的翻译作品吗？本文来自微信公众号：，作者：侯世达（DOUGLAS HOFSTADTER，美国著名认知科学家、比较文学家、翻译家，印第安纳大学认知科学和比较文学教授、著有《哥德尔、艾舍尔、巴赫：集异璧之大成》，该书获得普利策奖和美国国家图书奖），原文发表于《 THE ATLANTIC》。
某个周日，在我们每周一次的莎莎舞会上（salsa
sessions），我的朋友弗兰克带了一个丹麦朋友来。我知道弗兰克的丹麦语讲得很好，因为他的母亲是丹麦人，他小时候曾在丹麦生活过。而他带来的那个朋友，跟所有斯堪的纳维亚人一样，能讲一口流利的英语。然而，令我惊讶的是，在晚上闲聊的过程中，他们居然习惯性地用“谷歌翻译”交换信息。弗兰克用英文写下文字，然后用“谷歌翻译”转译成丹麦语；而他的朋友则用丹麦语写下文字，然后用“谷歌翻译”转译成英语。
这太奇怪了！为什么会讲对方语言的两个聪明人要用这种方式沟通呢？我对机器翻译的体验总是让我对它不够信任。但这两个朋友显然没有我的那种疑虑。实际上，很多受过良好教育的人对于机器翻译都抱有相当大的热情，很少对它产生质疑。这让我颇感困惑。
作为一个语言爱好者和翻译热爱者，作为一个认知科学家和一个人类精妙心智的终身敬畏者，几十年来我一直在关注机器翻译的进展。当我最初在1970年代对它产生兴趣时，我读过一封信，是数学家、机器翻译早期倡议者沃伦·韦弗（Warren Weaver）于1947年写给控制论专家诺伯特·维纳（Norbert
Wiener）的。在信中，韦弗写了一句很有意思的话，今天仍为众人所熟知：
当我阅读用俄罗斯语写的文章时，我会对自己说，“这篇文章实际上是用英语写的，只不过被编码成了一些奇怪的符号。现在，我要把这些符号解码回来。”
几年后，他表达了不同的看法：“没有一个理性的人会认为，机器翻译能够做到‘信、雅、达’。普希金不需要为此感到担忧。”
哈！我曾用了我人生中整整一年的时间，将亚历山大·普希金的著名诗体小说《叶甫盖尼·奥涅金》翻译成我的母语（也即是，把这一伟大的俄罗斯文学作品重新翻译成英文诗体小说），这真是一段令我难忘的经历。我发现维纳的新观点揭示了语言朴素的本质，更接近于语言的真相。尽管如此，他在1947年提出的“翻译即解码”的观点还是成为了机器翻译领域的一种信仰。
从那以后，“翻译机器”逐渐有了发展。直到最近，对所谓“深度神经网络”的使用，让有些观察家（参见纪德·刘易斯-克劳斯（Gideon Lewis-Kraus）在《纽约时报杂志》上发表的《The Great AI Awakening》，以及雷恩·格林（Lane Greene）在《经济学人》上发表的《Machine Translation:
Beyond Babel》）宣称，人类译者将成为濒危物种。照此发展下去，用不了几年，人类译者要做的事情就不是创造新的文本了，而是对文本进行修修补补和质量控制。
果真如此的话，这将对我的精神生活造成巨大的冲击。虽然我完全理解人们对机器翻译的痴迷，但我肯定属于最不希望人类译者被无情的机器所取代的那类人。事实上，机器翻译令我感到恐惧和厌恶。在我看来，翻译是一种难以置信的精妙艺术，它需要译者有丰富的人生阅历和创造性的想象力。如果真有那么一天，人类译者成了历史的遗迹，我对人类心智的敬畏就会受到动摇，这种动摇会让我陷入可怕的困扰和无尽的悲伤之中。
每当我读到文章宣称，人类译者作为一个群体将很快向新技术的快刀利剑俯首称臣时，我总有一种想要亲自检验这种判断的冲动，这一方面是因为，我感到技术替代的魔魇可能近在眼前；另一方面是因为，我由衷希望自己能够确证，危险并非迫在眉睫；最后，出于我一贯的信念，我想要挑战那些夸大其词的人工智能威胁论。
人工神经网络并不是一项新奇的技术。最近，在谷歌内部被称为“谷歌大脑”（Google Brain）的部门采用了这项技术，同时，又用“深度学习”增强了它的能力。我阅读了相关文献，了解了被称为革命性翻译机器的软件机理，然后，我决定亲自测试最新版本的“谷歌翻译”。它真的是一个颠覆者吗，就像“深蓝”和“AlphaGo”之于象棋和围棋那样？
我发现，虽然“谷歌翻译”的老版本可以处理多种语言，但新的深度学习版本目前只能处理9种语言。（最新情况是，它可以处理96种了。）其中，我只打算测试英语、法语、德语和中文。
在展现测试结果之前，我应当指出，“深度”这一形容词的含义是模糊不清的。当人们听说谷歌买了一家名叫DeepMind的公司，其产品使用了用“深度学习”技术增强的“深度神经网络”时，下意识中会将“深度”一词理解为“深刻”，进而理解为“强大”、“颖悟”、“聪明”。然而，这里的“深度”仅仅是指这样一个事实：新的神经网络比老的神经网络拥有更多的层次，比如说，前者有12层，后者只有2、3层。那么，这种层级数量的差异是否意味着，神经网络必然会更聪明呢？并非如此，这不过是语义上的误解。
“谷歌翻译”的宣传声势浩大，但我对它却持有谨慎态度。尽管对它并无好感，但我也意识到它的确带来了一些惊喜。它对地球上的每个人都是免费的，能够将差不多100种语言转译成任何一种其他语言。这真是一件了不起的成就。如果我可以骄傲地称自己是“三种全会”（pi-lingual）的话[1]（如果有人问我“你会说几种语言”，我会很愉快地回答，大概会3种语言），那么“谷歌翻译”得有多骄傲啊，毕竟，它可以把自己称为“百种全会”（bai-lingual）（“百”在中文里是指数字“100”）。对于只会3种语言的人来讲，会100种语言简直难以想象。并且，如果我将一张语言A的文字复制粘贴，放进“谷歌翻译”，不消几秒钟，它就能被翻译成语言B。在数种语言之间自由转换，这种效果在任何地方任何屏幕上都能实现。
“谷歌翻译”和相关技术的实用性是毋庸置疑的，总体而言也是很好的工具。但它在技术方法上还是极度欠缺一种东西，一言以蔽之：理解力。机器翻译绝对做不到理解语言。相反，它的方法只是试图去“解码”——而不去考虑究竟什么是理解和意义。那么，是否不需要理解就能做好翻译呢？某种事物——人类或机器——能在完全不理解语言的情况下拿出高品质的翻译作品吗？为了回答这个问题，现在我要谈及我所做过的几个实验。
我的实验最先是从小处着手的。我使用了下面这段简短的话，人类的心智能够对它产生清晰的画面感：
在他们的房间里，每样东西都是成对出现的。有他的车，就有她的车；有他的毛巾，就有她的毛巾；有他的书房，就有她的书房。
这段话翻起来似乎是很容易的，然而在法语中（以及在其他拉丁语系中），“他”和“她”这样的性别词汇不是由事物的所有者来界定的，而是由事物本身来界定的[2]。于是，“谷歌翻译”呈现给我们的结果就是：
在他们的房间里，每样东西都是成对出现的。有他的车，就有他的车；有她的毛巾，就有她的毛巾；有他的书房，就有他们。
这样的结果在我预料之中。它没能意识到，我的这段话描述的是一对夫妻，强调了丈夫（他）拥有的每一样东西，他的妻子（她）也拥有。例如，深度学习引擎用了“sa”（他的）这个词来表示“他的车”和“她的车”，因此，你无法知道车主的性别。类似地，它还用了无性别的复数词“ses”来表示“他的毛巾”和“她的毛巾”。至于最后提到的两个书房（他的和她的），它则干脆省掉了“hers”中的“s”，认为“s”在这里表示复数，意指“他们”（“les
siennes”）[3]。可以说，在翻成法文的时候，“谷歌翻译”完全领会错了意思。然而，每一个人类读者都能正确理解这段话的言外之意。接下来，我自己把这段话翻成了法文，正确表达了全部意思。以下是我的法文版本：
“sa voiture à elle”表示“她的车”，而“sa voiture à lui”只能被理解为“他的车”。这时，我猜想“谷歌翻译”应该很容易把我的法文版本准确翻回到英文，但我完全想错了。下面是它呈现给我的结果：
在家里，他们的每样东西都有两个。有他自己的车和他自己的车，他自己的毛巾和他自己的毛巾，他自己的书房和他自己的书房。
这都什么鬼啊？！即便输入的语句专门强调了物主的性别，翻译机器还是忽略了这一点，把所有性别都翻成了男性。为什么它会丢掉如此重要的信息呢？
我们人类都知道，什么是夫妻、房屋、个人物品、骄傲、竞争、嫉妒、隐私，以及很多其他似乎难以理解的怪癖，比如，结了婚的夫妻，各自的毛巾也要分别刺上“他的”和“她的”字样。而“谷歌翻译”却不明就里，或者准确地说，它暂时还不明就里。它只熟悉由字母所组成的字符串，只知道以超快的速度处理一段段文字，而不知道如何思考、想象、记忆和理解这些文字。它甚至不知道文字指涉了事物。我可以毫不犹豫地说，理论上讲，计算机程序本可以理解语言的用途，可以拥有思想、记忆和经验，可以应用它们。然而，“谷歌翻译”却不是为了这些目的而设计的，设计人员甚至根本没有这样的野心。
好吧，我对它的这些糟糕表现窃喜不已，并感到一丝宽慰，毕竟，人类译者还不会很快被机器所取代。但我还是认为，我应该更深入地了解这部机器，毕竟，一口水，不解渴。（one swallow does not thirst quench.）
这是一个符合语法的法文句子，但它的意思很费解。首先，它提到了一种鸟（“une hirondelle”——一种燕子），然后，它又说这种鸟不能吸气，或者不能吮吸（n’aspire pas），最终的意思就是说，这种既不吸气又不吮吸的东西口渴了（la
现在，让我们从法语的“油锅”跳到德语的“火坑”。最近，我迷上了奥地利数学家卡尔·西格蒙德（Karl Sigmund）写的《Sie nannten sich der Wiener
Kreis》（人们把他们称为“维也纳学派”）一书。它讲述了维也纳的一群理想主义知识分子在1920年代和1930年代的故事，这群人对20世纪的哲学和科学产生了巨大影响。我选择了书中的一小段文字来考验“谷歌翻译”。我将先呈现德语原文，然后给出我自己的翻译版本，最后给出“谷歌翻译”的版本。（顺便提一句，有两个母语是德语的人核对了我的翻译，包括卡尔·西格蒙德，因此，我认为你大可相信我的翻译是准确的。）
战败之后，泛德国主义在当时的教职员工中是主流倾向，很多持有这种倾向的教授认为，自己完全有责任让高等教育机构免受“政治上不受欢迎的人”的影响。最有可能被开除的是青年学者，他们还没有获得在大学授课的教职。对于女性学者而言，她们在大学里更是没有立足之地，这是再明显不过的事实了。
战败之后，很多德国籍的教授，同时也是教职员工中的多数派，认为自己有责任让大学避免“奇数”；在获得资格之前，青年科学家是最容易受到影响的。总之，科学家没有产生质疑，几乎没有了。
“谷歌翻译”呈现的都是英文词汇（然而，不清楚是什么原因，有两个大写字母没用对地方）。除此之外，似乎还过得去。然而，很快你就会发现不对劲了，越往下读，问题越大。
首先，我注意到了“odd”这个词。它对应了德文中的“die ‘ungeraden”，意思是“政治上不受欢迎的人”。然而，“谷歌翻译”有理由——出于非常简单的统计学上的理由——选择“odd”这个词。也即是说，在其上百种语言的数据库中，“ungerade”这个词总是被译作“奇数”（odd）。尽管机器本身并不知道为什么会这么翻，但我可以告诉你原因何在。
这是因为“ungerade”的意思——字面意思是“不平的”或“不均匀的”——几乎总是意指“不能被2除尽”。而我的翻译版本有意选择了“undesirables”一词，从而使得对“Ungeraden”一词的翻译与统计概率无关，而是来自于我对语境的理解——来自于我注意到文字中没有被清晰表达出来的含义，而且“ungerade”的这种含义绝不可能在我自己的德语词典中找到。
让我们再来看看“Habilitation”这个德语词汇，它意指大学的教职，相当于终身教授。英文里也有同样词根的词“habilitation”，不过它很少被使用，自然也不会让人联想到终身教授或者类似的事物。所以，我需要简单解释而不只是引用这个含义模糊的词。机器翻译不可能真正理解以英文为母语的读者，“谷歌翻译”当然也做不到这一点，因为它不能模仿读者的知识。
不过，最后两句话才真正表明了，为什么理解对于翻译而言至关重要。德语名词“Wissenschaftler”由15个字母组成，意思是“科学家”或“学者”。（我选择了后者，因为在文中的语境下，它意指一般意义上的知识分子，而“谷歌翻译”则没能理解这一细微之处。）另一个与此相关的词“Wissenschaftlerin”由17个字母组成，我们可以在最后一句话中看到其复数形式“Wissenschaftlerinnen”，它是一个指代了性别的德语名词。单数名词在语法上指代男性，意指男性学者，复数名词指代女性，只适用于女性学者。我自己的翻译版本用了“女性学者”（female
scholar）来理解这层意思。而“谷歌翻译”并没有理解增加了“in”这个后缀的阴性词是最后这句话的核心意义所在。由于它没能意识到“女性”这层意思，就只能再次使用“科学家”这个词，因此没有理解整句话的意思。就像前面的法语例子一样，“谷歌翻译”完全不理解，这段德文的中心意思是要比较男性学者和女性学者的不同境况。
frage）的正确翻译吗？显然，它没能呈现出原文的意思——甚至完全挨不上边。它只是随意地将德语词汇翻成了英语词汇。这样的结果可以被贴上“翻译”的标签吗？
这个句子的后半部分同样是错译的。最后6个德语词汇的字面意思是，“没有更多的共识了”，或者更直白一点，“这就是人们达成的最大共识了”。然而，“谷歌翻译”却将这句意思很明确的话翻成了“几乎没有了”。作为人类的我们可能会问“几乎没有什么了？”但翻译机器是不会关心这个问题的。“谷歌翻译”对于语境完全不理解，因此它甚至不能回答看上去很简单的问题。翻译引擎不能想象数量的大小或者事物的数量。它只是把数字翻出来，并没有意识到这些数字象征了某些事物。
人类有着丰富的人生阅历，也能赋予语言以意义，因此很难察觉到“谷歌翻译”呈现在屏幕上的文字是漏洞百出的。人们几乎会不假思索地认为，一款能如此流畅地翻译语言的软件一定能够理解文字的含义。这种典型的幻觉与人工智能有关，被称为“伊莉莎效应”（ELIZA
effect），它迷幻了人们的双眼，让人们误以为机器可以理解英语。时光回到1960年代，研究人员设计了一个被称为“伊莉莎”的虚假的语言机器人，并把它假扮成了一个精神治疗师。“伊莉莎”让每一个与它打过交道的人产生了一种奇怪的感觉：它能够深刻理解人们心灵深处的感受。
几十年来，颇有见识的人们——甚至一些人工智能的研究人员——也陷入了“伊莉莎效应”。为了确保我的读者避开这一陷阱，让我从前面的段落中引用一些词组——也即是，“‘谷歌翻译’没有理解能力”，“它不能意识到”，“‘谷歌翻译’没有最起码的想法”。然而悖论之处在于，这些词组一直在说“谷歌翻译”欠缺理解力，而这同时又意味着，它至少在有些时候应该具备理解一个单词、一个词组或一句话的含义或所指事物的能力。但事实并非如此。“谷歌翻译”绕开或回避了对语言的理解。
对我而言，“翻译”这个词散发着神秘而振奋的光芒。它代表了一种深刻的人类艺术形式，能够优雅地将用语言A表达的清晰思想转化成用语言B表达的清晰思想。而这种转化的桥梁不仅仅要确保清晰性，还要呈现出原作者的品味、癖好和写作风格。
当我在做翻译的时候，我首先会仔细阅读原文，尽可能准确理解文中的内容，让它们在我脑海中来回酝酿。这不是说让原文中的词句来回酝酿，而是让原文中的思想激荡起其他相关的思想，从而在我脑海中创造出与这些场景相关的美妙光环。
不消说，这些光环大多是无意识的。只有当这种光环在我脑海中被成功激发出来时，我才会试图去用另一种语言将它表达出来——让它“喷薄而出”。我希望能用语言B将那种光环表达出来。
简而言之，我并不是简单地将语言A中的单词和词组转化成语言B中的单词和词组，而是要在无意识中将图像、场景、思想呈现出来，发掘出我自己的人生经历（或者读过的书籍、看过的电影、朋友的教诲），只有当这些非语言的、想象的、体验的、心灵的“光环”被感受到的时候——只有当晦暗不明的意义泡沫漂浮在我脑海中时——我才会开始用另一种语言来书写词汇和语句，然后，修改，修改，再修改。这一通过理解语言来实现的过程似乎显得过于笨拙。
事实上，跟“谷歌翻译”2、3秒就能翻出一个页面的速度相比，情况的确如此——但这正是严肃的人类译者应该做的事情。每当我听到那个令人亢奋的术语“深度心智”（deep mind）时，我所想到的正是上述场景。
现在，我要转向对中文翻译的测试，这对深度学习软件的挑战比前两种欧洲语言要大得多。我的测试材料来自令人温暖的回忆录《我们仨》，作者是中国剧作家和翻译家杨绛，她刚去世没几年，享年104岁。该书讲述了她、她的丈夫钱钟书（也是一个小说家和翻译家）和她女儿跌宕起伏的人生。这本书的文字并不晦涩，但中文用语很规范。我选择了其中一小段，让“谷歌翻译”来完成。以下是翻译结果和我自己的翻译（已经过母语为中文的人的审校）：
钟书到清华工作一年后，调任毛选翻译委员会的工作，住在城里，周末回校。他仍兼管研究生。
毛选翻译委员会的领导是徐永煐同志。介绍钟书做这份工作的是清华同学乔冠华同志。
事定之日，晚饭后，有一位旧友特雇黄包车从城里赶来祝贺。客去后，钟书惶恐地对我说：
他以为我要做“南书房行走”了。这件事不是好做的，不求有功，但求无过。
我将简要指出一些谬误之处。
首先，“谷歌翻译”完全没有提到“钟书”这个名字，而它在原文中出现过3次。翻译机器首先用了代词“他”，然后又用了“这本书”（the book），接着又说“惶恐的书在书中”（the book of fear in the book）。你就去猜是什么意思吧！
第二处谬误是，第一段文字说得很清楚，钟书仍然兼管研究生，而“谷歌翻译”却把钟书翻成了研究生。
第三处谬误是关于“毛选翻译委员会”，毛泽东主席的“东”字被省掉了。
第四处谬误是，“永煐”这个名字被译成了“Yongjian”。
第五处谬误是，“客去后”被翻成了“客要走”。
第六处谬误是，最后一句话完全不知所云。好吧，这六处错误已经能让“谷歌翻译”够喝一壶的了，不过我们完全可以不用在意这些错误。现在，我将集中探讨一个令人费解的词组——最后一段话中由5个单词组成的、用引号标注的词组（“南书房行走”）。如果逐字翻译，这个词组可以被译作“south book room go
walk”，但这种大杂烩显然是难以理解的，尤其是考虑到文中的语境，它肯定是一个名词。“谷歌翻译”给出的结果是“South study walking”，但仍然词不达意。
我得承认，刚开始我也不知道这个中文词组是什么意思。尽管从字面上看它的意思似乎是，在某栋建筑的南边学习的时候移动自己的脚步。我知道，这种理解肯定是错的，不符合语境。为了翻译它，我不得不去了解我并不太熟悉的中国文化。我该寻求谁的帮助呢？谷歌啊！（但不是“谷歌翻译”。）我将这几个中文单词连同引号输入谷歌搜索框，然后让引擎自己去搜索。很快，一堆中文网页跳了出来，我痛苦地在前两个网页呈现的中文语句中搜寻，想要搞明白这个词组究竟是什么意思。
我发现，这个词要追溯到清朝（年），专指辅助皇帝的知识分子，他们的责任是帮助皇帝（在皇宫的南书房）起草漂亮的官方文件。“行走”这个词实际上意指“辅助”。因此，根据谷歌搜索提供的信息，我把这个词组翻译成了“South Study special
aide”。显然，“谷歌翻译”没能像我一样好好利用谷歌搜索，这真是太糟糕不过了，不是吗？尽管“谷歌翻译”能在瞬间翻出这个词组，但它不能理解网页里的中文内容。我把我查看的中文网页信息输入“谷歌翻译”，它很快就呈现了如下结果：
这难道不是英文翻译吗？我们当然都知道，这段话是由英文单词组成的（至少绝大部分是如此），但这是否意味着它是一篇英语文章呢？在我看来，上面这段翻译不知所云，因此它不能算是英语文章，只是由英文单词拼凑而成的大杂烩——随机的词汇拼盘，毫无逻辑的乱炖。为了满足你的好奇心，我自己对这段文字做了翻译（花了我好几个小时）：
有些读者可能会怀疑，我是为了贬损“谷歌翻译”才有意选取那些难翻的文字的，而实际上“谷歌翻译”在大多数情况下的表现要好得多。这听起来有些道理，但事实上却并非如此。我从自己最近读的任意一本书中随机选取一段文字让它翻译，都会出现各种各样的错误，包括出现前面所提到的不知所云和无法理解的词组。
当然，我承认，“谷歌翻译”有时会翻出一些看上去还不赖的句子（尽管与原文的意思仍有偏差或者完全误解了原文）。一两段翻得不错的完整语句可能会让人产生幻觉：“谷歌翻译”知道自己在做什么，能够理解它所“阅读”的文字。在这种情况下，它似乎给人留下了深刻的印象——它几乎能达到人类的水平！
这样的赞美当然要归功于它的发明者和他们艰苦的工作。但与此同时，不要忘了，“谷歌翻译”是如何翻译前面那两段中文内容的，以及更前面的法语和德语段落的。要理解它为什么是失败的项目，人们需要牢记“伊莉莎效应”。百种语言引擎并没有在阅读任何东西——至少不是人类意义上“阅读”。它只是在机械处理文字。它所处理的符号与我们对这个世界的体验无关。它没有记忆可供提取，它能够快速处理文字，但这些文字对它而言没有图像、没有理解、没有意义。
一个朋友问我，“谷歌翻译”的局限是否只是大数据资源不足造成的。他认为，如果你能大幅增加数据资源，比如，数百万或数十亿个数据库，最终它就能满足你所有的翻译需求，并且还能翻得很完美。但我不这么认为。拥有更多的“大数据”不会让你更接近于获得理解力，因为理解力涉及到拥有思想，缺乏思想是今天机器学习面临的最根本的问题。因此，我敢说，更大的数据库——甚至巨大的数据库——也不能解决这个问题。
自然，这又引出了另一个问题：“谷歌翻译”对神经网络——一种试图模拟大脑的技术——的使用能让机器对语言产生理解吗？初看起来，似乎是可行的。
但“谷歌翻译”对语言的处理仍然没能超越单词和词组这样的初级层面。在庞大数据库中，所有类型的统计数据都可以被用于神经网络，但这些统计数据只是用某些词语去联接另一些词语，而不是去联接思想。它没有试图创造一种内部结构，这种结构可以被视作思想、图像、记忆、体验。这些缥缈的心智内容仍然难以用算法来创生，因此，作为一种替代品，谷歌使用了成熟而具有效率的语词聚类统计算法。然而，这种技术的效果无法等同于思想，而思想是人们在阅读、理解、创造、修改、评判作品的过程中产生的。
尽管我的看法是偏负面的，但人们对于“谷歌翻译”提供的服务还是给予了很高评价：它虽然不能很准确地把语言A翻成语言B，但的确可以在交流过程中发挥应急作用。只要被翻成语言B的文字大体上可以被理解，很多人就会对它十分满意。如果人们能明白一段外语的“基本意思”，他们就会觉得很开心。然而，在我看来，这显然不是“翻译”这个词的本义，但对有些人来说，“谷歌翻译”无疑是一个伟大的产品，它所做的工作就是翻译。
好吧，我明白这些人的需求，也理解他们的那种开心。对他们而言，这的确是一种幸运。最近，我看到有技术狂热分子制作了柱状图，号称可以比较人工翻译和机器翻译的“质量”，这些图形表明，最新版本的翻译引擎已经很接近人工翻译水平了。但是，在我看来，这是一种对无法量化的事物进行量化的伪科学，或者，你也可以认为，是一群技术呆子试图将无形的、微妙的、艺术的事物进行量化。
在我眼里，今天的“谷歌翻译”，其水准既有优秀的一面，也有搞笑的一面，而我是无法把我对它的感受进行量化的。回想一下前面提到的第一个翻译例子吧，里面涉及到“他的”和“她的”物品，没有理解能力的翻译机器几乎把这些物品都翻对了。尽管取得了这样小小的成功，但它还是没能理解整段话的意思。在这种情况下，人们应该如何量化它的工作质量呢？用看上去很科学的图表去证明翻译质量，不过是对科学方法的滥用而已。
让我回到人类译者的悲观图景：他们很快将被机器超越和淘汰，逐渐变得无所事事，从而成为翻译质量的检验者和文字的修补者。这种看法充其量只适用于平庸的译者。一个严肃艺术家的工作绝不是从对低俗破烂作品的修修补补开始的，这些破烂不可能被打造成高雅艺术。艺术不是这个样子，而翻译无疑是一门艺术。
在我多年的写作生涯中，我一直坚持认为，人类的大脑是一部机器——非常复杂的机器——我完全反对有些人的说法，说机器天然就不可能理解意义。甚至有一派哲学家声称，计算机绝不可能“理解语义”，因为它们是由“错误的材料”（硅）组成的。在我看来，这种观点是草率的胡说八道。我不想在这里深入讨论这个问题，但我也不想让读者对我留下这样一种印象：我相信计算机永远不可能拥有智力和理解力。如果我的这篇文章传递了这样一种意思，那是因为我提到的技术没有触及到人类智力的核心之处，前面所举的那些例子很清晰地表明了机器翻译的局限性。
在我看来，没有根本的理由认为，原则上机器不会在某一天学会思考、创造、搞怪、怀旧、兴奋、恐惧、高兴、沉默、期盼。进而言之，机器可以真正学会在不同语言之间进行翻译。没有根本的理由认为，机器不会在某一天成功翻译笑话、双关语、剧本、小说、诗歌，当然，还有像本文这样的文章。但是，所有这一切只有在机器拥有了类似人类的思想、情绪和体验的基础上才能实现，而这绝非近在咫尺的事情。实际上，我相信我们还有相当长的路要走。至少，这是一个一辈子对人类心智之深邃充满敬畏的人所热切希望的。
如果有一天翻译机器能翻出用诗一般的英文写出的文艺小说，并准确呈现出其中的押韵、赋格、节律、智慧、悲伤和声韵，那么我知道，是时候摘下我的帽子，向它致敬了。
[1] Pi在这里是π的谐音，代表略大于3的数字。
[2] 比如，汽车通常被认为是属于男性的物品，因此，法语就只会说“他的汽车”，而不会说“她的汽车”。毛巾通常被认为是属于女性的物品，因此，法语就只会说“她的毛巾”，而不会说“他的毛巾”。
[3] hers本来意指“她的书房”，但它没把这个意思翻出来，而是翻成了“他们”。
[4] 中文意思与原文翻成的中文大致相同。
[5] 这句法文是谷歌翻译的，作者认为它是词不达意的。
本文来自微信公众号：，作者：侯世达（DOUGLAS HOFSTADTER，美国著名认知科学家、比较文学家、翻译家，印第安纳大学认知科学和比较文学教授、著有《哥德尔、艾舍尔、巴赫：集异璧之大成》，该书获得普利策奖和美国国家图书奖），原文发表于《 THE ATLANTIC》。
*文章为作者独立观点，不代表虎嗅网立场
