陆先生于2013年颁发过一篇议论翻译本领的漫笔。文中指出，翻译要考究保证“奔腾”取“到达”，即奔腾源语言取目标语言之间的文化隔膜，精确到达目标语言中相应文化气场中的阿谁“着陆点”。由于分歧的待译文本具有各自的文化气场，所以译者就要依据语境的转变机警地挑选最适当的“奔腾线路”，正在译文生成进程的终端实现最顺当的“文化软着陆”。

　　陆老师举过一个案例，来阐明这类“奔腾”取“到达”。某出版社曾征询陆老师，如作甚一篇标题问题为《租界》的中文小说，安上一个就绪妥当的英文标题问题。直译当然是“The Concession”，但陆老师读完小说发明，作者说的是产生正在旧上海法租界的故事，所以就译为了“IntheFrenchConcession”，并用“in”强调了租界自己只是故事产生的场合，而非小说的真正描写工具。而后，出版社又改了主张，以为标题问题应该换成小说主人公的名字，即“中国排骨”。这又怎样译成英文呢？陆老师以为，若直接译为“Chineseribs”，洋人肯定会误认为这是菜谱，而“排骨”正在汉语语境中所具有的“柔弱清秀”意义就齐丢净了。也许其意义更接近于“BonyGreen Knight”吧，但此词带有中世纪颜色，安排到小资味浓烈的上海租界语境中，有点关公战秦琼的违和感了；翻译为“BonyShe-Man”则女儿态过浓。凭据陆老师的描写，他就像直升机一样正在作为工具言语的英语领地上空回旋扭转，为探求一处最好的着陆点而省心烦神。

　　可见，面临此类高度庞杂的翻译义务，译者须要支出极大的心智尽力才有也许显现信、达、雅的译作。其间的脑力支出，有时甚会至远远超越用母语开展思惟原创。面临如斯艰难的脑力义务，干人工智能研讨的工程师也许会“异想天开”：借使倘使可以凭据陆师长教师的翻译精力体例一种法式，让机械主动开展文本翻译，该有多好啊？

　　凡事皆是“说易行难”。现有机器翻译的主流思绪，分为“标记进路”取“统计进路”两种。很可惜，这两种进路皆没法忠实地落实关于“奔腾取到达”的翻译经验谈。

　　先来看“标记进路”。按此进路，正在机器翻译中能够先做一个巨型双语语料库，并凭仗现有的双语翻译辞书，搭架起一座桥梁。更精密的建模事情，乃至还请求对个体辞汇举行语义框架构建。比方，“排骨”这词的框架，就自带有取诸如“猪皮”“高汤”“蹄髈”之类辞汇相干的推理干系表征。如许，体系一旦触发一个特定辞汇，就会构成取之相干的语义框架，并由此使得一些简朴的语义推理成为可能。

　　然而，关于“标记进路”的机器翻译途径来讲，须要编程员预先对大批双语语料对应干系及各个辞汇本身的语义框架举行建模。事情的烦琐度就不提了，其不灵活性更是一个致命伤。详细来讲，信息再完备的此类体系，还很难对前面提到的“中国排骨”如许怪僻的词语举行正确的信息解码。一般状态下，若过错整部小说有必然理解，生怕就只会被译为“Chineseribs”如许的菜名了。可是，关于现有的翻译体系来讲，对整部待译小说举行“宏观掌握”，却是一个几近不太可能完成的义务。

　　再来看统计学机器翻译途径。它是由所谓“深度进修”体系来实现的。概而言之，“深度进修”是一个升级版的人工神经元网络体系。其根本事情道理是，正在亚标记层面大将语义工具剖析为一个庞大的特性簇，然后经过神经元网络的多层次加工，从中逐层将高阶语义从新组织出来。照此进路，一个诸如“排骨”如许的辞汇，其原始形态只有数学特性、没有语义特性。因为许可体系对语义类似干系作出含糊处置惩罚，因而其灵活性显然凌驾“标记进路”体系。

　　不外，取陆师长教师的翻译聪慧相比，“深度进修”网络的火候还差得远。且不提此类体系的运转所须要耗损的大批较量争论资源，光正在一个问题上就完败了：它必须有大批的训练样本，以赞助其正在一类源语言辞汇取另一类目标语言辞汇之间预先搭建起大抵的相干性关系簇；然后，它才能够依循成例，探索出取之比拟靠近的“逾越体式格局”。可是，像陆师长教师那样开展创造性“逾越”的大手腕，此类体系仍是学不来的。

　　这是没有是意味着陆老师的翻译聪明，任何机械皆没法摹仿呢？我固然还没有这么灰心。现有的机械翻译进路之所以有题目，与其说是因为超等人工智能没有靠谱，还没有如说是业内人士太满足于玩弄工程学层面上的“奇技淫巧”了，没有爱琢磨学理层面上的笼统题目。

　　考虑这一点，机器翻译就不适宜作为一个独自的研讨项目“大智大勇”，而应当做为人工感知、类比推理机制等相干领域内的研讨成果的衍生产物。这一条新进路，在国际上普通被称为“通用人工智能”。或说得更浅显一点，按此新进路，人工智能专家与其仿照陆老师的资深翻译才能，还不如先去仿照陆老师咿呀学语时的“通用智力”，然后再求日趋精进。此路看似崎岖，事实上才是人工智能研讨之“正道”。