6. 就中文区的研发而言，应该加强国际合作。

7. 建立共享的大型翻译记忆库，让翻译员能够共享资源。

按照Hutchins(1999)的说法，过去五十年，全自动高质量的计算机翻译技术并未取得突破，但在此基础上，计算机辅助翻译技术已经有了相当惊人的进步。

机器翻译需要巨量而琐细的知识及规则，而归纳规则的工作以往都由人来完成，耗费大量的人力也很难维持这些知识的一致性。往往在加入一些规则以改进某些句子的翻译之后，其他一些原本可以处理的句子，又变得无法处理。

像跷跷板一样，在某处将错误压下去，在别的地方又会冒出新的错误。这种现象使得系统在日趋庞大之后，变得愈来愈复杂、愈来愈难以维护及改进。这个问题是许多以传统方法设计的机器翻译系统最后无法突破瓶颈的原因。

目前，比较有希望是“以语料库为基础、以统计为导向”的方法（Corpus-based,Statistics-oriented Approach)。这种方法是先建构一个大型的语料库，然后由人工设计一些语言模式（Language Model）及语言使用模式（Language Using Model)。这些模式由许多参数来规范，而参数值的设定则是由计算机从语料库中自动学习。这种方法将获取知识(Knowledge Acquisition)的重担从人转移到计算机，由计算机去获取及管理这一大堆参数。因为计算机每次在学习并获取这些参数时，会同时考虑这个语料库中所有的信息，因此可以避免前后不一致问题及跷跷板问题。同时，在每次加人新的语料或是处理一个新的领域时，计算机只要重新学一次即可。简言之，未来的机器翻译系统将会逐渐强调：（1）参数化的模式；（2）以语料为基础，以统计为工具，建构在高层语言知识上的语言模式；（3）一致性的歧义解决方式与客观的评分机制；（4）强化鉴别力及强健性的自动学习策略；（5）双向式的系统设计；(6)根据用户需求调整系统行为的回馈控制功能。

过去十年，计算机翻译系统和计算机辅助翻译工具的销售和应用迅猛发展，出现了许多令人振奋的研究和应用成果。从目前市场上的几种主流软件的大概情况就可以看出，计算机辅助翻译的前景还是光明的。

责任编辑：admin