机器翻译
Parent: ai_keywords
核心定义
机器翻译（Machine Translation, MT）指利用计算机算法自动将源语言文本转换为目标语言文本的过程。其核心在于通过统计模型或神经网络学习语言间的映射规律，实现跨语言语义等价转换。现代MT已从早期的基于规则方法演进至以Transformer架构为核心的神经机器翻译（NMT），成为自然语言处理（NLP）的典范技术。
关键技术点
- 编码器-解码器架构：以Seq2Seq为基础，编码器将源语言句子编码为上下文向量，解码器逐词生成目标语言。注意力机制的引入使其能动态对齐源句各部分，缓解长距离依赖问题。
- Transformer与自注意力：完全基于自注意力机制，摒弃循环网络，通过多头注意力并行捕获全局依赖，显著提升训练效率与译文流畅度。当前主流MT系统（如Google Translate）均基于此。
- 子词分词：解决未登录词问题，将词拆分为Byte-Pair Encoding（BPE）或Unigram子词单元，保证词汇表紧凑且覆盖稀有词汇。
- 评估指标：BLEU（双语评估替补）通过n-gram精确匹配衡量译文与参考的相似度；更先进的COMET、BLEURT等基于预训练语言模型，评估语义忠实度。
- 领域适应与低资源翻译：通过迁移学习、回译或联合训练（如多语言模型mBART）在缺乏平行语料时可实现零样本翻译。
医学/神经科学应用场景
在首都医科大学附属宣武医院神经病学研究中，机器翻译被创新性用于失语症患者的跨语言康复训练。脑卒中后Broca区受损常导致表达性失语，患者虽能理解母语但难以输出。研究团队利用NMT对齐脑电（EEG）特征与目标语言语义：采集患者想象“说”某词时的高密度脑电信号，经EEG-Transformer编码为伪语义向量，再通过条件翻译模型将其解码为英语或普通话文本，结合视觉反馈刺激神经可塑性。此外，针对癫痫术前语言功能定位，MT辅助汉语-英语跨模态命名任务，通过双语语义切换诱发P600/N400电位，以神经振荡同步性精确定位语言优势半球。这种融合降低了对患者语言输出的要求，为神经康复提供自适应、多语言的计算神经接口。
