隨著經(jīng)濟全球化的發(fā)展，國際知識產(chǎn)權(quán)戰(zhàn)略的重要性日益突顯。我們不僅要將日本國內(nèi)的專利信息傳遞給全世界，還要把握世界其他國家的專利申請情報。各類專利文獻的精確翻譯不可或缺，專利文獻的翻譯量也由此猛增。然而，傳統(tǒng)人力翻譯在成本和速度方面的弊端使得其難以勝任海量翻譯的重任。為解決這一難題，人們將目光移向了機器翻譯。

2019年5月，日本專利廳專利信息公開平臺開始啟用全新“機器翻譯系統(tǒng)”，該機器翻譯系統(tǒng)采用強大的機器翻譯引擎。這一引擎由日本情報通信研究機構(gòu)（以下簡稱“NICT”）主導研發(fā)，東芝數(shù)字解決方案株式會社長期積累的自然語言處理技術(shù)也給予了支持。

為實現(xiàn)快速、準確、自然的翻譯目標――在開發(fā)過程中，只有將人工智能的快速學習與技術(shù)人員的知識經(jīng)驗融合在一起，才能突破重重技術(shù)難關(guān)。

東芝數(shù)字解決方案株式會社　ICT解決方案事業(yè)部 政府部門解決方案技術(shù)第二部　三宅悠紀子
信息通信研究機構(gòu)（NICT）高級語音翻譯研究開發(fā)推進中心 副主任 隅田英一郎
日本專利廳 總務部總務科專利信息室 主任助理 目黑光司
東芝數(shù)字解決方案株式會社　ICT解決方案事業(yè)部 政府部門營業(yè)第四部 西本俊之

一、混合型機器翻譯 讓專利文獻翻譯工作更簡單

在保護日本科技成果，促進科技創(chuàng)新方面，專利審查工作發(fā)揮著極其重要的作用。專利審查員在審查專利過程中，需要查明新技術(shù)與現(xiàn)有技術(shù)之間的區(qū)別，并合理設(shè)定專利權(quán)。

日本專利廳總務部信息室主任助理——目黑光司先生參與了機器翻譯項目的全過程，包括系統(tǒng)采購到實施監(jiān)測。據(jù)他講，日本專利廳的使命是“執(zhí)行全球最快、最高質(zhì)量的審查工作”。

“我們專利廳的業(yè)務工作主要分兩大塊：一、調(diào)查海量增長的國外專利技術(shù)文獻；二、將審查結(jié)果發(fā)送到國外，幫助日本企業(yè)順利取得國外專利授權(quán)?！保亢冢?/p>

“為完成這些業(yè)務，我們必須將日語審查結(jié)果翻譯成英語，并將世界各國的專利文獻翻譯成日語。在此需求上，我們更新了專利信息平臺（J-PlatPat），并著手構(gòu)建新型機器翻譯系統(tǒng)。為實現(xiàn)“全球最快、最高質(zhì)量審查”的目標，新型機器翻譯系統(tǒng)中翻譯速度和翻譯品質(zhì)是最重要的兩點。

全球?qū)＠暾垟?shù)量變化統(tǒng)計

通過公開競標，東芝數(shù)字解決方案株式會社（東芝集團旗下公司，主要業(yè)務是采用系統(tǒng)集成、人工智能和物聯(lián)網(wǎng)等手段，為用戶提供服務解決方案）成功拿下這筆訂單。該公司的西本俊之和三宅悠紀子參與了從招標、提案到正式發(fā)布的全過程，西本俊之擔任營業(yè)負責人，三宅悠紀子擔任翻譯品質(zhì)的技術(shù)負責人。

“東芝長期致力于機器翻譯技術(shù)開發(fā)工作。主要采用基于規(guī)則的機器翻譯引擎¹（以下簡稱RBMT）。針對此次中標的機器翻譯系統(tǒng)項目，我們首先考慮的是，要與現(xiàn)有開發(fā)成果銜接起來。因此，我們采用了RBMT提案。然而，在即將采購之時，我們發(fā)現(xiàn)RBMT不能達到翻譯質(zhì)量要求，到底是什么原因呢？……我們甚至考慮過放棄這一提案。我無意中想起曾經(jīng)與NICT合作的往事，當時，NICT將翻譯引擎技術(shù)轉(zhuǎn)讓給了我們，我還特地去拜訪了隅田先生?！保ㄎ鞅荆?br>1 基于規(guī)則的機器翻譯引擎：基于辭典和語法知識的機器翻譯。此外，還有基于海量對譯數(shù)據(jù)（雙語對照格式數(shù)據(jù)）的統(tǒng)計機器翻譯、基于深度學習技術(shù)的神經(jīng)機器翻譯。

NICT在專利文件機器翻譯領(lǐng)域的研究成果頗豐，且與日本專利廳保持著良好的合作關(guān)系。除此以外，NICT還擁有數(shù)億條世界最大的專利文獻數(shù)據(jù)對譯，并依托海量對譯數(shù)據(jù)開發(fā)了先進的神經(jīng)機器翻譯系統(tǒng)（以下簡稱“NMT”）。NICT科研負責人——隅田欣然接受了西本的咨詢請求，兩人開始就技術(shù)轉(zhuǎn)讓問題進行交流。

“為了普及翻譯技術(shù)，NICT一向?qū)ν馓峁┍狙芯克_發(fā)的翻譯引擎和程序。雖說這是NICT的使命，但并不代表我們可以向任何企業(yè)轉(zhuǎn)讓翻譯技術(shù)。接受技術(shù)轉(zhuǎn)讓的企業(yè)必須有堅實的技術(shù)后盾作為保障，否則，我們苦心研發(fā)的翻譯技術(shù)將無法得到普及。

在這方面，東芝擁有豐富的機器翻譯開發(fā)經(jīng)驗，而我們在統(tǒng)計機器翻譯（以下簡稱“SMT”）技術(shù)轉(zhuǎn)讓方面亦擁有眾多實際案例。關(guān)于專利領(lǐng)域機器翻譯技術(shù)轉(zhuǎn)讓問題的討論，我當然愿意參與?！保ㄓ缣铮?/p>

東芝部分翻譯引擎介紹
2 BLEU值：將正確譯文與機器翻譯結(jié)果進行比較，根據(jù)相似度對翻譯質(zhì)量進行評估的指標。得分從0%到100%。得分越高，翻譯質(zhì)量越高。

首先，東芝團隊列出了翻譯引擎?zhèn)溥x名單，其中包括RBMT、SMT、NMT等7種翻譯引擎，再征求NICT方面的意見和建議，選出最適合專利文檔的翻譯引擎。

“使用各個引擎翻譯1000多個文檔，評估每種引擎的精度以及在文章翻譯方面的優(yōu)點和缺點。只有自己親眼查看和對比這些翻譯結(jié)果，才能夠選出最佳方案?！保ㄎ鞅荆?/p>

“隨著招標提案工作的推進，為了實現(xiàn)精準自然的翻譯效果，我們不斷優(yōu)化機器翻譯系統(tǒng)。

比如，RBMT適用于文檔前半部分和最尾端，NMT適用于文檔中間部分?；谶@種情況，要實現(xiàn)高質(zhì)量專利文檔翻譯，需要構(gòu)建復雜的翻譯引擎。事實證明，全部使用單一翻譯引擎，是無法確保翻譯質(zhì)量的?！保ㄈ?/p>

每種引擎翻譯1000多個文檔，每個文檔的翻譯稿件都需要仔細檢查。通過這種笨拙的測試方法，我們最終發(fā)現(xiàn)：以NMT為主，合理使用RBMT和SMT的混合型翻譯引擎是最佳選擇。對于翻譯前后的處理工作，我們認為采用東芝長期積累的自然語言處理技術(shù)更合適。這樣一來，既引入了最先進的NICT引擎，又能發(fā)揮出東芝在機器翻譯領(lǐng)域的優(yōu)勢。

二、升級機器翻譯機制 解決長篇翻譯難題

經(jīng)過不懈努力，2018年4月，東芝數(shù)字解決方案株式會社在公開競標中成功拿下機器翻譯系統(tǒng)訂單。以實現(xiàn)1年1個月后——2019年5月系統(tǒng)啟動為目標，開始了開發(fā)工作。為了達到理想的翻譯效果，公司成立了兩個團隊，分別負責翻譯質(zhì)量和翻譯速度。

“我們要求的不僅僅是翻譯的質(zhì)量和速度，價格、成本等方面也必須通過評估。東芝數(shù)字解決方案株式會社不只使用最新的NMT翻譯引擎，還構(gòu)建了完善的引擎支持系統(tǒng)，以確保翻譯引擎穩(wěn)定運行。

我們對機器翻譯系統(tǒng)提出的要求是：不僅要保證翻譯質(zhì)量，還必須適用于專利信息平臺。顯然，逐句翻譯無法滿足要求，文章以幾頁為單位傳給機器翻譯系統(tǒng)，由翻譯系統(tǒng)進行文檔分割，再并行進行翻譯?！保亢冢?/p>

“一般來說，機器翻譯不擅長翻譯長句，句子越長，需要處理的時間就越多。使用預處理進行長句分割方法，能夠提高翻譯質(zhì)量。機器翻譯系統(tǒng)首先用RBMT對日語長句結(jié)構(gòu)進行分析，在長句中的意思轉(zhuǎn)折位置做標記。再將完成分割標記的文檔傳送到NICT的NMT中。這種無縫協(xié)作確保了翻譯速度和翻譯質(zhì)量?！保ㄎ鞅荆?/p>

在專利文檔中，當一個長句被分成一行一句后，句子之間往往會夾雜一些無用的字符，比如：頁碼等。

機器翻譯長句分割示例

“人工智能目前仍無法合并或分割句子。為了從細節(jié)方面提高整體翻譯質(zhì)量，必須先進行‘文章結(jié)構(gòu)分析’。深入分析文章結(jié)構(gòu)的語言處理工作正需要東芝來完成。”（目黑）

三宅女士回顧項目時說：“毫無疑問，文章結(jié)構(gòu)分析是本項目的重點之一”。比如，在翻譯系統(tǒng)構(gòu)建過程中，出現(xiàn)了一個奇怪的翻譯結(jié)果，就是“Sunrise”（日出）這個單詞，這個單詞與專利內(nèi)容毫不相干。對此，我們感到非常困惑，經(jīng)過調(diào)查，原因出乎所有人意料。

“專利文件經(jīng)常遇到下圖這種格式。由于前后兩段緊連在一起，變成了‘日出’這個詞，翻譯引擎順勢將其翻譯成‘Sunrise’。為消除這種錯譯，結(jié)構(gòu)解析時需要進行數(shù)百個處理。而且這種錯誤只能通過目視檢查的方式發(fā)現(xiàn)。一次分析就需要通讀200多份翻譯文檔，這依靠的是不畏艱辛的精神及巨大的體力投入?！保ㄈ?/p>

機器翻譯錯誤示例

在科技方面的專利文獻中，還可能會出現(xiàn)化學式和DNA序列。字母和數(shù)字羅列是導致誤譯的原因之一。事實上，NMT并不擅長準確翻譯這類字符串，經(jīng)常會出現(xiàn)“漏譯”和“冗余”（生成無關(guān)字符串）的情況。對此，三宅女士等人采用了“無需翻譯”的方式。具體機制是：從輸入的句子中識別出字符串，例如：化學公式和DNA序列等，先使用引擎翻譯字符串以外的部分，然后將翻譯結(jié)果與字符串合并，輸出最終的翻譯結(jié)果。這樣一來，就避免了NMT特有的錯譯問題。

“與RBMT相比，NMT和SMT的翻譯質(zhì)量更高，計算量也更大，因此需要更多的處理時間。以往，翻譯專利等長篇文檔至少需要30分鐘。此次開發(fā)的翻譯系統(tǒng)是面向瀏覽網(wǎng)頁的用戶，需要提供實時在線翻譯，不能讓用戶在電腦前等待30分鐘。為提高翻譯速度，東芝團隊經(jīng)過反復試錯、調(diào)整，終于達到了滿意的翻譯速度?！保ㄎ鞅荆?/p>

三、持續(xù)優(yōu)化機器翻譯 開發(fā)多語種翻譯系統(tǒng)

2019年5月，東芝推出日英翻譯功能。專利信息平臺（J-PlatPat）正式啟用文檔及日本專利公報的日英翻譯功能。國外專利審查員參考日本審查結(jié)果，日本人申請國外專利，翻譯專利參考文件時，都可以使用此項翻譯功能。

“我們進行了多種測試，比如平時不大可能有的大翻譯量的測試，不留任何小瑕疵，最終迎來了正式發(fā)布的時刻。剛剛發(fā)布后，我們就接到了用戶打來的電話，用戶反饋說：‘這么高的翻譯質(zhì)量令我十分驚訝’。這種反饋是極為難得的，充分證明了翻譯準確度已得到顯著提升。目前，該項目仍將持續(xù)進行中，我們將會進一步提升翻譯質(zhì)量和系統(tǒng)配置，以便處理更多語種，我非常有信心完成后半程的開發(fā)工作。”（目黑）

“難得有機會了解到普通用戶的反饋，我真的非常高興。尤其感謝目黑先生以及專利廳的其他員工，向我們提出了很多寶貴意見。讓我深有感觸的是，專利廳、NICT、東芝數(shù)字解決方案株式會社能作為一個團隊，攜手并肩，朝著提高翻譯質(zhì)量和速度的共同目標，不斷前行?！保ㄈ?/p>

“目前，我們正在開發(fā)中日和韓日翻譯功能，我們的目標是在2020年4月正式發(fā)布機器翻譯系統(tǒng)。在翻譯引擎技術(shù)方面，我們向NICT的隅田先生反饋各種問題，并及時進行調(diào)整，同時，我們的應用程序也在持續(xù)改善中。目前，機器翻譯的最終服務模式和理想形態(tài)還尚不明朗。我希望借助本項目獲取的知識經(jīng)驗，開發(fā)出能夠滿足政府機關(guān)、研究機構(gòu)、企業(yè)翻譯需求的解決方案”（西本）

“東芝開發(fā)的機器翻譯系統(tǒng)在對安全性有要求的操作環(huán)境下也能正常工作，未來有望向其它領(lǐng)域拓展，比如：政府機關(guān)、以及制藥、金融、汽車等安全性要求高行業(yè)，而且，這些行業(yè)的對譯數(shù)據(jù)已經(jīng)非常豐富。NICT表示，希望在高精度引擎技術(shù)轉(zhuǎn)讓方面，繼續(xù)與東芝開展合作。”（隅田）

專利廳發(fā)布的“全球最快、最高質(zhì)量”的審查支持系統(tǒng)是NICT和東芝的共同努力的結(jié)果，NICT的先進翻譯引擎技術(shù)與東芝的自然語言處理技術(shù)堪稱完美搭檔。不斷鞏固和發(fā)展這種合作伙伴關(guān)系,持續(xù)開發(fā)語言翻譯系統(tǒng)，這讓我們得以窺見機器翻譯的未來。東芝一直致力于創(chuàng)新研發(fā)高科技產(chǎn)品，希望與不同行業(yè)的尖端科技型企業(yè)共同努力，碰撞火花，點亮未來無限可能。