自然语言处理最大的难处，在于自然语言本身相当复杂，会不停变迁，常有新词及新的用法加入，而且例外繁多。因此机器翻译遇到的主要问题，可以归纳为两大项：（1）文句中歧义（Ambiguity）；（2）语法不合设定（Ill-formedness）现象。自然语言的语法和语意中，不时会出现歧义和不明确之处，需依靠其他的信息加以判断。这些所谓的“其他信息”，有些来自上下文（包括同一个句子或前后的句子），也有些是来自是阅读文字的人之间共有的背景知识。以下将分别说明这两项问题。

3.1. 歧义

所谓歧义，就是一个句子可以有许多不同的可能解释。很多时候我们对歧义的出现浑然不觉。例如“The farmer’s wife sold the cow because she needed money.”这个句子，一般人都可以正确指出此处的“she”代表的是“wife”，但是在句法上，“she”指的也可能是“cow”。虽然人类依照常识能判断出正确的句意，但是对于依照文法规则来理解句子的电脑来说，这是一个含有歧义的句子。

在分析句子时，几乎在每一个层次上（如断词、句法分析、语意分析等），都有可能出现歧义。单字的解释往往会因前后的文字而异。此外，判断句子真义时需要的线索，也可能来自不同的范围。下面这三个句子在单字的字义判断上虽有歧义，但仅依靠句子的其他部分，即可得到进行判断所需的充分信息：

• Please turn on the light.
• Please turn the light on.
• Please turn the light on the table to the right direction.

第一句和第二句很明显，句中的动词就是可分动词片语turn on，因此我们可以轻易判断出第二句句末的 on是动词片语turn on的一部分。但是在开头与第二句完全相同的第三句中，同样位置的on却是介系词片语on the table的一部分，与turn完全无关。由此可知，一个字在句子中扮演的角色，必须要参考完整的信息后才能确定。

但有的句子若是抽离上下文单独来看，则无法判定确切的句意。例如下面两个句子：

• 他這個人谁都不相信。
• I saw the boy in the park with a telescope.

第一个句子，说的究竟是“他这个人不相信任何人”，还是“任何人都不相信他”？第二个句子，说的究竟是“我用望远镜看到一个男孩在公园里”、“我看到一个男孩带着望远镜在公园里”、“我在公园里用望远镜看到一个男孩”还是“我在公园里看到一个男孩带着望远镜”？若是没有上下文的信息，应该没有人可以确定。

还有些句子，甚至需要用到文章当中没有明言的信息。它们虽然没有形诸文字，但读者仍然可依循背景知识，察知文句应有的涵义。以下面这两个句子为例：

• The mother with babies under four is ......
• The mother with babies under forty is ......

两个句子的句法完全相同，差别仅有“four”和“forty”一字。但是读者却可轻易的了解，第一个句子的“four”是用来修饰“baby”，而第二个句子的“forty”是用来修饰“mother”。读者之所以能下意识地判断出正确答案，凭借的不只是文字的字面意义和语法，还要再加上生活在人类社会中的常识，了解“baby”和“mother”的合理年龄范围。而这种“常识”，正好就是电脑最欠缺，也最难学会的部分。

我们在征求译者时，通常会要求译者对稿件涉及的专业领域拥有一定的素养，为的就是避免在这种“常识”问题上出错。这并不是一本专有名词字典可以解决的。就像上面所举的例子一样，字典并不会列出四岁以下的人不可能是母亲，那是读者早该知道的。机器翻译势必要面对的难题之一，就是如何让电脑得到或学习这些“常识”。我们必须能够用电脑可以理解的方式，把知识呈现出来，包括一般性的常识，和特殊领域的专业知识。

由于在分析过程中，一般是依循断词、语法分析、语意分析等程序进行。但往往在做前一步骤时，就需要后面尚未执行之步骤所产生的信息。例如在断词时，常常也需要使用句法及语意的信息来协助判断。因此在机器翻译的过程中，若采用线性流水式的处理程序（Pipelined Architecture），则前面的模块经常无法作出确定性的（Deterministic）判断，而须尽量多保留候选者，让后面的模块处理。因此，最终判断的时机应尽量延后，待累积足够信息后，再决定要使用的译法。这样才不会在信息尚未完整的时候，就把正确的译法排除到考虑范围之外。

3.2. 不合设定的语法

另外，虽然所有的语言都有语法，但一般我们所谓的语法，其实是一些语言学家，针对目前拥有的语料，所归纳出的一些规则。这些规则不见得完整，往往也有许多例外。再加上语言是一直在变迁的，因此我们无法要求语言的使用者，每字每句都合乎这些人订定的文法，自然也难以避免这些状况发生在我们所要处理的翻译稿件中。这些不合设定语法的例子包括不明的字汇，如拼错的字或新产生的专有名词，和旧有字汇的新用法。例如“Please xerox a copy for me.”这样的句子，即将复印机大厂Xerox的公司名称当作动词“复印”来使用。

这些状况有些来自于单纯的疏失，例如错字、漏字、赘字、转档或传输时产生的乱码，或是不慎混入的标签（tag），也有些是已经获得接受的新字汇和新语法。理想的机器翻译系统，必须能够适当地处理这些不合设定语法的问题。

除了字汇以外，在语句的层次也有可能出现不合文法的情形。例如“Which one？”之类的短句，在句法层次违反了传统的英文文法，因为句中没有动词，不合乎许多文法课本对句子的定义。而“My car drinks gasoline like water.”这样的句子，也违反了一般认为动词“drink”的主词必须是生物的设定。

（四）解决方法

欲解决上述的歧义或语法不合设定问题，在在需要大量且琐碎的知识。这些大量知识的呈现、管理、整合以及获取，将是建立机器翻译系统时的最大挑战。我们不但要将这些包含在语言学之内（intra-linguistic）、跨语言学的（inter-linguistic），以及超乎语言学之外（extra-linguistic）的知识抽取、表达出来，用以解决上述的语法错误和歧义问题，还要维护这个庞大的知识库。

此外，由上文可知，光是依靠专业领域的字典，仍然无法解决各领域的特殊问题。我们真正需要的，是各相关领域的专业知识。因此，我们要建立的知识库必须包罗万象，涵盖各领域、各层面的知识。这些知识不但范围广大，而且杂乱琐碎，要将它建立完善，本身就是一项艰巨的工作。事实上，知识的取得是机器翻译系统开发上最大的瓶颈。也因此，若要解决机器翻译的问题，一定要有成本合宜且全面性的知识获取方式，并兼顾多人合建系统时的一致性（Consistency）问题。

通常知识的获取方式，和我们表现知识的方式有很大的关联。表现知识的方式可以有不同的形式。例如一般的英文常识告诉我们，冠词后面不会出现动词。要表现这项知识，我们可以使用条列式的规则：“若某字是冠词，则下一个字不可能是动词”，也可以使用机率式的描述：“若某字是冠词，则下一个字是动词的机率为零”。这两种不同的知识表达方式，会衍生出以下两种不同的机器翻译策略。当然除此之外，常用的还有储存大量例句的例句式（Example-Based）系统，将不在此详述。有兴趣的读者，可自行查阅等相关文献。

4.1. 规则库方式

规则库系统系由事先以人力建立好的大量规则所构成。进行翻译的时候，电脑即依据这些规则，进行是与否的二择判断，以决定分析、转换和生成步骤中，最后被标明的答案。这种作法也是早期大多数机器翻译系统所采行的作法。

规则库方式的优点在于贴近人类的直觉，因此容易了解，而且可以直接承袭现有的语言学知识和理论，充分运用前人研究的结果。相较于下文中提及的参数化方式，规则库方式耗用的电脑硬件资源也比较少。但是相对的，规则库方式也有它的缺点。规则库系统是一连串是与否的二择，但是自然语言中却处处可以见到违反规则的例外。因此，当遇到复杂且较无规律的状况时，规则库方式往往就需要引用大量繁琐的规则来处理。但规则的总数越多，维护起来就越困难。而且只要出现少部分无法精确区隔的例外情况，就会大幅降低整体的性能。例如若每个规则在进行判断时的正确率可达90%，则经过20次判断之后，错误逐渐累积，其正确率就有可能锐减为12%（0.9的20次方）。因此规则库方式一般说来仅适用于较为常规的状况。

此外，规则库式翻译系统的建立和维护完全须仰赖人力，这也是一项很大的缺点。首先，在现代社会中，大量人力代表昂贵的金钱，而且人的能力有其局限，例如一般人在脑中能同时处理的事项，通常只有5到9项。因此在作修正时，往往无法同时考虑到规则库中所有的规则，和是否适用于所有的语料。可是，若要提升全系统的性能，就必须对系统作整体的考察，否则就很可能会产生所谓的“翘翘板效应”（即某个范围内的性能提升，反而使另一个范围内的性能下降），而无助于提升整个翻译系统的性能。

上述这些缺点，使得规则库翻译系统的建立、维护和扩充十分不便。当系统的复杂度达到一定的水准后，翻译质量往往就很难再行提升。这是因为规则库方式的复杂度，在增加到某个程度后，就很可能会超乎人力所能维护的范围之外。所以其性能常常在达到70%至80%的正确率后即停滞不前，很难更上一层楼。这些难题主要是来自于自然语言的特性，以及规则库方式本身的缺陷。所以要突破这个瓶颈，我们可能得换个方式下手。

||给作者留言