編者按：每當面對美好的時節(jié)、迷人的風景、優(yōu)美的事物時，或許你也禁不住想借古抒懷，然而卻發(fā)現(xiàn)自己的古文詞庫有些匱乏。不過，最近微軟亞洲研究院的研究員們將 AI 技術(shù)應用在文言文/古文與現(xiàn)代漢語之間的雙向互譯，并已集成于微軟 Azure 認知服務以及多個微軟產(chǎn)品中，用戶可以一鍵將文言文翻譯成現(xiàn)代漢語，以及微軟翻譯服務支持的其他90多種語言和方言。

在閱讀古詩詞時，我們常常驚嘆于古人攜風月入墨，落筆如畫，仿佛世間最美的風景，都在古詩詞和文言文中。比如，我們可以在“落霞與孤鶩齊飛，秋水共長天一色”中享受絕美，在“大漠孤煙直，長河落日圓”里體會蒼涼，在“氣蒸云夢澤，波撼岳陽城”中感受壯闊。古代文人對人、事、物、景的諸多描寫，為我們留下了燦爛的文化瑰寶。

然而，當我們讀到北宋詞人柳永筆下描繪的清明節(jié)旖旎春色和社會風情——“拆桐花爛熳，乍疏雨、洗清明。正艷杏燒林，緗桃繡野，芳景如屏。傾城，盡尋勝去，驟雕鞍紺幰出郊坰(zhòu diāo ān gàn xiǎn chū jiāo jiōng)。風暖繁弦脆管，萬家競奏新聲”，這些略顯拗口的古文，對于大多數(shù)人來說理解起來不免有些困難，很難完全體會出詩人所表達的意境。 

為了解決這個問題，微軟亞洲研究院的研究員們通過采用最新的神經(jīng)網(wǎng)絡(luò)機器翻譯模型和訓練框架，實現(xiàn)了文言文/古文與現(xiàn)代漢語之間的雙向互譯，以及文言文與微軟翻譯支持的其他90多種語言和方言的互譯。目前，文言文翻譯已經(jīng)集成到了微軟翻譯應用、Azure 認知服務的翻譯工具 API，以及微軟翻譯服務支持的包括 Office 在內(nèi)的多個微軟產(chǎn)品中。 

讓更多人領(lǐng)略中華傳統(tǒng)文化的魅力

不少人與文言文的上一次“親密接觸”大概還停留在學生時代，有些甚至早已遺忘。近年來，無論是漢服文化的流行，還是九大博物館聯(lián)手讓國寶活起來的《國家寶藏》，以現(xiàn)代音樂奏響經(jīng)典詩詞的《經(jīng)典詠流傳》，聚焦文化典籍的《典籍里的中國》等等，全新的展示形式讓越來越多的人重新關(guān)注中華傳統(tǒng)文化的魅力。

文言文是中華傳統(tǒng)文化的重要載體。卷帙浩繁的古書、古文記錄了中華五千年來博大精深的文化，其中沉淀、蘊含的思想和智慧，值得不斷地探索與思考。因此，文言文對于傳承和傳播中華文化至關(guān)重要，正如想理解西方文化的精髓要從讀懂莎士比亞開始一樣。

有了機器翻譯的幫助，游客們在游山玩水時可以看懂古建筑、古碑文上的古文和詩詞，學生們在進行大語文學習時多了一個通過實踐舉一反三的工具，對于古籍的整理和翻譯研究工作來說，也可以提升效率、事半功倍。

“從技術(shù)角度上，文言文可以看作是一個單獨的語種，當文言文與現(xiàn)代漢語實現(xiàn)自由互譯后，文言文與英語、法語、德語等語言的互譯也就水到渠成，”微軟亞洲研究院高級研究員張冬冬說道。屆時，國際友人在閱讀中國經(jīng)典古籍時也能瞬間秒懂，了解更加原汁原味的中華傳統(tǒng)文化。

文言文翻譯 AI 模型的最大難關(guān)：訓練數(shù)據(jù)少

人工智能模型訓練最關(guān)鍵的要素是數(shù)據(jù)，數(shù)據(jù)體量足夠大、質(zhì)量足夠高，才能訓練出更加精準的模型。在機器翻譯中，模型的訓練更是需要雙語數(shù)據(jù)：原文數(shù)據(jù)和目標語言數(shù)據(jù)。由于文言文翻譯極為特殊，它并非日常用語，所以與其他語種的翻譯相比，文言文翻譯的訓練數(shù)據(jù)非常少，并不利于機器翻譯模型的訓練。

盡管微軟亞洲研究院的研究員們前期收集了不少公開的古今漢語數(shù)據(jù)，但原始數(shù)據(jù)卻無法直接使用，需要通過數(shù)據(jù)清洗，對數(shù)據(jù)的不同源頭、多樣的格式以及標點符號、全角/半角等進行標準化的統(tǒng)一，盡可能減少無效數(shù)據(jù)對模型訓練的干擾。這樣下來，切實可用的高質(zhì)量數(shù)據(jù)又進一步減少。據(jù)微軟亞洲研究院研究員馬樹銘介紹，為了解決數(shù)據(jù)少的問題，研究員們做了大量的數(shù)據(jù)合成和增強工作，包括：

首先，共用字符對齊、擴展，擴大數(shù)據(jù)量。與英文、法文、俄文等其他語言的翻譯不同，文言文與現(xiàn)代文有相同、共通的字符。利用這個特點，微軟亞洲研究院的研究員們通過創(chuàng)新算法，讓機器翻譯通過對共同字符進行召回、自然對齊，再進一步擴展到詞語、短語、短句，從而合成了大量可用的數(shù)據(jù)。

其次，句式變形，提升機器翻譯的魯棒性。針對句子、詩文不同的斷句，研究員們增加了多種變形，讓機器在古詩文學習方面更全面，例如，古詩《尋隱者不遇》，一般的斷句方式是“松下問童子，言師采藥去”。但對于人來說，即使是“言師采藥去，只在此山中”這樣非正常斷句，看見時也知道它的上下句關(guān)系和意思。但對于沒見過如此斷句的翻譯模型來說，就會“懵”，因此，通過數(shù)據(jù)格式的變形不僅能擴大訓練的數(shù)據(jù)量，也能提升訓練模型翻譯的魯棒性。

第三，繁簡字互譯訓練，增加模型適應性。漢語言中，無論是文言文還是現(xiàn)代文，都存在繁體字。因此，為了提升模型的適應性，研究員們在訓練翻譯模型時，不僅有簡體中文的訓練，還加入了繁體中文的數(shù)據(jù)，以及繁簡字夾雜的數(shù)據(jù)，讓翻譯模型都能看懂，翻譯也就更精準。

第四，增加集外詞訓練，提升翻譯準確度。在現(xiàn)代語言向文言文翻譯時，還會出現(xiàn)一些集外詞，也就是古漢語中從未出現(xiàn)過的新名詞，如微軟、電腦、高鐵等近現(xiàn)代才出現(xiàn)的實體詞。針對這樣的“意外”，研究員們訓練了一個小模型來識別實體，先將實體之外的意思翻譯完成，再把實體填寫回去，以確保機器對集外詞處理的準確性。

此外，針對非正式文體，如博客、論壇、微博等非正規(guī)的文體，該機器翻譯模型也都進行了針對性的訓練，進一步提升了現(xiàn)代漢語與文言文之間翻譯的魯棒性。

張冬冬表示，“基于當前的翻譯系統(tǒng)，我們還將在豐富數(shù)據(jù)集、改進模型訓練方法上不斷精進，使方法變得更加魯棒、通用，未來或許不只是在文言文翻譯中能夠使用，還可以擴展到更多應用場景中。” 

創(chuàng)新技術(shù)助力文化遺產(chǎn)的保護與傳承

中華文明上下五千年的歷史，由于時間和空間的限制，能夠傳承下來，又被后人了解和記錄的內(nèi)容很有限。多年來，微軟亞洲研究院一直致力于將最前沿的技術(shù)和研究成果應用于歷史、文化、考古等方面的保護和傳承，讓文化遺產(chǎn)以更直觀、互動的方式展現(xiàn)在人們面前。

自2005年起，微軟亞洲研究院就基于自然語言處理、機器學習等人工智能技術(shù)研發(fā)了微軟對聯(lián)系統(tǒng)，并逐漸增加了微軟字謎和微軟絕句。2010年，微軟亞洲研究院與故宮博物院和北京大學三方合作完成了“走進清明上河圖”沉浸式數(shù)字音畫展示項目的研發(fā)，獨創(chuàng)性的三維布局恢復算法和虛擬環(huán)境組織方法，讓觀眾可以身臨其境地欣賞畫中的每個細節(jié)，不僅以新方式保護和傳承了書畫類歷史文物，也給傳統(tǒng)博物館在新技術(shù)時代的發(fā)展帶來啟示。2011年，微軟亞洲研究院向敦煌研究院捐贈了專門為敦煌莫高窟量身定制的“飛天號”十億級像素數(shù)字相機系統(tǒng)，突破性地解決了敦煌壁畫和佛龕數(shù)字化拍攝過程中的難題。

微軟亞洲研究院還在積極探索與文言文專業(yè)研究機構(gòu)的溝通與合作，期待從技術(shù)角度提升文言文翻譯系統(tǒng)準確性的同時，也能夠獲得專業(yè)性的意見和建議。

最后，讓我們來測試一下你的文言文底蘊到底有多深。請選出以下文言文語句的正確意思：

1《陳情表》：詔書特下，拜臣郎中，尋蒙國恩，除臣洗馬。

• A：專門下達詔書，授予我郎中的官職;不久又蒙受國家恩典，讓我去給太子洗馬。
• B：朝廷又特地下了詔書，任命我為郎中，不久又蒙受國家恩命，任命我為太子的侍從。

2《鴻門宴》：臣死且不避，卮酒安足辭?

• A：我死都不怕，一杯酒有什么可推辭的?
• B：我喝死都不怕，一杯酒怎么夠呢?