人工智能与社会电子教案 第三章自然语言理解与机器翻译第2节教案

教案课程名称：人工智能与社会授课专业、班级：202X级XX专业开课院部：授课教师：XX授课时间：学年第2学期单元教案第3章：自然语言理解与机器翻译第2节：机器翻译授课时数：2教学目标：一、知识目标1.学生能够认识机器翻译。2.掌握机器翻译的难点。二、能力目标1.能够认识机器翻译。2.培养学生查找资料、整理信息的能力，以及对人工智能领域前沿动态的关注。三、情感目标1.激发学生对机器翻译的兴趣和好奇心，培养探索未知的热情。2.培养学生对于科技进步改变生活的积极态度。教学重点和难点：一、教学重点机器翻译的定义、涵盖领域及发展历程。二、教学难点机器翻译的定义、涵盖领域及发展历程。课程思政教学内容：结合机器翻译的发展历程，引导学生理解科技进步对于国家竞争力的重要性，培养学生的爱国情怀和民族自豪感。教学方法：讲授法：教师讲解机器翻译的基本概念、发展历程。讨论法：组织学生讨论机器翻译在日常生活中的应用，激发学生的思考。案例分析法：通过分析具体的机器翻译应用案例，加深学生对机器翻译的理解。教学内容：3.2.1认识机器翻译1.机器翻译机器翻译，又称为自动翻译，是利用计算机将一种自然语言（源语言）转换为另一种自然语言（目标语言）的过程。它是计算语言学的一个分支，是人工智能的终极目标之一，具有重要的科学研究价值。同时，机器翻译又具有重要的实用价值。随着经济全球化及互联网的飞速发展，机器翻译技术在促进政治、经济、文化交流等方面起到越来越重要的作用。机器翻译的研究历史可以追溯到20世纪三四十年代。20世纪30年代初，法国科学家阿尔楚尼提出了用机器来进行翻译的想法。1933年，苏联发明家特罗扬斯基设计了把一种语言翻译成另一种语言的机器，并在同年9月5日登记了他的发明；但是，由于当时技术水平还很低，他的翻译机没有制成。1946年，第二台电子计算机第一台通用计算机埃尼阿克（ENIAC）诞生，随后不久，信息论的先驱、美国科学家W.Weaver和英国工程师A.D.Booth在讨论电子计算机的应用范围时，于1947年提出利用计算机进行语言自动翻译的想法。1949年，W.Weaver发表《翻译备忘录》，正式提出机器翻译的思想。学术界一般将机器翻译的发展划分为如下四个阶段。1．开创期（1947—1964年）1954年，美国乔治敦大学（GeorgetownUniversity）在IBM公司协同下，用IBM-701计算机首次完成了英俄机器翻译试验，向公众和科学界展示了机器翻译的可行性，从而拉开了机器翻译研究的序幕。中国开始这项研究也并不晚，早在1956年，中国就把这项研究列入了全国科学工作发展规划，课题名称是“机器翻译、自然语言翻译规则的建设和自然语言的数学理论”。1957年，中国科学院语言研究所与计算技术研究所合作开展俄汉机器翻译试验，翻译了九种不同类型的较为复杂的句子。从20世纪50年代开始到60年代前半期，机器翻译研究呈不断上升趋势。美国和苏联出于军事、政治、经济目的，均对机器翻译项目提供了大量的资金支持，而欧洲国家由于地缘政治和经济的需要也对机器翻译研究给予了相当大的重视，机器翻译一时出现热潮。这个时期机器翻译虽然刚刚处于开创阶段，但已经进入了乐观的繁荣期。2.受挫期（1964—1975年）1964年，为了对机器翻译的研究进展作出评价，美国科学院成立了语言自动处理咨询委员会（AutomaticLanguageProcessingAdvisoryCommittee，简称ALPAC委员会），开始了为期两年的综合调查分析和测试。1966年11月，ALPAC委员会公布了题为《语言与机器》的报告（简称ALPAC报告），该报告全面否定了机器翻译的可行性，并建议停止对机器翻译项目的资金支持。这一报告的发表给了正在蓬勃发展的机器翻译当头一棒，机器翻译研究陷入了近乎停滞的僵局。3.恢复期（1975—1989年）进入20世纪70年代后，随着科学技术的发展和各国交流的日趋频繁，传统的人工作业方式已经远远不能满足需求，迫切地需要计算机来从事翻译工作。同时，计算机科学、语言学研究的发展，特别是计算机硬件技术的大幅度提高以及人工智能在自然语言处理上的应用，从技术层面推动了机器翻译研究的复苏，机器翻译项目又开始发展起来，各种实用的以及实验的系统被先后推出，例如Weinder系统、EURPOTRAA系统、TAUM-METEO系统等。在我国，机器翻译研究也被再次提上日程。20世纪80年代中期以后，我国的机器翻译研究发展进一步加快，研制成功了KY-1和MT/EC863两个英汉机译系统，表明我国在机器翻译技术方面取得了长足的进步。4.新时期（1990年至今）随着Internet的普遍应用，世界经济一体化进程的加速以及国际社会交流的日渐频繁，传统的人工作业的方式已经远远不能满足迅猛增长的翻译需求，人们对于机器翻译的需求空前增长，机器翻译迎来了一个新的发展机遇。国际性关于机器翻译研究的会议频繁召开，中国也取得了前所未有的成就，相继推出了一系列机器翻译软件，如“译星”“雅信”“通译”“华建”等。在市场需求的推动下，商用机器翻译系统迈入了实用化阶段。21世纪以来，随着互联网的普及，数据量激增，统计方法得到充分应用。互联网公司纷纷成立机器翻译研究组，研发了基于互联网大数据的机器翻译系统，从而使机器翻译真正走向实用，如“百度翻译”等。近年来，随着深度学习的进展，机器翻译技术得到了进一步发展，促进了翻译质量的快速提升，在口语等领域的翻译更加流畅。3.2.2跨越语言鸿沟——百度翻译百度翻译依托互联网数据资源和自然语言处理技术优势，致力于帮助用户跨越语言鸿沟，方便快捷地获取信息和服务。百度翻译支持200多种语言互译，包括中文、英语、日语等语种，覆盖4万多个翻译方向，通过开放平台支持超过40万企业和个人开发者，是国内市场份额第一的翻译类产品。百度翻译有App和网页产品两种使用方法。1.百度翻译App百度翻译App是集词典、翻译、双语文章、英语口语测评和小视频等功能于一身的英语学习软件，覆盖拍照、AR、语音、对话、离线等多种翻译模式；内含免费牛津、柯林斯等词典，更有海量双语例句、特色视频讲解、词根词缀、同义词辨析等多种词典资源。其主要通过利用词典做数据库，提供拍照翻译、语音/对话翻译、取词翻译等功能。①拍照翻译：无须输入，轻轻一拍，翻译结果立刻实景展现。支持拍照、涂抹、AR三种模式，覆盖中、英、日、韩、法等17种语言。②语音/对话翻译：实时语音翻译，支持中、英、日、韩、法等21种语言的语音输入，更有英文口语打分纠音，助力口语提升。③取词翻译：手机对准英文单词，即可秒现单词释义，查词效率大幅提升。2.百度翻译网页产品百度翻译网页产品包括PC和WAP在线翻译，支持文档翻译、图片翻译、网页翻译等功能，支持生物医药、电子科技、水利机械垂直领域翻译，提供牛津、柯林斯等词典、海量双语例句、特色视频讲解、词根词缀、同义词辨析等多种词典资源。①文档翻译：支持Word、PDF、PPT、Excel格式文档，支持中英、中日、中韩互译，最大限度保留文档的样式和排版，一键上传全篇翻译，原文译文对照查看，并支持导出，提升文档翻译效率。②网页翻译：支持网页翻译功能，输入网址，选择翻译语言，即可翻译网页内容，方便浏览外文网站。同时支持Chrome、火狐等浏览器的网页翻译插件，安装后即可识别页面语言，一键网页翻译，支持划词翻译。③图片翻译：支持图片翻译功能，粘贴图片到输入框，即可将图片中的文本提取出来进行翻译。同时支持Chrome截图翻译插件，网页截图，轻松识别，结果立现。。3.2.3首台具有人类感情的机器人——Pepper2015年6月，作为全球首台具有人类感情的机器人，软银集团开发的人形机器人Pepper第一次面向公众发售。这是一个不仅仅执行“自然语言”的机器人，其具备的语音/情感识别技术，可分析表情和声调等。这一过程基于Pepper的视野系统，经语音系统识别后，情感系统随即分析面部表情，通过量化评分最终做出对人类情感的判断，并以动作结合表情与人交流。3.2.4人工智能与人的情感连接到底是否可能人工智能与人的情感连接到底是否可能？其一，人工智能需要读懂人类的情感；其二，人工智能可自我表达情感。然而，到底什么是情感？情感何以产生？什么是人的情感？什么是人工智能的情感？人工智能是否可能产生类似于人的情感？事实上，人的情感与人工智能的情感从本质上来讲是同源的：一种反馈，不同的输入产生的不同反馈。在人与人的沟通过程中，情绪在情感传递中占比巨大，从理性决策、感知到学习与再创造。甚至有研究表示，“人类交流中80%的信息都是情感性的信息”，而绝对理性的决策在很多时候并非最优。从认知科学角度来看，情感本身是高级智能的一部分。人类进化过程中，情感识别不断修正优化，大脑计算和分配的方式依赖情感状态的不同，因而在执行的过程中也会变化巨大。因而，在人与人面对面交流时，互相接收的情感性信息从面部表情到肢体表达，多维度渗透，而在人机交互中，肢体这一维度是缺失的，应如何解决？卡内基梅隆大学人机交互学科针对于此，研发了SARA（sociallyawarerobotassistant），它不仅可以在与人类沟通的非语言领域自主学习人类在沟通过程中顺畅、友好的模式，并且可以在麦克风和摄像头等设备的辅助下，结合观察所得，包括细微的表情变化、声调浮动、肢体移动，并综合诸多因素判断人的情感。人与人之间难免会有一些难以表达的沟通需求，聊天机器人如果没有及时捕捉到情感的细枝末节，而只停留在语言表层的理解，恐怕会造成难以收拾的局面。SARA项目包含了三个之前从未使用过的元素：会话策略分类器、融洽度估测器和社交推理器。会话策略分类器是五个单独的识别器，可分类五种会话策略中的任何一种，准确率高达80%；融洽度估测器可以让人工智能知道你与它的相处情况；社交推理器则可以根据融洽度水平，基于最近一次会话策略以及非言语行为决定下一句什么，此处会激发SARA面部识别功能。有报道称，当你与SARA沟通时的表情起了一个“正向反馈”，比如，你笑了，SARA接下来与你的沟通时也会随着这个正向反馈而产生变化。简单来说，即在做出情感判断之后，以不同的回复来改变说话者的情感倾向。要从与人类沟通过程中的微表情和肢体变化中提取有用的信息，并作为决策依据，必然要求人工智能有强大的交互设备支持，如只有高帧数的摄像