时间线主轴
1954 – Georgetown-IBM 实验乔治城大学与 IBM 联合展示首例公开机器翻译系统，将 60 多句俄语句子自动翻译成英语。研究者预言”5 年内解决机器翻译”，但实际直到 70 年后才接近人类水平。
1966 – ALPAC 报告
美国自动语言处理咨询委员会（ALPAC）发布里程碑式报告《Language and Machines》，结论是机器翻译”昂贵、不准确、短期内无法超越人类”。该报告直接导致全球机器翻译研究经费断崖式下跌，进入 1966-1980 年的”寒冬”。
1980s – 规则翻译系统成熟
Systran 等商业机器翻译系统诞生，基于人工编纂的语法规则和双语句对库，成为政府/跨国公司标配。但人工成本高、维护困难。
1990s – 统计机器翻译崛起
IBM Candide 项目首次将统计学习引入机器翻译，开创基于词对齐的统计机器翻译范式。Google Translate 2006 年基于统计模型上线，迅速击败 Systran。
2014 – Google 神经机器翻译
Google 发布 GNMT，首次将 seq2seq + attention 引入机器翻译，BLEU 分数较统计模型提升 7+。标志着神经翻译范式正式取代统计翻译。
2017 – Transformer 革命
Vaswani 等发布 Transformer 论文《Attention is all you need》，奠定后续所有大模型翻译的架构基础。
2018 – DeepL 崛起
DeepL Translator 上线，凭借神经网络翻译质量迅速超过 Google Translate 同期版本，成为专业翻译人员首选工具。
2020 – GPT-3 多语言能力
GPT-3 展现多语言翻译能力，虽非专业翻译系统但展现了大模型”零样本”跨语言迁移潜力。
2024 – 大模型翻译普及
GPT-4o/Claude 3.5/Gemini 1.5 在 WMT 基准上达到或超过人类专业译者水平。机器翻译从工具时代进入”实时全语境翻译”时代。
关键节点小结
- 1954-1966：规则研究期（高期待、低产出）
- 1966-1980：寒冬期（ALPAC 报告后经费断崖）
- 1980-1990：商业化期（Systran 等规则系统）
- 1990-2014：统计期（IBM Candide / Google Translate）
- 2014-：神经期（GNMT / Transformer / DeepL / 大模型）
