减少硬译其实是对机器翻译提出的更高要求。导致机器误译的主要原因对译文句子的表达生硬，即句子的各个组成部分之间的不连贯或整体上不协调，主要表现在词语搭配不当和句子结构不畅。例( 2）的机器译文既存在词语搭配不当(“变革性的市长”)，也存在句子结构不畅（将“有效的”和“有些人称有变革性的”并列作定语)。再如，例(5）中的“微薄的……网络”属于搭配不当。例(6）在“驾车穿越美国”和“清楚表明”之间插入较长的句子成分，和“有多少是无人居住的”都属于句子结构不畅。

(5 ) The meager social safety net makes it imperative to stash money for old age，education or health-care.

1．微薄的社会安全网使得必须为老年，教育或医疗保健存钱。(谷歌）

2.由于社会保障体系薄弱，为养老、教育或医疗存钱成了绝对必要的事情。(人工)

3．由于社会安全网微薄，必须为老年、教育或医疗存钱。(必应)

4．微薄的社会保障网络使得存钱养老、教育或医疗成为当务之急。(有道)

( 6 )Driving across America，as opposed to loo-king down from a plane，makes clear how much of this vast country is uninhabited.

1．驾车穿越美国，而不是从飞机上俯瞰，清楚地表明这个庞大的国家有多少是无人居住的。(百度)

2.驾车横穿美国，而不是从飞机上往下看，可以清楚地看到这个幅员辽阔的国家有多少是无人居住的。(有道)

3．与从飞机上俯瞰不同，驾车穿越美国可以清楚地看到这个庞大的国家有多少土地杳无人烟。(人工)

4．驾车穿越美国，而不是从飞机上俯视，这清楚地表明这个广阔的国家有多少是无人居住的。(谷歌)

在对68个硬译的句子进行标记后,我们得出47个句子存在搭配不当，31个句子存在结构不畅，其中10个句子中，这两种硬译的表现都存在。

面对搭配不当,译者在译后编辑时要尽量跳出原文的束缚,更多地从译入语的视角来关照词语之间的衔接和整体的协调。翻译术语时，尤其如此。如例( 3 )中“ safety”应译为“保障”而不是“安全”，因为“为养老、教育或医疗存钱”是属于社会保障的内容而不是社会安全的内容。再如例(7）中的“technical damage”在谈论股市时，应译为“技术性回调”:

(7 ) Now we have some severe technical damage in the market going into year - end and investors continue to suffer from fear，uncertainty and doubt.

1．现在我们在进入年底的市场上受到了一些严重的技术破坏，投资者继续遭受恐惧、不确定性和怀疑。(必应)

2．现在我们在年底前市场上受到严重的技术损害，投资者继续受到恐惧、不确定和怀疑的困扰。(谷歌)

3．现在，到年底，市场出现了一些严重的技术损害，投资者继续遭受恐惧、不确定和怀疑。(搜狗)

4．进入年底，目前市场出现了一些严重的技术性回调，投资者继续受到恐惧、不确定性和疑惑的困扰。(人工)

面对结构不畅,译者如果掌握了英汉语言表达法的一些根本性差异,在译后编辑时就更容易做到有的放矢。比如说，“英语句子有严谨的主谓结构。这个结构通常由名词性短语（NP)和动词性短语（ VP)构成。主语不可或缺，谓语动词是句子的中心，两者协调一致，提纲挈领，聚集各种关系网络。” “相比之下，汉语的主谓结构要复杂得多。主语不仅形式多样,而且可有可无:它可表示施事、受事,也可表示时间、地点;可用名词、动词，也可用形容词、数量词；句子可以没有主语,也可以省略主语，还可以变换主语并予以隐含。”例( 7）中原文中的主语we泛指“人们”，并没有特定含义，基本上是为了满足英语对主谓结构这个必要条件的需求而生，翻译时完全可以省略。所以在对“we have”这个主谓结构的处理时，必应和谷歌的只调整了语序的译文，远不及搜狗的以地点作主语的存现句译文更符合汉语的表达习惯。再如例(7）中对“ suffer from fear，un-certainty and doubt”的处理。英语表达多呈现抽象化特征，广泛运用名词,尤其是抽象名词，而汉语擅长具体而形象的表达法。必应和搜狗的译文“遭受恐惧、不确定性和怀疑”从语义上看似乎没有什么问题,但不是汉语习惯之表达。用范畴词使抽象概念具体化，是汉语用来表达英语抽象词义的常用方法之一，所以，我们看到谷歌和人工译文都会在“恐惧、不确定性和怀疑”的后面加上“困扰”一词。

2014年在德国柏林召开的世界翻译大会主题是“人工翻译与机器翻译?翻译工作者与术语学家的未来”( Man vs. Machine ? The Future of Translators, Interpreters and Terminologists )，突出了人工翻译与翻译技术的结合，也凸显了当今翻译研究的技术转向。机器翻译已完全融入我们的生活，人机互补和互动将成为翻译工作的常态。与机器翻译未来的发展前景相比，翻译界现在对机器翻译的研究还远远不够。我们应该明确,提高机器翻译质量的核心问题仍然是语言本身的问题，而不是程序设计的问题。致力于研究翻译活动的本质、提高机器翻译的准确度，也是我们这个时代翻译工作者的使命。

简而言之，现在的机器翻译对句法结构的处理有了很大的提高。“神经网络机器翻译显著提升了译文的可读性,主要是因为其更好地处理了句法问题，如主谓一致、过去分词、双宾语、补足语等问题,还大幅度降低了词序错误、词形变化错误以及功能词错误等”。但对于语义的把握,机器翻译仍存在明显缺陷，单个看词语或句式的翻译可能没有问题,但整体并不等于部分的简单相加，针对原文语义的逻辑推理和保持译文语义的连贯完整仍是机器翻译的短板。所以，我们译后编辑的重点是对词语与词语之间，各个句子成分之间的语义和逻辑关系把握,以确保译文整体的逻辑性和连贯性。