Czytelnia / Technologie tłumaczeniowe

Badania MT w Japonii, początkowo w dużym stopniu pozostające pod wpływem projektu Mu z Uniwersytetu z Kioto, wykazywały dużą różnorodność podejść. Dominowały systemy transferowe ale istniała też pewna liczba systemów interlingua (np. system PIVOT stworzony przez NEC, obecnie dostępny na rynku) oraz doświadczenia oparte na wiedzy (np. LUTE stworzony przez NEC i system Lamb firmy Canon). Japonia wprowadziła na rynek swój własny wielojęzykowy projekt w połowie lat 80-tych, w którym uczestniczyły także Chiny, Indonezja, Malezja i Tajlandia i w który zaangażowały się główne japońskie instytuty badawcze, w tym rządowe Laboratorium Elektrotechniczne (ELT) z Tokio. Ambitne podejście interlingua przyjęto dla kontekstowej analizy do ujednoznacznienie opartej na wiedzy. Projekt ten trwa do dziś.

Badania poza terytorium Ameryki Północnej, Europy Zachodniej i Japonii stawały się coraz silniejsze w drugiej połowie lat 80-tych w Korei (czasem przy współpracy z grupami japońskimi i amerykańskimi), Tajwanie (np. system ArchTran), w wielu instytucjach w kontynentalnych Chinach oraz w południowo-wschodniej Azji, zwłaszcza w Malezji. Niektóre z tych badań były zainspirowane międzynarodowym wielojęzykowym projektem prowadzonym przez japońskie CICC (Centrum Współpracy Międzynarodowej ds. Komputeryzacji) ale także ogólnie przez ekspansję rynkową zwłaszcza w dziedzinie elektroniki i przemysłu komputerowego.

Do końca dekady wzrosła także działalność w Związku Radzieckim. Raport ALPAC miał negatywny wpływ podczas lat 70-tych a wiele zaawansowanych projektów MT straciło poparcie. Od 1976 roku większość badań skupiona była w Wszechradzieckim Ośrodku Tłumaczeń w Moskwie. Systemy angielsko-rosyjskie (AMPAR) i niemiecko-rosyjskie (NEPRA) zostały stworzone w oparciu o podejście bezpośrednie i mimo że prace pod kierunkiem Jurij Apresjana nad bardziej zaawansowanym systemem transferowym dla tłumaczeń francusko-rosyjskich (FRAP) były kontynuowane, większość działań w Związku Radzieckim skupiona była na stworzeniu systemu operacyjnego na niskim poziomie, często przy użyciu analiz statystycznych.

W drugiej połowie lat 80-tych osiągnięcia teorii syntaktycznej, a w szczególności ujednolicona gramatyka, Leksykalna Gramatyka Funkcjonalna i  Teoria Związku Rządu zaczęły przyciągać badaczy, choć główny wpływ miały osiągnąć w latach 90-tych. W tym czasie wielu obserwatorów wierzyło, że najbardziej prawdopodobnym źródłem technik mogących poprawić jakość MT są badania nad przetwarzaniem języków naturalnych w kontekście sztucznej inteligencji (AI). Badania nad zastosowaniem metod AI w MT rozpoczęły się w połowie lat 70-tych pracą Yoricka Wilksa dotyczącą „preferencji semantycznych” i szablonów semantycznych”. Dalsze inspiracje wyniknęły z badań Rogera Schanka z Yale University, a w szczególności z rozwoju specjalistycznych systemów i podejść rozumienia tekstu opartych na wiedzy. Wiele projektów stosowało podejście oparte na wiedzy, zwłaszcza użycie banków wiedzy – niektóre projekty japońskie (np. badania ETL dla wielojęzykowego japońskiego projektu) oraz niektóre projekty europejskie (np. w Saarbrücken i Stuttgarcie), a także wiele północno amerykańskich. Najważniejsze badania podjęto w Carnegie-Mellon University w Pittsburg pod kierownictwem Jaime Carbonella i Sergei Nirenburga, którzy eksperymentowali z wieloma systemami MT opartymi na wiedzy od połowy lat 80-tych aż do czasów obecnych. Metodologia jest określana jako „MT zorientowane na znaczenie w paradygmacie interlingua”. Zaprojektowano roboczy prototyp do tłumaczenia instrukcji obsługi komputerów osobistych dla angielskiego i japońskiego, tłumaczący w obie strony. Do podstawowych komponentów należały: mały leksykon z dziedziny, leksykony analizy i generowania dla dwóch języków, analizator syntaktyczny z semantycznymi wymogami, maper semantyczny (do interpretacji semantycznej), interaktywne urządzenie do uogólnień (ang. augmentor), generator semantyczny wytwarzający struktury składniowe języka docelowego wraz z selekcją leksykalną oraz generator składniowy do wytwarzania zdań w języku docelowym.