早前，谷歌就曾表示過，他們在谷歌翻譯中運用了神經(jīng)網(wǎng)絡(luò)技術(shù)，但只限于實時視覺翻譯這個功能。前段時間，谷歌一名叫Jeff Dean的高級員工曾經(jīng)告訴VentureBeat，谷歌已經(jīng)在嘗試把越來越多的深度學習功能和機制融入到谷歌翻譯中。除此之外，谷歌的一位發(fā)言人在郵件中告訴VentureBeat，最新的神經(jīng)機器翻譯是他們努力研發(fā)深度學習功能和機制的成果。
實際上，谷歌一直以來都在致力于將深度神經(jīng)網(wǎng)絡(luò)融入它旗下越來越多的應(yīng)用軟件中，其中包括Google Allo和Inbox by Gmail。這個功能可以幫助谷歌更加快捷、更加有效地處理它們獲取到的數(shù)據(jù)。
谷歌的神經(jīng)機器翻譯（GNMT）對八層長的短時記憶遞歸神經(jīng)網(wǎng)絡(luò)（LSTM-RNNs）的依賴性很強。“通過層間殘留聯(lián)系可以加強梯度流。”谷歌的科學家在他們發(fā)表的學術(shù)論文中寫道。在圖像處理器的幫助下，神經(jīng)網(wǎng)絡(luò)一旦變得足夠成熟，谷歌就可以依靠它尚未發(fā)布的張量處理單元進行數(shù)據(jù)處理。
雖然神經(jīng)機器翻譯并不永遠是最佳之選，但是從谷歌的各種嘗試中我們不難發(fā)現(xiàn)，在某些情況下，神經(jīng)機器翻譯還是有其過人之處的。
“人們對這個翻譯系統(tǒng)的評價顯示，與之前那個基于短語的翻譯系統(tǒng)相比，在翻譯多種語言時，神經(jīng)學習翻譯系統(tǒng)的錯誤率已經(jīng)降低了60%左右，其中包括英法互譯，英西互譯以及英漢互譯。附加實驗的結(jié)果顯示，翻譯系統(tǒng)的質(zhì)量將和筆譯人員平均水準更加接近?！?/p>
在谷歌昨天發(fā)表的一篇博文中，Google Brain Team的研發(fā)科學家Quoc Le 和Mike Schuster提到，有了雙語評分員的幫助，在翻譯Wikipedia上的多語種樣句時，谷歌神經(jīng)機器翻譯的錯誤率實際上已經(jīng)降低了55%到85%。
盡管如此，這個系統(tǒng)還是不完美的?！吧窠?jīng)機器翻譯還是會犯一些筆譯人員永遠都不可能犯的錯誤，比如遺漏了一些單詞、把一些常見的名字或是少見的專有名詞翻錯、對文章的語境缺乏整體把控等等。所以，我們還是有很大的進步空間。但不可否認的是，神經(jīng)機器翻譯真的具有里程碑意義?！?/p>
感興趣的讀者們可以猛戳谷歌論文原文和原博了解詳情哦。
via venturebeat
聯(lián)系客服
