Google翻译已连接到神经网络

GNMT（Google的神经机器翻译）架构模型。左边是编码器网络，右边是解码器，中间是注意模块。编码器的底层是两面的：粉红色的模块从左到右收集信息，绿色的模块从相反的方向收集信息

。Google 将会完全将 Google Translate服务转移到深度学习。在arXiv.org 上发布了神经网络算法的详细说明。

根据Google的初步估计，与传统的统计方法相比，神经网络提供了更好的翻译质量。它已经在最困难的英汉语言对中进行了测试，并且神经网络立即将翻译错误的数量减少了60％。结果令人印象深刻。其他语言对将在未来几个月内连接到神经网络。


编码器底层的双向通信结构

机器翻译领域的成功是AI的另一项成就，近来已经积累了很多。训练有素的神经网络技术显然正在兴起，并已用于各个领域。在图像识别和游戏中，已经取得了优于其他计算机技术的明显优势。在某些地区，神经网络比人脑更有效地工作，例如，它们在单独的棋盘游戏中击败了一个人。

Google用于机器翻译的神经网络称为神经机器翻译系统（NMTS）。从一开始到最后，文本的翻译现在完全满足了神经网络的要求。传统上，人工智能在Google Translate中以受限模式使用，用于某些辅助任务。例如，比较几种官方语言提供的文本，例如联合国正式文件或欧洲议会。在这种模式下，比较了文本中每个单词的翻译。

NMTS神经网络在根本上处于新的水平。她不仅分析了学习过程中现有的翻译选项，还对句子进行了智力分析，将其划分为“词典部分”。在网络中的某种表示形式中，这些“字典段”对应于单词的含义。


Google动画显示了如何将一个中文句子分成多个部分，然后神经网络会考虑原始文本中每个片段的权重来选择合适的翻译，从

某种意义上讲，这种方法类似于机器视觉中神经网络的工作。系统逐像素处理图像。然后处理水平逐渐提高，达到诸如对象边界，几何图案等复杂特征。在NMTS中，使用相同的神经网络分析源文本，然后提供其翻译。

在这种情况下，谷歌的开发人员已经使用在该领域已有的研究，以及一些“方法创新，” 评论在arXiv.org上发表的独立学术著作。他们认为，Google的发展显示出“惊人”的结果，并清楚地表明，使用AI进行神经翻译的质量可以远远超过传统机器翻译方法的质量。 Google的神经网络可以从许多方面明显改善翻译质量。

为了优化，NMTS在专门设计用于测试神经网络的计算机设备上进行了测试。当时在那里训练了AlphaGo神经网络，此后击败了世界上最好的围棋手之一Lee Sedol。

为了评估该系统的有效性，研究人员从Wikipedia和Internet上的新闻文章中选择了大量优惠。这些文字将NMTS输入到旧的Google Translate机器翻译系统中，并且还提供给人工翻译人员。在盲测的框架中，人工翻译人员评估了每个片段的翻译质量（包括人工翻译）。

使用常规机器翻译系统（蓝色），神经网络（绿色）和人（橙色）的中文，西班牙文，法文和英文文本翻译示例

英语对中国语言对以其高度复杂性而闻名。尽管错误数量大大减少，但该语言对的翻译质量仍然不及其他印欧语言的翻译质量。在某些语言对中，NMTS的翻译质量与人们的翻译相近，但是科学著作的作者警告说，得出深远的结论为时过早，因为比较是基于有限的一组精心挑选的简单句子进行的。



相同的结果使外观更直观。



根据专家的说法，只有将输入信息的其他通道连接到机器翻译系统后，计算机才能在翻译质量上接近或绕过一个人。不仅是文字，还有视频和声音。“将来，机器人将能够移动，操纵物体，通过疼痛传感器感觉疼痛-并在文本中表达他们的感受，” 卢加诺大学（瑞士）的JürgenSchmidhuber 说。

Google翻译系统目前可处理大约10,000种语言对以进行机器翻译。

Source: https://habr.com/ru/post/zh-CN397959/