特稿 >

科技快讯 >

Facebook推出神经机器翻译系统,日处理45亿次

Facebook推出神经机器翻译系统,日处理45亿次

Xtecher编译 丨 科技快讯

21604
3123

2017-08-04

  大琴

Xtecher特稿作者

关注

Facebook今天宣布,它们已经完成了向神经机器翻译技术的转移,启用基于人工智能的神经机器翻译系统(NMT)——包括卷积神经网络(CNN)的移动和递归神经网络(RNNs),来翻译Facebook上的帖子和评论。

 

从时间来看,Facebook上线神经机器翻译技术的时间点略落后于谷歌和微软。此前,Google和微软已经于去年开始使用NMT。未来,Facebook将会很快把基于短语的机器翻译模型抛弃。和传统基于短语的机器翻译模型相比,神经机器翻译技术具有很多的优势,但最根本的优势是神经机器翻译能产生更精确的译文。

 

传统的机器翻译有一个相当明确的过程——依托重点短语,机器翻译系统开始翻译句子然后大致确定最终的翻译。你可以将这个过程看成是“使用Rosetta Stone语言学习软件来翻译文本”。

 

与传统机器翻译相反,神经机器翻译模型进行了层次更高的抽象化的处理,他们将句子的表达变成了多维向量表示的一部分。这意味着,神经翻译系统将尝试根据“上下文”,而不仅仅是通过短语来翻译。

 

该神经机器翻译模型并不是完美的,研究者们仍在探索,如何处理长期以来关系(比如,如何确保长文本中理解能力和准确性)。不过,这种方法仍然很有前景,截至目前为止,也带来了不错的结果。

 

2016年9月,谷歌宣布了向神经机器翻译发展的第一步。两个月后,微软也宣布了类似的消息。Facebook在这方面(神经机器翻译)也持续工作了约1年,而现在正在启动技术的全面部署。今年5月,Facebook人工智能研究部门(FAIR)于也发表了自主研发的结果,并在GitHub上开源了相关CNN模型。

 

Facebook语言技术团队的工程经理Necip Fazil Ayan在接受采访时表示:“我们的问题与大多数标准场合不同,这主要是由于我们在Facebook上看到的语言类型。我们看到了许多非正式用语和缩写的俚语,这个语言的风格差异很大。”

 

利用新的神经机器翻译技术,Facebook的翻译质量提升了10%,同时,日翻译数量超过 45 亿次。通过阅读这篇文章——《Facebook posts its fast and accurate ConvNet models for machine translation on GitHub》,您可以了解更多FAIR改进神经机器翻译系统的信息。

 

关于Facebook将CNN用于机器翻译的更多信息,详细可见该公司博客文章:《Transitioning entirely to neural machine translation》


原文链接:https://techcrunch.com/2017/08/03/facebook-finishes-its-move-to-neural-machine-translation/

所有版权属于原作者,本文仅出于传播资讯目的翻译转载

打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机