转载

抢占AI翻译赛道，巨头同押NMT就一定能攻破语境难题了？

搜索公司在AI翻译这个事上扎堆并不令人意外。

2016年，GNMT技术（谷歌的神经网络机器翻译技术，模仿人脑的神经思考模式）全面布局于谷歌翻译系统中，随后，谷歌声称其AI翻译的译文质量误差降低了55%-85%，并且将此技术广泛应用于网页翻译与手机应用。

国内，百度当时已经研究出了可应用的SMT技术（统计机器翻译），但得知NMT的横空出世之后，便迅速调转方向转而研发NMT技术，于是就有了BNMT应用于百度翻译。尽管初时的百度翻译速度很慢，但是，百度当时反应也佐证NMT的价值性。

搜狗、阿里、腾讯等公司也都有部署NMT领域，推出多款基于神经网络的在线翻译和手机应用，在智能翻译领域持续发力。360搜索也不愿落后，上线了基于NMT的360翻译，以期与去年上线的360英文搜索形成合力，且还拉来了微软旗下的搜索引擎Bing开展技术合作。

但是我们会发现，不论是谷歌还是BAT，其智能翻译从未能声称能替代人工翻译，因为翻译还必须考虑到到使用者的情感及文化背景。从2016年起至今的两年时间里，对海量语料的深度学习逐渐成为AI开发的必修课，也成了巨头们布局AI翻译绕不过的“坎”。

搜索平台不约而同发力NMT，为的是哪般？

前面说到，不论是国外的谷歌，还是国内的搜索巨头百度、搜狗、360等，均把NMT作为AI翻译的标配，翻译集中的领域在中英互译上，这是一个很有趣的现象。AI翻译真的是块肥肉吗？惹得谁也不愿意掉队。

据统计表明，全球一共有73个国家，超10亿人以英语为官方语言，而汉语则是世界使用人数最多的语言，因此，中英互译本身的用户基数市场就能引起巨头们足够的注意力了。为什么要发力NMT，这得从AI翻译人类语言的方式说起，包含三种：第一，基于规则的机器翻译方法；第二，基于实例的机器翻译方法；第三，基于统计的翻译方法。SMT与NMT都属于第三种，从语料自动学习翻译模型，结合大数据通过评分输出翻译结果。

但是，SMT与NMT存在着显著的差距。SMT采用的模式是通过平行语料进行统计分析，翻译的准确性则与语料的丰富度呈明显的正相关，但是存在着翻译结果太过零散，片面生硬，语法语义混乱的劣势。而模仿人类神经网络构建模型，NMT是以一个句子为基本的处理单元，好处在于翻译过程中有着更好的语感，能降低SMT翻译的关于“形态、句法、词序”等方面出错的概率。因此，NMT在技术上恰巧可以有效弥补SMT的缺陷。而随着语料不断地加码，AI翻译的准确度也就高得多。

搜狗同传翻译在某次国际性会议上，声称其神经网络机器翻译技术已达临界点，并在进行大规模商用推广。只是，搜狗的同传还是在国际会议上出过争议，结果不尽如人意。即便在正式的场合能够应对自如的搜狗，在非正式场合会是怎样一种情况呢？很多时候的中英交流多以口语化形式出现，对“语境”的理解远比“语法和词汇”难得多。下文我们将就几组语句进行讨论（以下从搜狗、360搜索、百度以及谷歌四大平台进行对比）。

第一组：献上我的膝盖。看看，最近这句网络常用语各翻译平台的水平

谷歌：Offer my knee。

360：express my admiration。

百度：Offer my knees。

搜狗：Give me my knee。

测试结果是搜狗、百度、谷歌均倾向于单词表面意思的翻译，并未能结合具体的文化背景，360对于该网络用语的解释稍显老练。