《圣經(jīng)．舊約》里記載著這樣一段故事：
當(dāng)時(shí)人類聯(lián)合起來興建希望能通往天堂的高塔，為了阻止人類的計(jì)劃，上帝讓人類說不同語言，使人類相互之間不能溝通，計(jì)劃因此失敗，人類自此各散東西。
巴別塔典故，為世上出現(xiàn)不同語言和種族提供了解釋。盡管互聯(lián)網(wǎng)的出現(xiàn)，讓“地球村”的夢想在地理空間上不再是遙不可及，但語言理解與文化背景成為了全球溝通最大的障礙，又生生的讓夢想變得骨感起來。
好在，各大搜索引擎都推出了AI翻譯。
AI翻譯這條賽道上，巨頭們都繞不過的“坎”
AI翻譯作為垂直搜索產(chǎn)品，因其明朗的落地應(yīng)用場景而備受巨頭們關(guān)注。
2016年，GNMT技術(shù)（谷歌的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯技術(shù)，模仿人腦的神經(jīng)思考模式）全面布局于谷歌翻譯系統(tǒng)中，隨后，谷歌聲稱其AI翻譯的譯文質(zhì)量誤差降低了55％－85％，并且將此技術(shù)廣泛應(yīng)用于網(wǎng)頁翻譯與手機(jī)應(yīng)用。
國內(nèi)，百度當(dāng)時(shí)已經(jīng)研究出了可應(yīng)用的SMT技術(shù)（統(tǒng)計(jì)機(jī)器翻譯），但得知NMT的橫空出世之后，便迅速調(diào)轉(zhuǎn)方向轉(zhuǎn)而研發(fā)NMT技術(shù)，于是就有了BNMT應(yīng)用于百度翻譯。盡管初時(shí)的百度翻譯速度很慢，但是，百度當(dāng)時(shí)反應(yīng)也佐證NMT的價(jià)值性。
搜狗、阿里、騰訊等公司也都有部署NMT領(lǐng)域，推出多款基于神經(jīng)網(wǎng)絡(luò)的在線翻譯和手機(jī)應(yīng)用，在智能翻譯領(lǐng)域持續(xù)發(fā)力。360搜索自占據(jù)國內(nèi)搜索引擎行業(yè)二哥的位置后，同樣專注在AI領(lǐng)域與其他巨頭角力，上線了基于NMT的360翻譯，以期與去年上線的360英文搜索“雙劍合璧”。
但是我們會(huì)發(fā)現(xiàn)，不論是谷歌還是BAT，其智能翻譯從未能聲稱能替代人工翻譯，因?yàn)榉g還必須考慮到到使用者的情感及文化背景。從2016年起至今的兩年時(shí)間里，對海量語料的深度學(xué)習(xí)逐漸成為AI開發(fā)的必修課，也成了巨頭們布局AI翻譯繞不過的“坎”。
正是在這樣的背景下，360翻譯的深度學(xué)習(xí)調(diào)度平臺(tái)卯足了勁，在深層技術(shù)和語料挖掘上下苦功夫。除了發(fā)揮360搜索在新聞資訊方面的既有優(yōu)勢外，360的英文搜索還與微軟旗下的搜索引擎Bing開展技術(shù)合作，從而使得其AI翻譯背后坐擁海量中英網(wǎng)絡(luò)語料，讓其在理解語境方面更顯地道。另外，360翻譯采用的也是獨(dú)家研發(fā)的360NMT技術(shù)。
但這依然還只是個(gè)開始。
搜索平臺(tái)不約而同發(fā)力NMT，為的是哪般？
不論是國外的谷歌，還是國內(nèi)的搜索巨頭百度、搜狗、360等，均把NMT作為AI翻譯的標(biāo)配，翻譯集中的領(lǐng)域在中英互譯上，這是一個(gè)很有趣的現(xiàn)象。AI翻譯真的是塊肥肉嗎？惹得誰也不愿意掉隊(duì)。
據(jù)統(tǒng)計(jì)表明，全球一共有73個(gè)國家，超10億人以英語為官方語言，而漢語則是世界使用人數(shù)最多的語言，因此，中英互譯本身的用戶基數(shù)市場就能引起巨頭們足夠的注意力了。為什么要發(fā)力NMT，這得從AI翻譯人類語言的方式說起，包含三種：第一，基于規(guī)則的機(jī)器翻譯方法；第二，基于實(shí)例的機(jī)器翻譯方法；第三，基于統(tǒng)計(jì)的翻譯方法。SMT與NMT都屬于第三種，從語料自動(dòng)學(xué)習(xí)翻譯模型，結(jié)合大數(shù)據(jù)通過評分輸出翻譯結(jié)果。
但是，SMT與NMT存在著顯著的差距。SMT采用的模式是通過平行語料進(jìn)行統(tǒng)計(jì)分析，翻譯的準(zhǔn)確性則與語料的豐富度呈明顯的正相關(guān)，但是存在著翻譯結(jié)果太過零散，片面生硬，語法語義混亂的劣勢。而模仿人類神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，NMT是以一個(gè)句子為基本的處理單元，好處在于翻譯過程中有著更好的語感，能降低SMT翻譯的關(guān)于“形態(tài)、句法、詞序”等方面出錯(cuò)的概率。因此，NMT在技術(shù)上恰巧可以有效彌補(bǔ)SMT的缺陷。而隨著語料不斷地加碼，AI翻譯的準(zhǔn)確度也就高得多。
AI翻譯引進(jìn)NMT技術(shù)，就能精準(zhǔn)識(shí)別“語境”嗎？
搜狗同傳翻譯在某次國際性會(huì)議上，聲稱其神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯技術(shù)已達(dá)臨界點(diǎn)，并在進(jìn)行大規(guī)模商用推廣。只是，搜狗的同傳還是在國際會(huì)議上出過爭議，結(jié)果不盡如人意。即便在正式的場合能夠應(yīng)對自如的搜狗，在非正式場合會(huì)是怎樣一種情況呢？很多時(shí)候的中英交流多以口語化形式出現(xiàn)，對“語境”的理解遠(yuǎn)比“語法和詞匯”難得多。下文我們將就幾組語句進(jìn)行討論（以下從搜狗、360搜索、百度以及谷歌四大平臺(tái)進(jìn)行對比）。
第一組：獻(xiàn)上我的膝蓋?？纯?，最近這句網(wǎng)絡(luò)常用語各翻譯平臺(tái)的水平
谷歌：Offer my knee。
360：express my admiration。
百度：Offer my knees。
搜狗：Give me my knee。
測試結(jié)果是搜狗、百度、谷歌均傾向于單詞表面意思的翻譯，并未能結(jié)合具體的文化背景，而360對于該網(wǎng)絡(luò)用語的解釋就地道的多。
第二組：詩詞，選自杜甫的《登高》。因其詩中主要是以諸多意象組成的意境，看翻譯能否反饋這種情感。
《登高》原文摘選：
風(fēng)急天高猿嘯哀，渚清沙白鳥飛回。
英語譯文：
有趣的是將各自翻譯的英文譯成中文時(shí)，沒有一個(gè)平臺(tái)能還原。而在詩歌的中譯英中360能夠結(jié)合“語境”處理詩中的意向要素，搜狗翻譯表達(dá)出了“悲愴”的情感，而百度翻譯和谷歌翻譯則完全是從字面上進(jìn)行翻譯，破壞了詩的美好。
第三組：新聞，選自紅網(wǎng)。語言簡練正式，但涉及的元素較多，對語法的要求性比較高。
原文：據(jù)長沙市住房和城鄉(xiāng)建設(shè)委員會(huì)網(wǎng)站顯示，2018年5月23日，長沙共計(jì)有兩個(gè)項(xiàng)目獲批預(yù)售證，均位于雨花區(qū)，分別為五礦萬境藍(lán)山和創(chuàng)元時(shí)代。
譯文：
同一段新聞，出現(xiàn)了四種不同的譯法。同一語句中各家強(qiáng)調(diào)的點(diǎn)不一樣，譬如首句的“長沙市住房和城鄉(xiāng)建設(shè)委員會(huì)”，360的翻譯結(jié)果更顯得專業(yè)并符合慣常表述，“長沙市”只是作為補(bǔ)充詞出現(xiàn)，而搜狗、百度和谷歌的翻譯中，“長沙市”則是作為硬性的地名出現(xiàn)。尤為值得注意的是，根據(jù)語境，“五礦萬境藍(lán)山”和“創(chuàng)元時(shí)代”都是樓盤名字，應(yīng)當(dāng)由漢語拼音直譯，只有360識(shí)別到這一點(diǎn)，搜狗、百度和谷歌三家都在“礦”、“藍(lán)山”、“創(chuàng)元”、“時(shí)代”等字眼上糾結(jié)。
從這三組中，我們能發(fā)現(xiàn)360偏好于基于“語境”的邏輯進(jìn)行分詞，雖然也有做的不到位的，像針對詩詞這樣復(fù)雜的情感語句就無法準(zhǔn)確傳達(dá)，但是在“流行語”優(yōu)勢明顯；而谷歌和百度基本上是基于詞組進(jìn)行斷句，因此，翻譯也是一個(gè)詞一個(gè)詞，尤其是對古詩詞的理解，谷歌就顯得比較憂愁了。
因此，AI翻譯的問題主要反映在三大方面：第一，機(jī)器翻譯難以應(yīng)對語言規(guī)則不統(tǒng)一的口語；第二，AI翻譯難以結(jié)合文化語境進(jìn)行理解，解析不出深層次的情感；第三，針對較長的段落，以及較為復(fù)雜的語境，往往會(huì)出現(xiàn)語法問題多，語句出錯(cuò)率高的毛病。
AI翻譯要“地道”，技術(shù)倒不是關(guān)鍵
翻譯界老將何恩培曾講：“機(jī)器翻譯一直被公認(rèn)為人工智能領(lǐng)域最難的課題之一。而且語言背后的多元文化和復(fù)雜社會(huì)屬性，注定了語言規(guī)則不可能規(guī)律化”。但是，中國有句老話：勤能補(bǔ)拙。對于AI翻譯而言，最難的不是技術(shù)，而是“語境”理解，而AI翻譯能力的級別高低又體現(xiàn)在這，集中體現(xiàn)了平臺(tái)喂養(yǎng)語料的資源狀況。AI翻譯能否“地道”，取決于以下幾點(diǎn)。
1、訓(xùn)練數(shù)據(jù)庫的內(nèi)容整體優(yōu)質(zhì)程度
這影響到翻譯準(zhǔn)確程度，取決于信息資源的整合能力。不論是BAT，還是360、搜狗、有道等，都在注重內(nèi)容生態(tài)建設(shè)，搜狗有了騰訊微信入口搜索，360搶占了安全領(lǐng)域的數(shù)據(jù)來源。但是，這不可能是一個(gè)完全開放的體系，沒有哪一家能夠整合整個(gè)互聯(lián)網(wǎng)的資源，各平臺(tái)訓(xùn)練數(shù)據(jù)庫各有側(cè)重，AI翻譯特色也不盡相同，例如360翻譯側(cè)重于地道的口語與流行語，百度翻譯則顯得大而全。
2、開放平等的中外數(shù)據(jù)交流，或可加強(qiáng)AI的深度學(xué)習(xí)
國內(nèi)對標(biāo)競品之間的合作相對較難，但中外數(shù)據(jù)交流卻是最好的互補(bǔ)。因此，百度上線過英文搜索產(chǎn)品，而360與微軟Bing有過技術(shù)合作。此外，有了國界互譯也變得更有意義。因此，中外數(shù)據(jù)合作，或許對于文化背景的數(shù)據(jù)積淀有很好的補(bǔ)充，也是擴(kuò)充深度學(xué)習(xí)的語料最直接的方式。
3、需要準(zhǔn)備大量的網(wǎng)絡(luò)語及口語語料
除了詩詞蘊(yùn)含深厚文化底蘊(yùn)外，網(wǎng)絡(luò)語和口語是與一個(gè)地域的文化最為接近的語言形態(tài)，時(shí)下搜索引擎從被動(dòng)搜索向主動(dòng)的、基于用戶興趣的內(nèi)容推薦引擎轉(zhuǎn)型，這對于構(gòu)建口語語料訓(xùn)練模型倒是一個(gè)不錯(cuò)的嘗試。
雖然說，AI翻譯能夠精準(zhǔn)識(shí)別“語境”是需要很長一段路要走，但是技術(shù)已經(jīng)在進(jìn)步，360翻譯能夠開始揣摩語句背后的情感與心思，對于日常交流來說是一個(gè)很好的開端?；蛟S，我們將因此離“地球村”的夢想更進(jìn)一步！
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
