火眼金睛识破错误建议 Google翻译越来越聪明!

　　Google台湾董事总经理简立峰说，Google翻译比以前好用太多了！就算有人恶作剧，刻意在「提出修改建议」栏位写下错的翻译，也不会影响系统的运作。

火眼金睛识破错误建议 Google翻译越来越聪明! 

　　简立峰解释，Google翻译有学习及资料库的功能，不断累积经验，错误也是一种经验，除非几乎所的人都在「修改建议」栏写下一模一样的错误，才会积非成是，但事实上这种情况并不可能发生。

　　他认为，虽然简体中文、繁体中文有些相同的字词有着不同的意义，或相同的字已衍生出新的意义，但因简体、繁体中文语法相同，在机器翻译上仍采用一套系统，可视为专有名词，透过学习建立资料库来校正。

　　其实不只简体中文、繁体中文的语法相同，他透露，日文、韩文在机器翻译上也可算是语法相同，用同一套系统。

　　他指出，机器学习是很重要的议题，大家在讨论Google翻译的学习功能之际，也会联想到人工电脑AlphaGo打败真人世界棋王。现在也有人提出让AlphaGo打AlphaGo，学习能力可以更快的说法，就像是金庸小说「华山论剑」里全真派的周伯通，用自己的左手和右手对打，使出的「左右互搏」。

　　Google翻译的发展进程快速，10年前，Google推出翻译服务，并以片语式机器翻译（Phrase-BasedMachineTranslation）做为主要运算方式。从过去仅支援几种语言，到现在可支援103种语言，且每天翻译超过1,400亿个单词，Google翻译的品质有了很大的进展。

　　数年前，Google采用递归神经网络（RecurrentNeuralNetworks）将句子视为一个单位进行翻译，之後的片语式机器翻译方式（PBMT），则是将句子切割成单独的字和词组做独立翻译。

　　过去，为翻译任意两种语言，Google需要建构多个不同的翻译系统，运算成本相当可观。相较於过去的片语机器学习（PBMT），神经机器翻译（NMT）仅需要较少的系统架构设计。刚开始推出神经机器翻译时，这两种翻译方式的精准度不相上下。

　　为改善NMT翻译品质，研究人员提出许多技术来解决，这当中包括透过模拟调校模型（externalalignmentmodel）处理罕见字词、使用注意（attention）来对准输入词和输出词，以及将词拆解成更小的单元以应对罕见字词等。

　　Google神经机器翻译（GNMT）将中文句子翻译成英文句子的过程，透过编码器（Encoder），首先，GNMT将中文句子的每一个单词进行向量（vector）编码，而每个向量将显示出目前为止单词被读取到的所有意义。

　　在读取完整句子後，解码器（Decoder）就会开始运作，一次产生一个英语句子中的一个词。

　　注意功能是为了每一步都产出正确的词，解码器将针对编码中文向量里最相关的英文单词权重分布（weighteddistribution）进行解码。
游金地