Google翻译内核升级 称误差再降超55%

作者: 佚名 2020-05-09 10:03:00

近期,Google 翻译悄然升级了其翻译内核。据 Google 官方提供的数据显示,Google 翻译搭载的 Google 的神经机器翻译(GNMT:Google Neural Machine Translation)系统使用了当前最先进的训练技术,因而提升了机器翻译水平,将翻译误差再度降低了 55%-85%。

Google 展示的翻译模型质量

十多年前,Google 发布了 Google 翻译,早年基于短语的统计机器翻译,会将输入句子分解成词和短语,然后对它们进行独立翻译。这种翻译方式的劣势非常明显:句子中原本完整的信息被碎片化,无法连贯地进行表达。而这种现象在英中互译的情况下显得尤其明显。

而 Google 神经机器翻译则将输入的句子作为一个整体翻译。

以中英翻译为例,Google 神经机器翻译首先将这句中文的词编码成一个向量列表,其中每个向量都表示了到目前为止所有被读取到的词的含义(编码器“Encoder”)。读取完整个句子,解码器就开始工作——一次生成英语句子的一个词(解码器“Decoder”)。

上图展示了 Google 神经机器翻译的中英翻译原理

为了在每一步都生成翻译正确的词,解码器重点注意了与生成英语词最相关编码的中文向量的权重分布。

在被首次提出时,神经机器翻译系统在中等规模的数据集上就与基于短语的翻译系统水平相当。

现在,Google 方面表示,通过让神经机器翻译战胜在非常大型的数据集上工作的许多挑战,打造了在速度和准确度上都更好翻译的系统。

目前,Google 神经机器翻译系统已投入到了中文-英语的翻译中。现在,移动版和网页版的 Google 翻译的中英翻译已完全使用神经机器翻译——每天大约 1800 万条翻译。

有经过大型数据集考验的 Google 神经机器翻译系统加持,最新的 Google 翻译效果究竟如何呢?

我们做了一个简单的比较测试。当然,还是在中英翻译场景下。

测试场景:PC 端 Google 翻译网页版

随机选择了一则英文消息,原文如下:

Since COVID-19 began, we’ve heard from our retail and brand manufacturing partners that they’re hungry for more insights on how consumer interests are changing, given fluctuations in consumer demand. We see these changes reflected in how people are searching on Google. Last month, there were spikes in search interest for household supplies and jigsaw puzzles as people spent more time at home. This month we’ve seen surging interest for sewing machines and baking materials in the U.S., and tetherball sets and chalk in the United Kingdom and Australia.

Businesses are using a variety of resources to understand changing consumer interests—including Google Trends, social listening, surveys, and their own data—in order to help make decisions on the fly. But if they don’t know what to look for, there isn’t an easy way to understand which product categories are gaining in popularity, and might pose an OPPOrtunity.

That’s why we’re launching a rising retail categories tool on Think with Google. It Surfaces fast-growing, product-related categories in Google Search, the locations where they’re growing, and the queries associated with them. This is the first time we’ve provided this type of insight on the product categories that people are searching for.

旧版 Google 翻译给出的英译中结果:

升级后 Google 翻译给出的英译中新结果,红色标记字部分为与旧翻译结果的不同地方。新版翻译具体如下:

对比两段翻译结果,可以看出区别还挺大的。整体而言,新版翻译结果中标红文字的表述明显更符合汉语的语法和表述习惯。

另外,最后一段的翻译结果优化则更为明显,对 Google 产品名称“Think with Google”进行了准确识别,避免了乱翻译的尴尬。

确实更智能啦!

 
 
Google 翻译 技术
上一篇:人工智能在过程工业绿色制造中的机遇与挑战 下一篇:人工智能将在2020年改变IT行业
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

如何使用Auto-Sklearn和Auto-PyTorch实现自动化机器学习

如今,机器学习(ML)正在广泛地影响着商业、工程、以及研究等领域。通常,机器学习水平的进步,与软件和自动化的深入迭代有着密切的关系。

陈峻 ·  2天前
人工智能(AI)从实验室到实际应用有何不同?

数据治理是人工智能AI实际应用中的核心问题。 组织在整个开发和生产生命周期中不仔细管理对数据的访问,人工智能的努力可能无法真正走出实验室。

钢铁导师贾大白 ·  3天前
科学家正开发像人类一样会“思考”的人工智能

由格拉斯哥大学心理学和神经科学学院领导的发表在《模式》杂志上的新研究,使用 3D 建模来分析深度神经网络处理信息的方式,也就是更广泛的机器学习家族的一部分,以可视化它们的信息处理如何与人类相匹配。

佚名 ·  4天前
解决人工智能偏见问题的重要步骤

人工智能技术的新进展为企业提供了更多改进业务的机会,但它们也具有内在偏见的风险。

HERO ·  2021-10-18 10:59:27
高速无人机独立穿越森林,全程自己规划路线,时速高达40公里

随着传感器功能和计算机能力的提升,无人机在更复杂环境中的飞行速度,很快能超过40公里/小时。

兴坤 ·  2021-10-15 10:22:37
人工智能正在改变软件开发模式

软件开发人员正在使用人工智能来帮助编写和审查代码、检测错误、测试软件和优化开发项目。这种帮助正在帮助公司更有效地部署新软件,并使新一代开发人员能够更轻松地学习编码。

Harris ·  2021-10-15 10:05:25
深度学习的工作原理:窥视驱动今日AI的神经网络的内部

今天人工智能的繁荣离不开一种名为深度学习的技术,该技术基于人工神经网络。本文通过图形解释了如何构建和训练这些神经网络。

布加迪 ·  2021-10-15 08:00:00
一个算法统治一切!DeepMind提出神经算法推理,深度学习和传统算法融合再现奇迹?

现在,DeepMind 想开创一条新路,他们要找到一种深度学习模型,模仿任何经典算法,并在现实世界实现功能。

佚名 ·  2021-10-14 10:34:38
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载