數年前，google採用遞歸神經收集（recurrentneural networks）將句子視為一個單元進行翻譯，以後的片語式機械翻譯體式格局（pbmt），則是將句子切割成單獨的字和詞組做獨立翻譯。結合報系資料照片" title="google。
結合報系資料照片">
翻譯
google翻譯的成長進程快速，10年前，google推出翻譯辦事，並以片語式機械翻譯（phrase-basedmachine translation）作為主要運算體例。
留意 (attention)功能是為了每步都產出正確的詞，解碼器將針對編碼中文向量裡最相幹的英文單詞權重分布(weighted distribution)進行解碼。
他指出，機械進修是很主要的議題，人人在討論google翻譯的進修功能之際，也會聯想到人工電腦alphago打敗真人世界棋王翻譯此刻也有人提出讓alphago打alphago，進修能力可以更快的說法，就像是金庸小說「西嶽論劍」裡全真派的周伯通，用本身的左手和右手對打，使出的「左右互搏」翻譯
其實不只簡體中文、繁體中文的語法不異，他泄漏，日文、韓文在機械翻譯上也可算是語法不異，用統一套系統。
在讀取完全句子後，解碼器(decoder)就會開始運作，一次產生一個英語句子中的一個詞翻譯
google神經機械翻譯(gnmt)將中詞句子翻譯成英詞句子的過程，透過編碼器 (encoder)，首先，gnmt將中文句子的每個單詞進行向量(vector)編碼，而每一個向量將顯示出今朝為止單詞被讀取到的所成心義翻譯
他認為，雖然簡體中文、繁體中文有些不異的字詞有著分歧的意義，或溝通的字已衍生出新的意義，但因簡體、繁體中文語法溝通，在機器翻譯上仍採用一套系統，可視為專著名詞，透過進修建立資料庫來校訂翻譯
簡立峰诠釋，google翻譯有學習及資料庫的功能，赓續累積經驗，毛病也是一種經驗，除非幾乎所的人都在「點竄建議」欄寫下如出一轍的毛病，才會積非成是，但事實上這類環境並不可能産生。
過去，為翻譯任意兩種說話，google需要建構多個分歧的翻譯系統，運算本錢相當可觀。
相較於曩昔的片語機器學習（pbmt），神經機器翻譯（nmt）僅需要較少的系統架構設計翻譯剛起頭推出神經機械翻譯時，這兩種翻譯體式格局的精準度平起平坐。為改良nmt翻譯品質，研究人員提出很多手藝來解決，這傍邊包括透過摹擬調校模子(externalalignment model) 處置罕有字詞、利用「注意」(attention)來對準輸入詞和輸出詞，以及將詞拆解成更小的單元以應對罕有字詞等翻譯
引用自: https://udn.com/news/story/7088/2440774有關翻譯的問題歡迎諮詢天成翻譯社
留言列表
