神經網絡革命,能否讓機器翻譯打破人類語言壁壘?

盡管川普的走馬上任更多與“逆全球化”綁定在一起,但考慮到人類曆史“螺旋狀”上升的演化軌跡,在技術進步和文化擴散的雙重推動下,這個世界總體趨向互通互聯的趨勢似乎不可違——尤其當全球化與網絡相遇的一瞬,不同國家之間平等便捷獲取信息,低成本地有效溝通即成一種必然。從這個意義上,全球化的最大敵人之一也許是各國千百年來夯實的語言壁壘。

作為一門交叉學科,機器翻譯涉及到認知科學,計算機,信息論,語言學等多學科,其理論路徑同樣經曆了螺旋狀上升:從最久遠的“翻譯備忘錄”到後期基於規則,基於實例的機器翻譯,再到被視為機器翻譯重要轉捩點的統計翻譯模型(SMT)——後者是科學家初次察覺到通過大數據消弭信息不確定性是攻克“智能”的好辦法。

而最近兩年,機器翻譯正在擁抱另一個更重要的技術轉折點——基於神經網絡的機器翻譯(NMT:Neural Machine Translation)。

機器翻譯的技術路徑

感同身受的是,無論是普通用戶還是資深譯員,無論使用WEB還是APP,都明顯察覺到近些年來的翻譯質量有著迅猛的提升。

問題是:為何變化如此明顯?不妨從技術路徑上拆解來看。

直覺便知,當人類試圖讓機器翻譯語言時,自然要對文字進行解構,就像同心圓的關係,文章由段落構成,段落由句子構成,句子由短語和字構成,而遵循從易到難,機器翻譯的理論路徑也是從後向前:從最初的逐字翻譯到基於短語的翻譯——如今,依靠於神經網絡,基於句子的翻譯成為可能。

於是,按照翻譯單元的不同,大體而言,目前機器翻譯有兩種類型:其一是上文提及的統計翻譯模型(SMT),如你所知,互聯網的廣泛普及為統計翻譯提供了豐富的訓練養料,而千禧年左右興起的基於短語的SMT更是讓機器翻譯質量大為提高,也在很長一段時間占據機器翻譯的主流,但以短語作為翻譯單元的弊端即是,當麵對整句層麵的翻譯時顯得非常生硬。

另一種類型當然是基於神經網絡的機器翻譯(NMT),其翻譯路徑是所謂端到端(end-to-end),將源語句整體編碼為一個向量,再通過解碼器對其進行解碼,理論上僅需給定源語言句子,即可通過神經網絡輸出目標語言譯文。這裏不妨舉個例子,若你在百度翻譯中輸入“蘿卜青菜各有所愛”,它可以輕鬆輸出“Every man has his hobbyhorse”的正確譯文,而非諸如“Turnip greens his taste”的荒誕結果。也正因如此,短短兩年,NMT就在多個公開測試集上超越了作為前輩的SMT係統。

而若要比較的話,整體而言,在數據訓練比較充分的時候,NMT無疑要優於SMT;在短句或數據量相對較小之時,SMT在處理固定搭配和習慣表達上具有優勢。所以兩種方式談不上殊途同歸,隻是在不同場景中分類而用——要知道,用戶的翻譯場景頗為多變,這要求一個優秀的翻譯係統要成為集大成者。如今百度的翻譯係統就包含SMT,NMT,甚至更傳統的EBMT(基於實例的機器翻譯)。

當然,倘若我們談論的是未來,幾乎可以肯定,神經網絡技術本身的向前奔進,會讓NMT日趨成為主流(事實上,在百度中英日韓等多個係統中,它已是主流)——在今年8月的國際計算語言學年會上(ACL),移動端離線NMT被列為未來重要研究方向,即是為機器翻譯的未來畫了一個幾乎確定性的腳注。

機器翻譯的跑馬圈地

自二十世紀三十年代初法國科學家阿爾楚尼提出用機器進行翻譯的想法至今,哪怕對人工智能的定義已幾經翻折,機器翻譯都被長期視為人工智能的“終極目標”之一。巨大的期許往往意味著目標艱難,但這仍然無法阻擋這塊大蛋糕對全球頂尖科技大佬的吸引力。

而作為翻譯技術發展的初級階段,如果在這個時候硬要拚個排名或者高下,其實並沒有太大意義,而科技界的競爭也無非就是微軟、百度、穀歌這三家而已,孰輕孰重一看便知。隻不過,從“百度更懂中國”的大思路能夠看出,百度在中國乃至亞洲市場更具侵略性,和搜索之爭同理,雖然誰都打不死誰,但區域優勢已成不爭事實。

12月21日,從百度機器翻譯技術開放日上百度技術委員會聯席主席、自然語言處理部技術負責人吳華博士的觀點可以看出,百度其實已經成為了翻譯技術領域的破繭者,他們早於穀歌一年就正式上線了基於神經網絡的翻譯係統,同時也打造了全球首個互聯網在線NMT係統以及手機端離線NMT係統。據悉,百度翻譯每天已有上億次訪問,支持28種語言的互譯,開方的API接口也有超過2萬家第三方接入。

而就在前幾天,微軟發布全球首個萬能翻譯器,微軟官方表示它也可以實現多達100人間實時翻譯交談,並支持9種語言的語音輸入。而穀歌全球化帶來的影響無疑的巨大的,在收購科技公司的同時也在大力發展區域化優勢,如穀歌2014年收購的Word Lens也在積極開展機器翻譯的工作,這李彥宏所說的話是一樣的道理:用人工智能打破一切邊界。

其實,百度的現狀其實並不令人意外,考慮到中國經濟在全球化中的地位,在將更多人卷入全球化的社會協作網絡過程中,中國對翻譯行為的仰仗無疑更迫切。而更為現實的是:在全球數萬億網頁中,80%為非中文網頁;去年中國出境遊人數超過1.2億,前20個旅遊目的地國家和地區中共使用了12種語言,尤其是中英語——這個世界上使用人數最多和使用最廣泛的兩種語言之間的翻譯,在很多人眼中是純粹的剛需。

機器翻譯的未來

很簡單,翻譯技術最終是要服務大眾,否則就是鏡中月、水中花。

重要的是,技術也逐漸還原到更具體的實用場景,百度翻譯APP就通過結合OCR技術和語音技術,為用戶滿足各種碎片化的翻譯需求,舉幾個例子:當你在國外遊覽時,隻需將手機屏幕對準外文介紹,OCR翻譯即可呈現翻譯結果;麵對天書一般的外文菜單,百度翻譯可以迅捷地將菜單翻譯結果顯示在手機上,從此不必再在點餐時聽天由命;在國外買買買時,它也能讓你快速讀懂說明書;另外,當遇到不認識的實物,實物翻譯可以用中英雙語告知其名,同時伴隨著準確的發音;而結合語音技術的會話翻譯,能幫助用戶與外國人無障礙交流——我甚至還看到過這樣的新聞:靖江市民警在語言不通的情況下,用百度翻譯成功救助4名俄羅斯籍船員……

技術的福祉正在惠及每一位擔心語言關的人,而另一端,一部分人對技術的憂慮也在所難免。“未來若幹年,我們很容易想象語言障礙會完全被打破,現在做同聲翻譯的人可能將來就沒有工作了。”上個月的烏鎮互聯網大會,李彥宏為人們勾勒了未來的場景。

機器雖然突破了固有翻譯原則的局限,但必須承認的是,機器翻譯和真正意義上的“語言學”還關係不大,距離文人向往的“信雅達”目標還很遙遠,這也意味著,機器翻譯任重道遠,人工翻譯可稍安勿躁。

究其原因,在基於端到端的翻譯手法中,神經網絡無法理解自己翻譯出的句子,無法對譯文給出一個合理解釋——這正是它與專業人工翻譯最本質的差別。譬如,遵循上文提及的從後向前(從易到難)的理論路徑,讓機器理解基於“段落”甚至“篇章”的翻譯自然再好不過,這要求機器在上下文理解和連貫性上飛躍一大步。

那麽問題是:它會實現麽?作為技術樂觀主義者,我個人答案當然是會,一切或許隻是時間問題。

在昔日古老的歲月,人類誕生語言的原始目的,一方麵是增進本族人的內部溝通,另一方麵是製造與外族的天然隔閡。而若你相信技術的發展內嵌在全球化的偉大浪潮中,通過技術終結千萬年來人類語言互不相通的曆史就值得期許。畢竟,讓人們聽懂彼此,這是一個太過古老的夙願。

相關新聞

最新產品

聯係我們

13180459423

在線谘詢:點擊這裏給我發消息

郵件:lovesufan@qq.com

工作時間:周一至周五,8:30-18:30,節假日不休息

QR code
error: Content is protected !!