Facebook公布最新的神经网络机器翻译算法

机器学习 人工智能

摘要：

Facebook的人工智能研究团队公布了他们最新的神经网络机器翻译（NMT）研究成果。同时进行三个机器翻译任务，他们的算法比其他任何一个系统的得分都要高。

正文：

Facebook的人工智能研究团队公布了他们最新的神经网络机器翻译（NMT）研究成果。同时进行三个机器翻译任务，他们的算法比其他任何一个系统的得分都要高，而且比Google的NMT系统快上9倍。

Facebook使用了卷积神经网络，该技术在计算机视觉领域得到广泛应用。它以一种结构化的顺序来处理句子，捕捉句子成分之间复杂的关系。Facebook对计算机进行训练，让它们能够识别出句子（由两个、三个、四个或更多的单词组成）各个部分的含义。通过使用神经网络来处理句子，计算机可以理解句子各个部分的含义。然后使用另一种神经网络将这些意思转译成另外一门语言。

卷积的主要优势在于，你可以同时将其应用在句子的多个成分上。传统的NMT技术逐字地读取句子，然后记下句子在当前位置的意思。计算机的速度限制了串行化读取的速度，结果就是Facebook的算法可以比串行化读取技术最多快上9倍。

他们还引入一种新的技术，叫作“multi-hop”。这种技术并不是整句地读取然后整句地翻译，而是进行逐字翻译。multi-hop是一种新技术，比“专注”（attention）机制更智能、更复杂。专注机制是解决多义词问题的关键。一个单词在不同的上下文里具有不同的含义。在翻译一个单词的时候，专注机制根据原文的相关部分为单词选择最合适的释义，从而解决多义词问题。

Facebook打算将他们的新技术应用在其他文字处理任务上，比如使用神经网络来回答问题。新技术可以让他们同时专注于对话的每一个部分。他们在博客上完整地介绍了他们的新技术，还有一份可以自由访问的论文。如果有人想尝试他们的算法，可以从GitHub下载代码。

在进行英语到法语、英语到德语和英语到罗马尼亚语的翻译时，新算法比其他任何一个算法都要快。它打败了Google的神经网络机器翻译技术。Google Translate SDK提供了Google的翻译算法，可以支持20种语言互译组合。如果有人想知道NMT和传统技术之间的区别，可以试着使用Microsoft Translator来翻译他们喜欢的内容。

查看英文原文： Facebook Publishes New Neural Machine Translation Algorithm