这一次 Google 翻译又玩了什么花样？

　　机器翻译哪家强？选百度还是 Google？

　　据说翻译们纷纷调低了费用？

　　未来 Google 翻译除了帮你翻翻网页，还能写情书不？

　　深蓝 Deeper Blue 邀请了五位完全不同领域却又互相相关的嘉宾来谈论一系列问题——说清楚这一届机器翻译到底行不行。

　　Google 经历了一个进击的初秋。除了轰轰烈烈浩浩荡荡的秋季发布会，Google 还用它具有重大突破的翻译系统点燃了人们。

　　《连线》杂志的编辑 Cade Metz 记录了他所经历的一件趣事。今年三月，《连线》编辑部花了一整个月做了 Alapha Go 与李世石人机大战的封面报道，就在杂志下印刷厂之前，编辑部收到了一封激动人心的韩语邮件。

　　邮件的大意是这样：李世石在与 Alapha Go 败战之后已连赢五场世界顶级对战。正是人工智能将人类推向了新的巅峰。在与 Alapha Go 对弈之后，李世石表示正是机器开发了他对这古老对弈游戏的新理解。

　　编辑部差不多看懂的时候，当即决定把这一段很好的材料放进文章里去。但难题来了，新闻是用韩语写的，更多的细节需要精密翻译，而编辑部里面没有任何一个人懂韩语。于是，编辑们尝试用 Google 翻译来识别这则新闻，但网页上被翻译出来的英文只有零散的、毫无意义的病句。

　　没有办法，只好紧急搜罗韩语翻译。“如果我们能够等到新的 Google 翻译就万事大吉了。” Mets 在文中这样写道。这个故事巧合的地方是，直播，正是 Alapha Go 背后的科技—— 深度神经网络 —— 在 Google 翻译中扮演着重要的角色。

　　深度神经网络仿照人类大脑神经的相互连接系统，与安卓手机指令接收及脸书图像人脸识别系统一样，来自同一种人工智能技术分支。 Google 随后在论文《Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation》上表示，Google 神经机器翻译（GNMT）能够减少 60% 的翻译错误。

　　目前 Google 神经机器翻译系统已经支持中译英功能，可以看得出来 Google 对于未来的野心与规划。

　　Google 新的翻译系统用的是深度神经网络中一种叫 LSTM 的技术，即 “长短记忆型递归神经网络（long short-term memory）”。区别于之前的“阶段式机器学习” 翻译，LSTM 可以保持短期与长期的信息，就像人的记忆系统。这使得计算机分析一个句子的时候，在句子结束时仍能够记住开头的内容。

　　但 LSTM 系统最大的问题就是：慢。对于一个在线服务，要是一句话的翻译得等个一分钟，就不具备用户粘性了。Google 最大的功绩在于，用了许多的算法去改进模型，改进 LSTM 系统。

　　深度神经网络由层层数理计算（即线性代数）组成，每一层的算法结果都会辅助下一层的计算。谷歌采纳的一种技巧是在第一层完成的时候才启动第二层的计算。

▲ 图为 Google 翻译系统译出句子的过程。

　　但不少圈内人认为，Google 翻译速度的提升主要是因为拥有了强大的芯片技术支持，指的就是 TPU（Tensor Processing Unit）。有了 TPU，原本要处理 10 秒时间的句子只需要 300 毫秒便可完成。

　　不仅仅是 Google，所有的互联网巨头都在一个方向上赛跑，战争一触即发。从微软到百度，有能力的选手都入场了。如果说 Google 在芯片上表现卓著，那么微软也在运用其可编程芯片 FPGA 来执行神经网络，而百度正在开发不同类型的硅片。

　　深蓝 Deeper Blue 邀请了 5 位不同领域的代表人来一起聊一聊 Google 神经机器翻译的突破与局限，聊一聊机器翻译的未来。

　　他们中有来自学界的科研人员，有来自业界的从业人员，还有来自翻译一线的翻译家，虽然领域各自不同，但他们都关注着人工智能对翻译的影响。

/ 01 /