由于深度学习技术的进展，神经机器翻译在近年越发流行，并已进入许多流行的产品中，开始帮助人们更好地沟通。微软推出的翻译软件 Microsoft Translate，让沟通多方像用微信一样加入群聊，自然对话并获得各自的翻译，备受好评。

去年，全球 5 亿人使用的 Google Translate 服务中部署了神经翻译机器。当时 PingWest品玩用一些经典中英段落测试互译，仍会出现奇怪的翻译：

In my younger and more vulnerable years my father gave me some advice that I’ve been turning over in my mind ever since.

“Whenever you feel like criticizing anyone,”he told me,”just remember that all the people in this world haven’t had the advantages that you’ve had.”

人工翻译：

我年纪还轻，阅历不深的时候，我父亲教导过我一句话，我至今还念念不忘。

“每逢你想要批评任何人的时候，”他对我说，“你就记住，这个世界上所有的人，并不是个个都有过你那些优越条件。”

Google 神经机器翻译（去年）：

在我更年轻，更容易年，我的父亲给了我一些建议，我一直在我心中从此翻身。

“每当你觉得批评任何人，”他告诉我，“只记得，所有的在这个世界上的人都没有，你有过的优势。”

时隔一年之久再去测试，效果已经好了很多：

在我年轻，更脆弱的岁月里，我父亲给了我一些建议，自从我一直在转过头来。

“每当你想批评任何人，”他告诉我，“只要记住，这个世界上所有的人都没有你的优势。”

这是由于神经机器翻译后端的深度学习系统学习能力比统计机更强。随着输入的数据源，以及使用的人越来越多，它能不断提升翻译技巧。Facebook 用户刚刚超过 20 亿，每天都有超过 13 亿说不同语言的人在上面分享活动、发图片、评论以及点赞。现在，Facebook 翻译后端已经完全迁移至神经机器翻译，这些训练好的神经网络每天处理多达 45 亿次翻译请求。

未来，Facebook 打算引入一些更先进的神经网络架构，直播，比如卷积神经网络 (Convolutional Neural Networks, CNNs)。测试结果发现使用 CNN 进行英法互译的 BLEU 得分比 LSTM 进一步提升了 12%。不仅如此，他们也在尝试一些更难的挑战，比如多语种（而非双语种）翻译。

届时，基于神经网络的翻译系统，将在精度、地道程度、多语种翻译能力等更多维度上超过和取代统计机，甚至人工翻译——就目前来看，取代这些工作可能是人工智能为数不多的坏处之一。返回搜狐，查看更多