由于人工智能的飞速发展，机器翻译水平正在大幅提升，并逐渐赶超人类，这已经是不争的事实。然而，同在机器翻译这个赛道里的各位“赛手”，谷歌、有道等传统翻译产品或公司，也正在上演着一场激烈的角逐和比拼。
人工智能翻译大赛谷歌竟然连败两场？
12月的一个早上，北京软件园，一场机器翻译的pk赛正在进行。活动主办方品玩，是一家“有品好玩”的科技媒体。
这场人工智能翻译大赛的规则是三局两胜，第一局考验对话翻译，第二局考验识别能力，第三局是挑战图像翻译。
而三款同台竞技的翻译软件则是：Google翻译、有道翻译官和搜狗翻译。
前两局的的赛果，有道翻译官通过稳定的发挥，以小幅优势领先，尤其是凭借着对《大话西游》的经典台词的准确翻译，让现场的观众真正领教到了人工智能翻译的实力。而真正拉开实际距离的是第三局，拍照翻译。
主持人随机选了一段BBC气候变化的新闻作为翻译素材，标题是《HowGreenlandwouldlookwithoutitsicesheet》。
这是三家翻译软件给出的结果：
Google翻译：如何格陵兰岛看起来没有它的冰表。
有道翻译官：如果没有冰盖，格陵兰岛将会怎样？
搜狗翻译：没有冰的格陵兰岛会是什么样子。换行之后又翻译了一个字：表。
最终，有道翻译官三局两胜，拿下来这场人工智能翻译大赛。
实际上，这不是有道翻译（包括有道词典、有道翻译官、有道翻译网页版等产品）拿下的第一次胜利。早在一个月前，一场人机之间的翻译大赛中，有道翻译同样以高比分拿下第一。
这是一场由第三方翻译评测机构“试译宝”发起的机器翻译人机PK赛，人类军团的翻译好手和机器军团同台竞技。
最初的翻译素材采取自《FinancialTimes》的报道文章，每一段翻译文本下都有对应的四句翻译结果，其中只有一句是人类翻译的，其他三句都是机器翻译的。用户需要在这四句翻译结果中，选出他们认为的最可能是人类翻译的选项，如选择正确，则人类军团得一颗译星，如翻译错误，则相应的机器军团中的选手得一课译星，也就是说获得译星越多，表明其翻译越准确。
你能看出哪个是人类翻译的结果么？
截止最新的结果，人类获得45%译星，机器获得55%译星。在机器军团贡献榜，有道获得译星最多，远高于谷歌、搜狗、百度和必应。（数据来源“试译宝”）。
不到一年的时间，人工智能给机器翻译领域带来了质的飞跃，也改变了普通大众对于机器翻译曾经“蹩脚、不准、不智能”的古板印象。
而在机器翻译领域竞逐的“赛手”也越来越多，有道、谷歌、搜狗、百度，都或早或晚的布局人工智能翻译。
可是，为什么本应该更有优势的谷歌翻译，在两场比赛中却不如有道？
中文翻译不如有道谷歌输在哪里？
实际上，由于学术界近两年在人工智能方面的突破，给了各家翻译公司提供了大量的理论基础和支撑，各家使用的神经网络翻译模型其实大同小异，但在模型具体的训练上，各家是有差别的。
这其中的原因很多，包括语料的不同、对于句子的“单元处理”以及不同领域内的适配能力。
机器翻译的语料：你吃什么就像什么
数据对于人工智能来说至关重要，一个人工智能系统通常有非常强大的自我学习能力，而它学习的原始素材就是来自于大量的数据，对于神经网络翻译模型而言，这些数据就是语料。
语料有多重要？我们来做一个比喻。
假如把神经网络翻译比作人脑，它可能相当于一个三岁儿童，这个儿童正在咿呀学语，但是学习速度惊人。
小明和小刚是两个年龄三岁左右的儿童，他们大脑构造相同，把他们放置在两个不同的语料环境中学习语言。小明在A语料环境中，在这个语料环境中，“Apple”被翻译成“苹果”，并且长时间不断如此重复。一段时间后，当小明看到“Apple”这个词后，脱口而出就知道是“苹果”。小刚在B语料环境中，“Apple”被翻译成“蛇果”，偶尔也会翻译成“苹果”，但只有少数一两次。一段时间后，当小刚看到“Apple”这个词后，他会说成是“蛇果”。
这就是语料对于神经网络模型的重大影响。当模型在大量的数据中进行自我学习时，平行语料中的某一方语料本该有的“词义”缺失或者不准确（比如“Apple”对应的语料中没有“苹果”这个意思，或者很少出现），则模型在翻译的时候，很难或者根本无法翻译出准确的结果。（因为它根本不知道可以翻译成“苹果”）。
如果你对上面的内容大概有所了解，我们再看一段BBC上的新闻：
UniversalMusicGroup’sexecutivevicepresidentofdigitalstrategy,MichaelNashsaid:"Together,FacebookandUMGarecreatingadynamicnewmodelforcollaborationbetweenmusic北京治疗白癜风去哪个医院比较好北京治疗白癜风哪家最好
转载请注明：http://www.chongqinghg.com/fygxs/1322.html
