Kredit:CC0 Public Domain
Microsoft meddelte onsdag, at dets laboratorier har udviklet et AI -maskinoversættelsessystem, der kan oversætte fra kinesisk til engelsk med samme nøjagtighed som et menneske. Forskerne er på Asien og amerikanske laboratorier hos Microsoft.
Microsoft betragter dette som en historisk milepæl i Neural Machine Translation, idet det har nået menneskelig paritet for kinesiske til engelske oversættelser.
Godt, det er ikke en lille bedrift. I oversættelse, der er ingen absolutte "rigtige" måder, da der er variationer i, hvordan man kan videresende den samme tanke. På den anden side, vi ved, hvordan det er at klikke på "engelsk" på et dokument, der ikke er på engelsk, eller klik på "oversæt denne side, "at opdage uforståelige ordstrenge på engelsk, som man simpelthen ikke kan genbruge.
Xuedong Huang, teknisk medarbejder med ansvar for Microsofts tale, naturligt sprog og maskinoversættelsesindsats, sagde, "At ramme menneskelig paritet i en maskinoversættelsesopgave er en drøm, som vi alle har haft, "Sagde Huang. Huang blev citeret i AI -bloggen (en officiel Microsoft -blog).
Hvad støtter deres påstand? Ifølge Microsoft, et branchestandardtestsæt med nyhedshistorier for at sammenligne menneskelige og maskinoversættelsesresultater blev anvendt.
Ikke kun det; teamet hyrede en gruppe tosprogede menneskelige evaluerere. De blev bedt om at sammenligne resultaterne med et andet sæt menneskeproducerede oversættelser.
Så hvad gør deres forsøg vellykket? Nøgleordene for et svar ser ud til at være dybe neurale netværk, som handler om måder at træne AI -systemer på.
Fordelen er, at du bliver mere flydende, naturligt lydende oversættelser.
"Meget af vores forskning er virkelig inspireret af, hvordan vi mennesker gør ting, "sagde Tie-Yan Liu, en forskningschef hos Microsoft Research Asia i Beijing.
I AI -bloggen , Allison Linn navngav og beskrev deres teknikker:faktatjekning, overvejelsesnetværk, fælles træning, og regulering af aftaler.
Faktisk kontrol, hver gang de sendte en sætning gennem systemet for at blive oversat fra kinesisk til engelsk, forskergruppen oversatte det også tilbage fra engelsk til kinesisk. Fakta-kontrol fordel er, at "det tillod systemet at forfine og lære af sine egne fejl."
I overvejelsesnetværk, "Forskerne lærte systemet at gentage processen med at oversætte den samme sætning igen og igen, gradvist forfine og forbedre svarene. "
Ved fælles træning, oversættelsessystemet fra engelsk til kinesisk oversætter nye engelske sætninger til kinesisk for at få nye sætningspar. Disse bruges derefter til at udvide træningsdatasættet, der går i den modsatte retning, fra kinesisk til engelsk. Den samme procedure anvendes derefter i den anden retning. Når de mødes, ydeevnen for begge systemer forbedres.
Ved regulering af aftaler, oversættelsen kan genereres ved at få systemet læst fra venstre mod højre eller fra højre til venstre for at lede efter den samme oversættelse.
"Maskinoversættelse er meget mere kompleks end en ren mønstergenkendelsesopgave, "Sagde Zhou." Folk kan bruge forskellige ord til at udtrykke det samme, men du kan ikke nødvendigvis sige, hvilken der er bedre. "
En diskussion om "neurale maskinoversættelsesteknologier" vises i forskningsartiklen, "Opnåelse af menneskelig paritet på automatisk kinesisk til engelsk nyhedsoversættelse."
Forfatterne sagde, at deres evaluering fandt ud af, at deres system nåede paritet med professionelle menneskelige oversættelser på WMT 2017 kinesisk til engelsk nyhedsopgave.
Så, er deres arbejde færdige med sådan et neuralt maskinoversættelsessystem? Skal menneskelige oversættere blive irrelevante?
Liu, ifølge AI -bloggen , sagde, at ingen ved, om maskinoversættelsessystemer nogensinde vil være gode nok til at oversætte tekst på et hvilket som helst sprogpar med en menneskelig oversætters nøjagtighed og tekst.
På samme tid, han tilføjede, gennembrudene giver holdene mulighed for at gå videre til de næste store skridt mod det mål og andre AI -præstationer.
© 2018 Tech Xplore