響鈴：AI翻譯引進NMT技術(shù)，就能精準識別“語境”嗎？

《圣經(jīng).舊約》里記載著這樣一段故事：

當時人類聯(lián)合起來興建希望能通往天堂的高塔，為了阻止人類的計劃，上帝讓人類說不同語言，使人類相互之間不能溝通，計劃因此失敗，人類自此各散東西。

巴別塔典故，為世上出現(xiàn)不同語言和種族提供了解釋。盡管互聯(lián)網(wǎng)的出現(xiàn)，讓“地球村”的夢想在地理空間上不再是遙不可及，但語言理解與文化背景成為了全球溝通最大的障礙，又生生的讓夢想變得骨感起來。

好在，各大搜索引擎都推出了AI翻譯。

1、AI翻譯這條賽道上，巨頭們都繞不過的“坎”

AI翻譯作為垂直搜索產(chǎn)品，因其明朗的落地應(yīng)用場景而備受巨頭們關(guān)注。

2016年，GNMT技術(shù)（谷歌的神經(jīng)網(wǎng)絡(luò)機器翻譯技術(shù)，模仿人腦的神經(jīng)思考模式）全面布局于谷歌翻譯系統(tǒng)中，隨后，谷歌聲稱其AI翻譯的譯文質(zhì)量誤差降低了55%-85%，并且將此技術(shù)廣泛應(yīng)用于網(wǎng)頁翻譯與手機應(yīng)用。

國內(nèi)，百度當時已經(jīng)研究出了可應(yīng)用的SMT技術(shù)（統(tǒng)計機器翻譯），但得知NMT的橫空出世之后，便迅速調(diào)轉(zhuǎn)方向轉(zhuǎn)而研發(fā)NMT技術(shù)，于是就有了BNMT應(yīng)用于百度翻譯。盡管初時的百度翻譯速度很慢，但是，百度當時反應(yīng)也佐證NMT的價值性。

搜狗、阿里、騰訊等公司也都有部署NMT領(lǐng)域，推出多款基于神經(jīng)網(wǎng)絡(luò)的在線翻譯和手機應(yīng)用，在智能翻譯領(lǐng)域持續(xù)發(fā)力。360搜索自占據(jù)國內(nèi)搜索引擎行業(yè)二哥的位置后，同樣專注在AI領(lǐng)域與其他巨頭角力，上線了基于NMT的360翻譯，以期與去年上線的360英文搜索“雙劍合璧”。

但是我們會發(fā)現(xiàn)，不論是谷歌還是BAT，其智能翻譯從未能聲稱能替代人工翻譯，因為翻譯還必須考慮到到使用者的情感及文化背景。從2016年起至今的兩年時間里，對海量語料的深度學習逐漸成為AI開發(fā)的必修課，也成了巨頭們布局AI翻譯繞不過的“坎”。

正是在這樣的背景下，360翻譯的深度學習調(diào)度平臺卯足了勁，在深層技術(shù)和語料挖掘上下苦功夫。除了發(fā)揮360搜索在新聞資訊方面的既有優(yōu)勢外，360的英文搜索還與微軟旗下的搜索引擎Bing開展技術(shù)合作，從而使得其AI翻譯背后坐擁海量中英網(wǎng)絡(luò)語料，讓其在理解語境方面更顯地道。另外，360翻譯采用的也是獨家研發(fā)的360NMT技術(shù)。

但這依然還只是個開始。

2、搜索平臺不約而同發(fā)力NMT，為的是哪般？

不論是國外的谷歌，還是國內(nèi)的搜索巨頭百度、搜狗、360等，均把NMT作為AI翻譯的標配，翻譯集中的領(lǐng)域在中英互譯上，這是一個很有趣的現(xiàn)象。AI翻譯真的是塊肥肉嗎？惹得誰也不愿意掉隊。

據(jù)統(tǒng)計表明，全球一共有73個國家，超10億人以英語為官方語言，而漢語則是世界使用人數(shù)最多的語言，因此，中英互譯本身的用戶基數(shù)市場就能引起巨頭們足夠的注意力了。為什么要發(fā)力NMT，這得從AI翻譯人類語言的方式說起，包含三種：第一，基于規(guī)則的機器翻譯方法；第二，基于實例的機器翻譯方法；第三，基于統(tǒng)計的翻譯方法。SMT與NMT都屬于第三種，從語料自動學習翻譯模型，結(jié)合大數(shù)據(jù)通過評分輸出翻譯結(jié)果。

但是，SMT與NMT存在著顯著的差距。SMT采用的模式是通過平行語料進行統(tǒng)計分析，翻譯的準確性則與語料的豐富度呈明顯的正相關(guān)，但是存在著翻譯結(jié)果太過零散，片面生硬，語法語義混亂的劣勢。而模仿人類神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，NMT是以一個句子為基本的處理單元，好處在于翻譯過程中有著更好的語感，能降低SMT翻譯的關(guān)于“形態(tài)、句法、詞序”等方面出錯的概率。因此，NMT在技術(shù)上恰巧可以有效彌補SMT的缺陷。而隨著語料不斷地加碼，AI翻譯的準確度也就高得多。

3、AI翻譯引進NMT技術(shù)，就能精準識別“語境”嗎？

搜狗同傳翻譯在某次國際性會議上，聲稱其神經(jīng)網(wǎng)絡(luò)機器翻譯技術(shù)已達臨界點，并在進行大規(guī)模商用推廣。只是，搜狗的同傳還是在國際會議上出過爭議，結(jié)果不盡如人意。即便在正式的場合能夠應(yīng)對自如的搜狗，在非正式場合會是怎樣一種情況呢？很多時候的中英交流多以口語化形式出現(xiàn)，對“語境”的理解遠比“語法和詞匯”難得多。下文我們將就幾組語句進行討論（以下從搜狗、360搜索、百度以及谷歌四大平臺進行對比）。

第一組：獻上我的膝蓋?？纯?，最近這句網(wǎng)絡(luò)常用語各翻譯平臺的水平

谷歌：Offer my knee。

360：express my admiration。

百度：Offer my knees。

搜狗：Give me my knee。

測試結(jié)果是搜狗、百度、谷歌均傾向于單詞表面意思的翻譯，并未能結(jié)合具體的文化背景，而360對于該網(wǎng)絡(luò)用語的解釋就地道的多。

第二組：詩詞，選自杜甫的《登高》。因其詩中主要是以諸多意象組成的意境，看翻譯能否反饋這種情感。

《登高》原文摘選：

風急天高猿嘯哀，渚清沙白鳥飛回。

英語譯文：

有趣的是將各自翻譯的英文譯成中文時，沒有一個平臺能還原。而在詩歌的中譯英中360能夠結(jié)合“語境”處理詩中的意向要素，搜狗翻譯表達出了“悲愴”的情感，而百度翻譯和谷歌翻譯則完全是從字面上進行翻譯，破壞了詩的美好。

第三組：新聞，選自紅網(wǎng)。語言簡練正式，但涉及的元素較多，對語法的要求性比較高。

原文：據(jù)長沙市住房和城鄉(xiāng)建設(shè)委員會網(wǎng)站顯示，2018年5月23日，長沙共計有兩個項目獲批預(yù)售證，均位于雨花區(qū)，分別為五礦萬境藍山和創(chuàng)元時代。

譯文：

同一段新聞，出現(xiàn)了四種不同的譯法。同一語句中各家強調(diào)的點不一樣，譬如首句的“長沙市住房和城鄉(xiāng)建設(shè)委員會”，360的翻譯結(jié)果更顯得專業(yè)并符合慣常表述，“長沙市”只是作為補充詞出現(xiàn)，而搜狗、百度和谷歌的翻譯中，“長沙市”則是作為硬性的地名出現(xiàn)。尤為值得注意的是，根據(jù)語境，“五礦萬境藍山”和“創(chuàng)元時代”都是樓盤名字，應(yīng)當由漢語拼音直譯，只有360識別到這一點，搜狗、百度和谷歌三家都在“礦”、“藍山”、“創(chuàng)元”、“時代”等字眼上糾結(jié)。

從這三組中，我們能發(fā)現(xiàn)360偏好于基于“語境”的邏輯進行分詞，雖然也有做的不到位的，像針對詩詞這樣復(fù)雜的情感語句就無法準確傳達，但是在“流行語”優(yōu)勢明顯；而谷歌和百度基本上是基于詞組進行斷句，因此，翻譯也是一個詞一個詞，尤其是對古詩詞的理解，谷歌就顯得比較憂愁了。

因此，AI翻譯的問題主要反映在三大方面：第一，機器翻譯難以應(yīng)對語言規(guī)則不統(tǒng)一的口語；第二，AI翻譯難以結(jié)合文化語境進行理解，解析不出深層次的情感；第三，針對較長的段落，以及較為復(fù)雜的語境，往往會出現(xiàn)語法問題多，語句出錯率高的毛病。

4、AI翻譯要“地道”，技術(shù)倒不是關(guān)鍵

翻譯界老將何恩培曾講：“機器翻譯一直被公認為人工智能領(lǐng)域最難的課題之一。而且語言背后的多元文化和復(fù)雜社會屬性，注定了語言規(guī)則不可能規(guī)律化”。但是，中國有句老話：勤能補拙。對于AI翻譯而言，最難的不是技術(shù)，而是“語境”理解，而AI翻譯能力的級別高低又體現(xiàn)在這，集中體現(xiàn)了平臺喂養(yǎng)語料的資源狀況。AI翻譯能否“地道”，取決于以下幾點。

1、訓練數(shù)據(jù)庫的內(nèi)容整體優(yōu)質(zhì)程度

這影響到翻譯準確程度，取決于信息資源的整合能力。不論是BAT，還是360、搜狗、有道等，都在注重內(nèi)容生態(tài)建設(shè)，搜狗有了騰訊微信入口搜索，360搶占了安全領(lǐng)域的數(shù)據(jù)來源。但是，這不可能是一個完全開放的體系，沒有哪一家能夠整合整個互聯(lián)網(wǎng)的資源，各平臺訓練數(shù)據(jù)庫各有側(cè)重，AI翻譯特色也不盡相同，例如360翻譯側(cè)重于地道的口語與流行語，百度翻譯則顯得大而全。

2、開放平等的中外數(shù)據(jù)交流,或可加強AI的深度學習

國內(nèi)對標競品之間的合作相對較難，但中外數(shù)據(jù)交流卻是最好的互補。因此，百度上線過英文搜索產(chǎn)品，而360與微軟Bing有過技術(shù)合作。此外，有了國界互譯也變得更有意義。因此，中外數(shù)據(jù)合作，或許對于文化背景的數(shù)據(jù)積淀有很好的補充，也是擴充深度學習的語料最直接的方式。

3、需要準備大量的網(wǎng)絡(luò)語及口語語料

除了詩詞蘊含深厚文化底蘊外，網(wǎng)絡(luò)語和口語是與一個地域的文化最為接近的語言形態(tài)，時下搜索引擎從被動搜索向主動的、基于用戶興趣的內(nèi)容推薦引擎轉(zhuǎn)型，這對于構(gòu)建口語語料訓練模型倒是一個不錯的嘗試。

雖然說，AI翻譯能夠精準識別“語境”是需要很長一段路要走，但是技術(shù)已經(jīng)在進步，360翻譯能夠開始揣摩語句背后的情感與心思，對于日常交流來說是一個很好的開端?；蛟S，我們將因此離“地球村”的夢想更進一步！