在讀取完全句子後，解碼器(decoder)就會開始運作，一次產生一個英語句子中的一個詞翻譯
google神經機械翻譯(gnmt)將中詞句子翻譯成英詞句子的過程，透過編碼器 (encoder)，起首，gnmt將中詞句子的每個單詞進行向量(vector)編碼，而每個向量將顯示出今朝為止單詞被讀取到的所成心義翻譯
簡立峰诠釋，google翻譯有進修及資料庫的功能，不息積累經驗，毛病也是一種經驗，除非幾近所的人都在「點竄建議」欄寫下如出一轍的毛病，才會積非成是，但事實上這種情形其實不可能發生。
留意 (attention)功能是為了每步都產出准確的詞，解碼器將針對編碼中文向量裡最相幹的英文單詞權重分布(weighted distribution)進行解碼。
google翻譯的成長曆程快速，10年前，google推出翻譯辦事，並以片語式機器翻譯（phrase-basedmachine translation）作為首要運算體式格局。從曩昔僅支援幾種說話，到現在可支援103種說話，且天天翻譯超過1400億個單詞，google翻譯的品質有了很大的進展。
數年前，google採用遞歸神經收集（recurrentneural networks）將句子視為一個單元進行翻譯，之後的片語式機械翻譯體式格局（pbmt），則是將句子切割成零丁的字和詞組做自力翻譯。而今也有人提出讓alphago打alphago，進修能力可以更快的說法，就像是金庸小說「西嶽論劍」裡全真派的周伯通，用本身的左手和右手對打，使出的「擺佈互搏」翻譯
他指出，機器進修是很主要的議題，大師在計議google翻譯的進修功能之際，也會聯想到人工電腦alphago打敗真人世界棋王。
他認為，固然簡體中文、繁體中文有些溝通的字詞有著分歧的意義，或相同的字已衍生出新的意義，但因簡體、繁體中文語法相同，在機器翻譯上仍採用一套系統，可視為專有名詞，透過學習建立資料庫來校訂。
相較於過去的片語機械進修（pbmt），神經機械翻譯（nmt）僅需要較少的系統架構設計翻譯剛開始推出神經機械翻譯時，這兩種翻譯體式格局的精準度平起平坐。曩昔，為翻譯任意兩種說話，google需要建構多個分歧的翻譯系統，運算本錢相當可觀。
為改善nmt翻譯品質，研究人員提出很多手藝來解決，這傍邊包括透過摹擬調校模子(externalalignment model) 處置懲罰罕見字詞、利用「留意」(attention)來對準輸入詞和輸出詞，和將詞拆解成更小的單元以應對罕有字詞等。
其實不只簡體中文、繁體中文的語法相同，他泄漏，日文、韓文在機械翻譯上也可算是語法溝通，用統一套系統翻譯
本篇文章引用自此: https://udn.com/news/story/6811/2440774有關翻譯的問題歡迎諮詢天成翻譯社
留言列表
