抢占AI翻译赛道，搜索平台为何不约而同发力NMT？

原标题：抢占AI翻译赛道，搜索平台为何不约而同发力NMT？不论是国外的谷歌，还是国内的搜索巨头百度、搜狗、360等，均把NMT作为AI翻译的标配，翻译集中的领域在中英互译上，这是一个很有趣的现象。AI翻译真的是块肥肉吗？为什么要发力NMT？搜索公司在AI翻译这个事上扎堆并不令人意外。2016年，GNMT技术（谷歌的神经网络机器翻译技术，模仿人脑的神经思考模式）全面布局于谷歌翻译系统中，随后，谷歌声称其AI翻译的译文质量误差降低了55%-85%，并且将此技术广泛应用于网页翻译与手机应用。国内，百度当时已经研究出了可应用的SMT技术（统计机器翻译），但得知NMT的横空出世之后，便迅速调转方向转而研发NMT技术，于是就有了BNMT应用于百度翻译。尽管初时的百度翻译速度很慢。但是，百度当时反应也佐证NMT的价值性。搜狗、阿里、腾讯等公司也都有部署NMT领域，推出多款基于神经网络的在线翻译和手机应用，在智能翻译领域持续发力。360搜索也不愿落后，上线了基于NMT的360翻译，以期与去年上线的360英文搜索形成合力，且还拉来了微软旗下的搜索引擎Bing开展技术合作。但是我们会发现：不论是谷歌还是BAT，其智能翻译从未能声称能替代人工翻译，因为翻译还必须考虑到到使用者的情感及文化背景。从2016年起至今的两年时间里，对海量语料的深度学习逐渐成为AI开发的必修课，也成了巨头们布局AI翻译绕不过的“坎”。搜索平台不约而同发力NMT，为的是哪般？前面说到，不论是国外的谷歌，还是国内的搜索巨头百度、搜狗、360等，均把NMT作为AI翻译的标配，翻译集中的领域在中英互译上，这是一个很有趣的现象。AI翻译真的是块肥肉吗？惹得谁也不愿意掉队。据统计表明：全球一共有73个国家，超10亿人以英语为官方语言，而汉语则是世界使用人数最多的语言。因此，中英互译本身的用户基数市场就能引起巨头们足够的注意力了。为什么要发力NMT？这得从AI翻译人类语言的方式说起，包含三种：SMT与NMT都属于第三种，从语料自动学习翻译模型，结合大数据通过评分输出翻译结果。但是，SMT与NMT存在着显著的差距。SMT采用的模式是通过平行语料进行统计分析，翻译的准确性则与语料的丰富度呈明显的正相关，但是存在着翻译结果太过零散，片面生硬，语法语义混乱的劣势。而模仿人类神经网络构建模型，NMT是以一个句子为基本的处理单元，好处在于翻译过程中有着更好的语感，能降低SMT翻译的关于“形态、句法、词序”等方面出错的概率。因此，NMT在技术上恰巧可以有效弥补SMT的缺陷。而随着语料不断地加码，AI翻译的准确度也就高得多。AI翻译引进NMT技术，就能精准识别“语境”吗？搜狗同传翻译在某次国际性会议上，声称其神经网络机器翻译技术已达临界点，并在进行大规模商用推广。只是，搜狗的同传还是在国际会议上出过争议，结果不尽如人意。即便在正式的场合能够应对自如的搜狗，在非正式场合会是怎样一种情况呢？很多时候的中英交流多以口语化形式出现，对“语境”的理解远比“语法和词汇”难得多。下文我们将就几组语句进行讨论，以下从搜狗、360搜索、百度以及谷歌四大平台进行对比。第一组：献上我的膝盖。看看，最近这句网络常用语各翻译平台的水平测试结果是搜狗、百度、谷歌均倾向于单词表面意思的翻译，并未能结合具体的文化背景，360对于该网络用语的解释稍显老练。第二组：诗词，选自杜甫的《登高》。因其诗中主要是以诸多意象组成的意境，看翻译能否反馈这种情感。《登高》原文摘选：风急天高猿啸哀，渚清沙白鸟飞回。英语译文：有趣的是将各自翻译的英文译成中文时，没有一个平台能还原。而在诗歌的中译英中360能够结合“语境”处理诗中的意向要素，搜狗翻译表达出了“悲怆”的情感，而百度翻译和谷歌翻译则完全是从字面上进行翻译，破坏了诗的美好。第三组：新闻，选自红网。语言简练正式，但涉及的元素较多，对语法的要求性比较高。原文：据长沙市住房和城乡建设委员会网站显示，2018年5月23日，长沙共计有两个项目获批预售证，均位于雨花区，分别为五矿万境蓝山和创元时代。译文：同一段新闻，出现了四种不同的译法。同一语句中各家强调的点不一样，譬如：首句的“长沙市住房和城乡建设委员会”，360的翻译结果更显得专业并符合惯常表述。“长沙市”只是作为补充词出现，而搜狗、百度和谷歌的翻译中，“长沙市”则是作为硬性的地名出现。尤为值得注意的是：根据语境，“五矿万境蓝山”和“创元时代”都是楼盘名字，应当由汉语拼音直译，只有360识别到这一点，搜狗、百度和谷歌三家都在“矿”、“蓝山”、“创元”、“时代”等字眼上纠结。从这三组中，我们能发现360偏好于基于“语境”的逻辑进行分词，虽然也有做的不到位的，像针对诗词这样复杂的情感语句就无法准确传达，但是在“流行语”优势明显。而谷歌和百度基本上是基于词组进行断句，因此，翻译也是一个词一个词，尤其是对古诗词的理解，谷歌就显得比较忧愁了。因此，AI翻译的问题主要反映在三大方面：翻译界老将何恩培曾讲：“机器翻译一直被公认为人工智能领域最难的课题之一。而且语言背后的多元文化和复杂社会属性，注定了语言规则不可能规律化”。但是，中国有句老话：勤能补拙。对于AI翻译而言，最难的不是技术，而是“语境”理解，而AI翻译能力的级别高低又体现在这，集中体现了平台喂养语料的资源状况。AI翻译能否“地道”，取决于以下几点。1. 训练数据库的内容整体优质程度这影响到翻译准确程度，取决于信息资源的整合能力。不论是BAT，还是360、搜狗、有道等，都在注重内容生态建设，搜狗有了腾讯微信入口搜索，360抢占了安全领域的数据来源。但是，这不可能是一个完全开放的体系，没有哪一家能够整合整个互联网的资源，各平台训练数据库各有侧重，AI翻译特色也不尽相同，例如：360翻译侧重于地道的口语与流行语，百度翻译则显得大而全。2. 开放平等的中外数据交流，或可加强AI的深度学习国内对标竞品之间的合作相对较难，但中外数据交流却是最好的互补。因此，百度上线过英文搜索产品，而360与微软Bing有过技术合作。此外，有了国界互译也变得更有意义。因此，中外数据合作，或许对于文化背景的数据积淀有很好的补充，也是扩充深度学习的语料最直接的方式。3. 需要准备大量的网络语及口语