神经网络机器翻译 (NMT) 已成为本地化行业中最热门的话题之一,与以往基于统计的机器翻译 (SMT) 相比,可以使翻译质量提升 30% ,同时解决了远距离语言对的复杂性问题,如中文到英语、日语到英语等。
SDL 的一项近期调查显示,61%的受访者认为机器翻译至关重要,然而找到适合企业自身业务的机器翻译解决方案并非易事。今天小编就邀请到了 SDL AI 和机器学习解决方案副总裁 Mihai Vlad 先生,和大家讨论机器翻译近期的突破和 SDL NMT 的独特之处。
Q : 相比 SMT,NMT 的译文更加自然,您能否解释一下两者之间的差异?
Mihai:SMT 和 NMT 的算法和体系结构有很大的不同。以自动驾驶为例,基于统计的方法使用特定道路的驾驶数据进行培训,汽车可以在特定道路上驾驶得很好。而基于神经网络的方法,不与特定的道路绑定,使用不同道路的驾驶数据进行培训,汽车在任意道路上都驾驶得很好。
MT 的发展实际上始于 20 世纪 70年代基于规则的机器翻译,你可以对一组规则进行编码,但很快就会意识到不同的语言对有太多的例外情况,模型变得越来越复杂。1993 年,机器学习被引入到机器翻译中