三分钟看懂神经网络机器翻译

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