技術(shù)宅

機(jī)器翻譯——并不陌生的翻譯技術(shù)

很多經(jīng)常查找外文資料的朋友都會(huì)用到谷歌、百度的在線翻譯功能，這其實(shí)就是機(jī)器翻譯的一種典型應(yīng)用（圖1）。

不過由于機(jī)器翻譯只是簡(jiǎn)單地對(duì)單詞進(jìn)行機(jī)械翻譯，因此很多時(shí)候翻譯的結(jié)果并不讓人滿意。因?yàn)樵趯?shí)際生活中，很多語句翻譯還要結(jié)合上下文、語氣、語境等綜合因素進(jìn)行，這樣才能獲得更為準(zhǔn)確的翻譯結(jié)果。

為了讓機(jī)器翻譯的結(jié)果更為準(zhǔn)確，相應(yīng)的技術(shù)不斷更新。早期主要應(yīng)用的是基于規(guī)則的技術(shù)，就是為機(jī)器配置一些簡(jiǎn)單的規(guī)則，比如名詞以特定的后綴-heit、-keit、-ung等結(jié)尾，然后機(jī)器根據(jù)這些規(guī)則進(jìn)行機(jī)械翻譯。之后隨著語音識(shí)別、DNN（深度神經(jīng)網(wǎng)絡(luò)）技術(shù)的快速發(fā)展，基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯技術(shù)逐漸成為主流。微信翻譯目前使用的是“神經(jīng)機(jī)器翻譯”（NeuralMachine Translation，以下簡(jiǎn)稱NMT）技術(shù)，它就是基于神經(jīng)網(wǎng)絡(luò)的翻譯技術(shù)（圖2）。

微信翻譯的背后——認(rèn)識(shí)NMT技術(shù)

NMT是怎樣翻譯的呢？為什么這次微信翻譯會(huì)出現(xiàn)如此大的差錯(cuò)？

NMT和傳統(tǒng)的基于規(guī)則的翻譯技術(shù)不同，它不是一次翻譯一個(gè)單詞的破碎句子，而是使用大型人工神經(jīng)網(wǎng)絡(luò)計(jì)算單詞序列的概率，將完整的句子放辦P個(gè)集成模型中，從而實(shí)現(xiàn)更高質(zhì)量的翻譯。

NMT在一定程度上模仿人腦的思維方式，當(dāng)我們輸入一句需要翻譯的語句時(shí)，NMT首先會(huì)根據(jù)一個(gè)單詞在整個(gè)句子（可以是長(zhǎng)句）當(dāng)中的語境，為這個(gè)單詞建立一個(gè)神經(jīng)網(wǎng)絡(luò)的模型，形成一個(gè)語義表示。舉個(gè)例子，我們輸入的是“dog”這個(gè)單詞，那么NMT會(huì)先把它理解為“狗”。但是如果我們輸入的是一句話，如“一條狗生下了小狗”，那么NMT就會(huì)根據(jù)單詞在句子甚至段落的語境中，將模型重新轉(zhuǎn)換成另一種語言。比如在法語的語境中，狗默認(rèn)是“l(fā)echien”，但是在上述語境中，顯然前一個(gè)“狗”指的是狗媽媽，因此這里的“狗”就會(huì)被翻譯成代表“女性”的“l(fā)a chienne”（圖3）。

既然NMT是基于神經(jīng)網(wǎng)絡(luò)的技術(shù)，那么就離不開模型和算法。為了讓NMT學(xué)會(huì)翻譯各種語句，科學(xué)家們會(huì)先制定一個(gè)模型，然后輸入海量數(shù)據(jù)給NMT訓(xùn)練，通過大量的數(shù)據(jù)訓(xùn)練，并且結(jié)合NMT自主學(xué)習(xí)，最終形成一套算法。這套算法部署到服務(wù)器后，當(dāng)用戶輸入特定的語句時(shí)，服務(wù)器在后臺(tái)就會(huì)根據(jù)算法進(jìn)行翻譯，結(jié)合上下文語境，將最佳的翻譯結(jié)果輸出到屏幕顯示（圖4）。

這次微信翻譯出現(xiàn)異常，原因可能出現(xiàn)在訓(xùn)練數(shù)據(jù)上，因?yàn)檫@次用戶輸入的只是一句類似“you playbasketball like zhangsan？”的句子。在這個(gè)翻譯場(chǎng)景中，類似人名“zhangsan”是一個(gè)不常見的單詞，它既沒有出現(xiàn)在任何一本英語辭典當(dāng)中，看上去跟句子的上下文也沒什么關(guān)系?？梢哉fNMT在之前的訓(xùn)練中可能并沒有接觸過這樣的數(shù)據(jù)，因此微信翻譯服務(wù)器在接到類似的語句輸入時(shí)，NMT就只能根據(jù)算法將最優(yōu)的翻譯結(jié)果推送給用戶，從而出現(xiàn)文章前面所說的翻譯Bug（圖5）。

不過根據(jù)NMT的翻譯機(jī)制，上述Bug的出現(xiàn)還可能是其他原因?qū)е碌?。比如iJ I}練集噪音，微信翻譯團(tuán)隊(duì)人員可能使用生成對(duì)抗攻擊的方式訓(xùn)練，在訓(xùn)練中手動(dòng)加入噪音，這樣在翻譯中會(huì)主動(dòng)對(duì)類似的翻譯結(jié)果進(jìn)行糾錯(cuò)的操作，最終卻干擾了翻譯結(jié)果。也有可能是學(xué)習(xí)錯(cuò)誤導(dǎo)致的，比如領(lǐng)域不匹配，這次語句出現(xiàn)匕asketball，而微信翻譯的訓(xùn)練數(shù)據(jù)集可能沒有籃球領(lǐng)域，或者跟籃球有關(guān)的非常少，導(dǎo)致NMT無法精準(zhǔn)識(shí)別，從而翻譯效果欠佳。

因此從嚴(yán)格意義上說，這次Bug并不能讓微信翻譯團(tuán)隊(duì)背鍋，這是由于NMT翻譯機(jī)制導(dǎo)致的，其他使用NMT技術(shù)翻譯的產(chǎn)品也會(huì)出現(xiàn)類似的錯(cuò)誤。

小Bug并不影響NMT的應(yīng)用

這次微信翻譯的Bug在網(wǎng)上弄得沸沸揚(yáng)揚(yáng)，從上面的描述我們知道，原因并非出在微信身上。這次Bug并不影響NMT技術(shù)給我們帶來的便利，隨著NMT得到更廣泛的應(yīng)用，它必定會(huì)給我們的生活帶來更多便利。

舉例來說，通過使用NMT技術(shù)，我們可以和全球任何人進(jìn)行互動(dòng)，這在全球一體化的今天具有很大的現(xiàn)實(shí)意義，比如很多網(wǎng)店商家，借助NMT就可以和全球客戶進(jìn)行交流。NMT在多語言同聲翻譯中的應(yīng)用，則給大家和不同國(guó)家的同事之間交流帶來方便?；贜MT和語音識(shí)別開發(fā)，在2018年博鰲論壇擔(dān)任同聲傳譯的騰訊同傳，就讓參加會(huì)議的各國(guó)朋友在第一時(shí)間“聽”懂和“看”懂了主持人發(fā)言（圖6）。