Microsoft meddelade onsdag att dess laboratorier har utvecklat ett AI -maskinöversättningssystem som kan översätta från kinesiska till engelska med samma noggrannhet som en människa. Forskarna är på Asien och amerikanska laboratorier av Microsoft.

Microsoft betraktar detta som en historisk milstolpe i Neural Machine Translation genom att det har nått mänsklig jämlikhet för kinesiska till engelska översättningar.

Väl, det är ingen liten bedrift. I översättning, det finns inga absoluta "rätt" sätt, eftersom det finns variationer i hur man kan förmedla samma tanke. Å andra sidan, vi vet hur det är att klicka på "engelska" på ett dokument som inte är på engelska, eller klicka på "översätt den här sidan, "för att upptäcka oförståeliga ordsträngar på engelska som man helt enkelt inte kan återanvända.

Xuedong Huang, teknisk kollega som ansvarar för Microsofts tal, naturligt språk och maskinöversättning, sa, "Att träffa mänsklig paritet i en maskinöversättningsuppgift är en dröm som vi alla har haft, Sa Huang. Huang citerades i AI -bloggen (en officiell Microsoft -blogg).

Vad stöder deras påstående? Enligt Microsoft, en branschstandardtestuppsättning nyhetsberättelser för att jämföra mänskliga och maskinöversättningsresultat tillämpades.

Inte bara det; laget anställde en grupp tvåspråkiga mänskliga utvärderare. De uppmanades att jämföra resultaten med en annan uppsättning mänskligt producerade översättningar.

Så vad gör deras försök lyckat? Nyckelorden för ett svar verkar vara djupa neurala nätverk, som handlar om sätt att träna AI -system.

Fördelen är att du blir mer flytande, naturligt klingande översättningar.

"Mycket av vår forskning är verkligen inspirerad av hur vi människor gör saker, "sa Tie-Yan Liu, en huvudsaklig forskningschef med Microsoft Research Asia i Peking.

I AI -bloggen , Allison Linn namngav och beskrev deras tekniker:faktakontroll, överläggningsnätverk, gemensam träning, och avtalsreglering.

I själva verket kontrollerar varje gång de skickade en mening genom systemet för att översättas från kinesiska till engelska, forskargruppen översatte den också från engelska till kinesiska. Faktakontrollfördelen är att "det tillät systemet att förfina och lära av sina egna misstag."

I överläggningsnätverk, "Forskarna lärde systemet att upprepa processen att översätta samma mening om och om igen, gradvis förfina och förbättra svaren. "

Vid gemensam träning, översättningen från engelska till kinesiska översätter nya engelska meningar till kinesiska för att få nya meningspar. De används sedan för att förstärka utbildningsdatasatsen som går i motsatt riktning, från kinesiska till engelska. Samma procedur tillämpas sedan i den andra riktningen. När de konvergerar, prestandan för båda systemen förbättras.

I överenskommelse regularisering, översättningen kan genereras genom att låta systemet läsa från vänster till höger eller från höger till vänster för att leta efter samma översättning.

"Maskinöversättning är mycket mer komplex än en ren mönsterigenkänningsuppgift, "Zhou sa." Människor kan använda olika ord för att uttrycka exakt samma sak, men du kan inte nödvändigtvis säga vilken som är bättre. "

En diskussion om "neural maskinöversättning" -teknologi visas i forskningsrapporten, "Uppnå mänsklig paritet på automatisk kinesisk till engelsk nyhetsöversättning."

Författarna sa att deras utvärdering visade att deras system nådde jämlikhet med professionella mänskliga översättningar på WMT 2017 kinesisk till engelsk nyhetsuppgift.

Så, är deras arbete över för ett sådant neuralt maskinöversättningssystem? Ska mänskliga översättare bli irrelevanta?

Liu, enligt AI -bloggen , sa att ingen vet om maskinöversättningssystem någonsin kommer att vara tillräckligt bra för att översätta text på något språkpar med en mänsklig översättares noggrannhet och text.

På samma gång, han lade till, genombrotten gör att lagen kan gå vidare till nästa stora steg mot det målet och andra AI -prestationer.

© 2018 Tech Xplore