利用深层神经网络人工智能(AI)训练技术翻译文本

利用深层神经网络人工智能（AI）训练技术翻译文本
微软研究人员在3月14日发表博客文章称，在利用深层神经网络人工智能（AI）训练技术翻译文本方面取得了进展。

他们发明了第一台机器翻译系统，可以将中文新闻的句子翻译成英文，准确率与人类不相上下。

系统在一套常用的新闻报道测试集上实现了达到了人类水平，测试集名为newstest2017。

在前几期的文章里，我们介绍了神经网络和深度学习的相关内容，微软的这套翻译系统就是使用深层神经网络，帮助生成更真实、更准确的翻译。

它还采用了多种不同的人工智能训练方法，包括双重学习、商议网络和联合训练，试图模仿人类的学习方式。

机器翻译
机器翻译系统是支持翻译大量文本的应用程序或在线服务，将文本从“源”语言译成另一种"目标"语言的过程。

自从2010年代早期，新的人工智能技术- 深度神经网络（又称深度学习），已经达到较高的精准度，微软翻译团队将语音识别结合其核心文本翻译技术，推出新的语音翻译技术。

虽然机器翻译技术和接口技术的概念相对简单，但它背后的科技集成却是极其复杂的，集成了多项尖端技术，特别是深度学习（人工智能）、大数据、语言学、云计算和web API。

从历史上看，曾经主流的机器学习技术在行业中应用是统计机器翻译(SMT)。

SMT 使用先进的统计分析，从一句话中上下文的几个词中来估计最佳可能的翻译。

SMT自20 世纪中期以来的为所有主要翻译服务提供商所使用，其中包括微软。

基于深度神经网络(NN) 的翻译技术的出现，带动了机器翻译技术的突变，显著提高了翻译质量。

这种新的翻译技术在2016年的下半年开始大规模部署使用。

这两种技术共同之处有两个方面︰
两者都需要大量的人工翻译的数据（高达数百万的人工翻译过的句子）用于培训翻译系统。

既不作为双语词典，也不是基于翻译列表，是根据词在句子中使用的上下文来翻译。