# AlphaGo 神经网络应用于 Google 翻译，将接近人类水平

- 作者：文敏柔
- 发布时间：2016-09-28 15:34
- 分类：公司
- 原文：https://www.ifanr.com/724055

![Print](https://s3.ifanr.com/wp-content/uploads/2016/09/google-translate-community-1024x640.jpg)

那个支持 AlphaGo 赢得围棋比赛的深度神经网络如今又要有新的表现，Google 即将把它[应用于](https://research.googleblog.com/2016/09/a-neural-network-for-machine.html) Google 翻译中，让机器翻译更加通顺流畅，表意清晰。目前该系统仅应用于中文到英文的语言对翻译。

Google [表示](https://www.wired.com/2016/09/google-claims-ai-breakthrough-machine-translation/#article-comments)，新的翻译系统简称为 Google 神经机器翻译（Google Neural Machine Translation-GNMT），就某些语言而言，GNMT 错误率可以减少 60%。

![3f3f3f3f](https://s3.ifanr.com/wp-content/uploads/2016/09/3f3f3f3f.jpg)

人类翻译、神经机器翻译系统和短语单词翻译系统的完整度（分成 0~6 的程度）在不同语言应用中的对比

该项目的负责人之一，同时也是 Google 智库成员的工程师 Mike Schuster 谈到：

> 我们将按照 “端到端” 的模式对整个系统进行统一训练，这可以使公司更专注于减少翻译的错误率方面。虽然现在还并不完美，但的的确确是完善了很多。

![nmt-model-fast](https://s3.ifanr.com/wp-content/uploads/2016/09/nmt-model-fast-1.gif)

新的神经机器翻译系统如何检测一个句子，并对它之间的关联性和重要性进行考量

在机器翻译方面，Google 使用的深度神经网络叫做 LSTM（long short-term memory – 长期短期记忆）。LSTM 可以保留长期和短期的记忆，有点像人类的大脑，这使得它可以用更复杂的方式进行学习。

和 Google 以前的短语翻译系统（Phrase-Based Machine Translation-PBMT）不同，LSTM 可以从头到尾记住一句话再进行翻译，使长句翻译不再是单词的拼凑，而是流畅通顺的语言。

![img3](https://s3.ifanr.com/wp-content/uploads/2016/09/img3-2.png)

一句中文在短语单词翻译系统、神经机器翻译系统和人类翻译的区别

其实多年以来，Google 一直想让 LSTM 服务于翻译工作，然而一直无法攻克翻译速度这个难题。直到做了大量的工程和算法工作，才得以完善这个模型，让新神经机器翻译系统能够在跨越大型的 Internet 服务时保持工作速度。

Google 还计划利用新系统推出 10000 多个语言对的机器翻译。

以上图片均来自：[googleblog](https://research.googleblog.com/2016/09/a-neural-network-for-machine.html) ，题图来源：[vertexreport](http://vertexreport.com/2015/09/google-ignites-love-your-language-translate-a-thons-in-nepal/)