這項技術(shù)是基于大數(shù)據(jù)和深度學(xué)習(xí)，聯(lián)合了搜狗自主研發(fā)的語音辨認、機器翻譯兩項重要技術(shù)，從無到有的研發(fā)進程僅歷時4個月?！爸哉Z音團隊會去做翻譯，是由于隨著技術(shù)的緩緩交疊和融合，咱們發(fā)現(xiàn)語音辨認和機器翻譯都是一個序列到另一個序列學(xué)習(xí)進程，因此，語音的積攢也就可能轉(zhuǎn)到翻譯下來做?！彼压氛Z音交互技術(shù)擔(dān)任人陳偉示意。

傳統(tǒng)機器翻譯所采用的支流模式叫“統(tǒng)計翻譯”，從語料庫大量的翻譯實例中主動學(xué)習(xí)翻譯知識，然后應(yīng)用這些翻譯知識主動翻譯其余句子。這就需求把整個建模流程分成對齊模型、分層模型等多個模型，每個模型實現(xiàn)特定的很小的性能，最后串起來實現(xiàn)簡單的機器翻譯系統(tǒng)。在這個進程中，每個模型的謬誤也會始終疊加。

在翻譯畛域，神經(jīng)網(wǎng)絡(luò)儼然是個“香餑餑”。

文|百曉

今年0月，谷歌正式導(dǎo)入神經(jīng)機器翻譯系統(tǒng)（Neural Machine Translation），它能讓翻譯系統(tǒng)不再像以前一樣逐字逐句的翻譯，而是根據(jù)整篇文章的大意來對句子停止剖析。而短短三個月后，谷歌翻譯再次更新，除了讓神經(jīng)機器翻譯系統(tǒng)支持更多語系外，也讓谷歌翻譯結(jié)果愈加人造，更合乎人類慣用的語法。

不過，“翻譯官們”臨時也沒必要擔(dān)心本人的飯碗。雖然機器翻譯取得了新一階段的打破，但因為言語和環(huán)境的簡單性，想要齊全依托人工智能和語義理解還有很長的路要走。

機器學(xué)習(xí)和訓(xùn)練首先需求大量樣本，谷歌翻譯過去20年積攢的海量翻譯數(shù)據(jù)正好提供了這樣一個學(xué)習(xí)的土壤?！吧疃葘W(xué)習(xí)的技術(shù)對各家來說沒有太強的隱衷可言，真正的壁壘還是在數(shù)據(jù)上，你的數(shù)據(jù)決議了你最后的效果。”搜狗語音交互技術(shù)擔(dān)任人陳偉示意，搜狗的語音輸入日頻次達到2.0億次，珠海翻譯公司，每日收集的用戶語音語料從三個月前公布語音交互引擎知音時的22萬小時，添加到26萬小時。

22月22日，搜狗對外公布了語音實時翻譯技術(shù)。當(dāng)然，這并非搜狗言語實時翻譯技術(shù)的初次亮相，在剛剛完結(jié)的第三屆世界互聯(lián)網(wǎng)大會上，搜狗CEO王小川就曾在現(xiàn)場演講中演示該技術(shù)，每當(dāng)王小川講完一句話之后，其身后屏幕便實時實現(xiàn)了語音和文字轉(zhuǎn)換，提前只要2秒。

對于機器翻譯來說，終極的幻想就是輸入一個語音，間接出對應(yīng)的結(jié)果，中間一切的事件都交給模型去做，但傳統(tǒng)機器翻譯卻未能無關(guān)鍵打破，這要從完成模式上講起。

這次搜狗推出的實時語音翻譯，在完成門路上不同于傳統(tǒng)機器翻譯，而是融合端到端神經(jīng)機器翻譯技術(shù)以及基于實例的翻譯技術(shù)，利用的端到端神經(jīng)網(wǎng)絡(luò)翻譯模型經(jīng)過編碼端獲取源端句子的散布式示意，應(yīng)用留意力模型聚焦源端，利用循環(huán)神經(jīng)網(wǎng)絡(luò)生成翻譯結(jié)果，準(zhǔn)確率可能降職40%-40%。

“搜狗的使命是讓表達和獲取信息更簡略。未來，搜狗會經(jīng)過人造交互和知識計算，促進更多人工智能產(chǎn)品的落地?！睂τ谳斎敕ǖ慕K極想象，王小川說，輸入法的極致，是可以末尾尋覓信息，幫你思索。