在過去的十年裡，谷歌翻譯（Google Translate）從最初僅支持幾種語言發展到今天的 103 種，每天翻譯的字詞超過 1400 億個。為了做到這一點，在任意兩種語言之間，谷歌翻譯都要運行多個翻譯系統，這帶來巨大的計算成本。如今，許多領域都正在被神經網絡技術顛覆。谷歌確信他們可以利用神經網絡進一步提升翻譯質量。這要求谷歌重新思考谷歌翻譯的算法架構。
今年九月，谷歌發表聲明，基於神經機器翻譯的谷歌翻譯全新上線。（GNMT，Google Neural Machine Translation)。神經機器翻譯是端到端的學習架構，它能從數百萬的實例中學習，提供大幅提升的翻譯效果。雖然功能得到了改善，但是讓谷歌翻譯把當下支持的 103 種語言全部採用神經機器翻譯技術，卻是一項巨大的挑戰。
一周前，谷歌的工程師門發表了一篇論文 「谷歌的多語言神經機器翻譯系統：使 Zero-Shot 翻譯成為可能」（「Google’s Multilingual Neural Machine Translation System: Enabling Zero-Shot Translation」），雷鋒網(公眾號：雷鋒網)在論文發表後第一時間做了覆蓋。其中，Zero-Shot 翻譯是指在完成語言 A 到語言 B 的翻譯訓練之後，語言 A 到語言 C 的翻譯不需要再經過任何學習。 它能自動把之前的學習成果轉化到翻譯任意一門語言，即便工程師們從來沒有進行過相關訓練。
通過 Zero-Shot，谷歌解決了把神經機器翻譯系統擴展到全部語言的難題。有了它，一套系統就可以完成所有語言的互翻。從前兩種語言之間都需要多個翻譯系統的情況，從此成為了歷史。這套架構在翻譯其他語言時，不需要在底層 GNMT 系統做任何改變。只需在輸入語句的開頭插入一個輸出語種標記，就可以把結果翻譯為任意語言。
下面這幅動圖對該 Zero-Shot 系統的運作做了示意。
假設谷歌訓練該系統做日語英語、韓語英語的互譯，圖中用藍色實線來代表。 GNMT 系統就可以分享這四組翻譯（日英，英日，韓英，英韓）的參數。這允許它把任意一組語言的翻譯經驗轉到其他語言上去。學習成果轉移和多語言翻譯的要求，迫使該系統更好地使用建模的能力。
這啟發了工程師們設想：我們能否讓系統翻譯一組它從來沒有翻譯過的語言？這可以用韓語日語互譯的例子來說明。雖然該系統從未處理過韓日互譯，但它利用之前的韓英、日英翻譯學習成果，能進行水平不錯的韓日互譯。谷歌把這個過程稱為 「zero-shot」 翻譯，圖中用黃虛線表示。谷歌宣稱，這是世界上首例應用在機器翻譯上的學習成果轉移。
Zero-shot 翻譯的成功帶來了另外一個重要問題：這個系統是否在學習語言的通用表達（不管是翻譯成什麼語種，相同含義的語句都被系統使用相似的表達方式）？——類似於「國際語」或者中介語言？工程師們使用了 3D 圖像展示系統的內部網絡數據，以了解它在處理日、韓、英的任意互譯組合時是如何運作的。
上方圖片 a 部分（左）展示了這些翻譯的幾何結構。意義一致的語句用顏色相同的點代表。比方說，英譯韓和日譯英的兩句話如果意思一致，就會是圖上顏色相同的兩個點。通過這種方式，我們可以很容易地區分不同顏色（含義）的點。b 部分放大了紅色區的點，c 部分則對源語言進行區分。在同一組顏色的點裡，我們看到含義相同但從屬不同語種的句子。這意味著該系統必然對句子的語義進行了編碼，而不是記憶一個短語到另一個短語的翻譯。谷歌的工程師把這看作是系統中存在中介語言的標誌。
谷歌在論文裡面展示了更多的分析結果。他們希望這些發現不但對機器學習和機器翻譯的研究人員們有用處，也能對語言學家和對單一系統怎麼處理多語言學習感興趣的人有價值。
今日 （美國時間 11 月 22 日），基於 Zero-Shot 的多語言神經機器學習系統正式登陸谷歌翻譯。它目前被應用於新增加的 16 個語言組中的 10個，帶來更高的翻譯質量和簡化的系統架構。我們可以期待在不久的將來，該系統會逐步支持更多的谷歌翻譯語種。
via googleblog
【招聘】雷鋒網堅持在人工智慧、無人駕駛、VR/AR、Fintech、未來醫療等領域第一時間提供海外科技動態與資訊。我們需要若干關注國際新聞、具有一定的科技新聞選題能力，翻譯及寫作能力優良的外翻編輯加入。工作地點深圳。簡歷投遞至 guoyixin@leiphone.com 。兼職及實習均可。
推薦閱讀：
谷歌神經翻譯又有新進展，基於單一模型無須訓練
號稱要砸翻譯飯碗，神經機器翻譯哪家強？
嚇到我們的新Google翻譯，在學者看來只是小進步
谷歌機器翻譯取得顛覆性突破 到底幾分真假？
漲姿勢！如何評價Google神經機器翻譯（GNMT）系統？
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。