專欄| AI翻譯引進NMT技術,就能精準識別「語境」嗎?

《聖經.舊約》裡記載著這樣一段故事：

當時人類聯合起來興建希望能通往天堂的高塔，為了阻止人類的計劃，上帝讓人類說不同語言，使人類相互之間不能溝通，計劃因此失敗，人類自此各散東西。

巴別塔典故，為世上出現不同語言和種族提供了解釋。儘管網際網路的出現，讓「地球村」的夢想在地理空間上不再是遙不可及，但語言理解與文化背景成為了全球溝通最大的障礙，又生生的讓夢想變得骨感起來。

好在，各大搜尋引擎都推出了AI翻譯。

1. AI翻譯這條賽道上，巨頭們都繞不過的「坎」

AI翻譯作為垂直搜索產品，因其明朗的落地應用場景而備受巨頭們關注。

2016年，GNMT技術(谷歌的神經網絡機器翻譯技術，模仿人腦的神經思考模式)全面布局於谷歌翻譯系統中，隨後，谷歌聲稱其AI翻譯的譯文質量誤差降低了55%-85%，並且將此技術廣泛應用於網頁翻譯與手機應用。

國內，百度當時已經研究出了可應用的SMT技術(統計機器翻譯)，但得知NMT的橫空出世之後，便迅速調轉方向轉而研發NMT技術，於是就有了BNMT應用於百度翻譯。儘管初時的百度翻譯速度很慢，但是，百度當時反應也佐證NMT的價值性。

搜狗、阿里、騰訊等公司也都有部署NMT領域，推出多款基於神經網絡的在線翻譯和手機應用，在智能翻譯領域持續發力。360搜索自佔據國內搜尋引擎行業二哥的位置後，同樣專注在AI領域與其他巨頭角力，上線了基於NMT的360翻譯，以期與去年上線的360英文搜索「雙劍合璧」。

但是我們會發現，不論是谷歌還是BAT，其智能翻譯從未能聲稱能替代人工翻譯，因為翻譯還必須考慮到到使用者的情感及文化背景。從2016年起至今的兩年時間裡，對海量語料的深度學習逐漸成為AI開發的必修課，也成了巨頭們布局AI翻譯繞不過的「坎」。

正是在這樣的背景下，360翻譯的深度學習調度平臺卯足了勁，在深層技術和語料挖掘上下苦功夫。除了發揮360搜索在新聞資訊方面的既有優勢外，360的英文搜索還與微軟旗下的搜尋引擎Bing開展技術合作，從而使得其AI翻譯背後坐擁海量中英網絡語料，讓其在理解語境方面更顯地道。另外，360翻譯採用的也是獨家研發的360NMT技術。

但這依然還只是個開始。

2. 搜索平臺不約而同發力NMT，為的是哪般?

不論是國外的谷歌，還是國內的搜索巨頭百度、搜狗、360等，均把NMT作為AI翻譯的標配，翻譯集中的領域在中英互譯上，這是一個很有趣的現象。AI翻譯真的是塊肥肉嗎?惹得誰也不願意掉隊。

據統計表明，全球一共有73個國家，超10億人以英語為官方語言，而漢語則是世界使用人數最多的語言，因此，中英互譯本身的用戶基數市場就能引起巨頭們足夠的注意力了。為什麼要發力NMT，這得從AI翻譯人類語言的方式說起，包含三種：第一，基於規則的機器翻譯方法;第二，基於實例的機器翻譯方法;第三，基於統計的翻譯方法。SMT與NMT都屬於第三種，從語料自動學習翻譯模型，結合大數據通過評分輸出翻譯結果。

但是，SMT與NMT存在著顯著的差距。SMT採用的模式是通過平行語料進行統計分析，翻譯的準確性則與語料的豐富度呈明顯的正相關，但是存在著翻譯結果太過零散，片面生硬，語法語義混亂的劣勢。而模仿人類神經網絡構建模型，NMT是以一個句子為基本的處理單元，好處在於翻譯過程中有著更好的語感，能降低SMT翻譯的關於「形態、句法、詞序」等方面出錯的概率。因此，NMT在技術上恰巧可以有效彌補SMT的缺陷。而隨著語料不斷地加碼，AI翻譯的準確度也就高得多。

3. AI翻譯引進NMT技術，就能精準識別「語境」嗎?

搜狗同傳翻譯在某次國際性會議上，聲稱其神經網絡機器翻譯技術已達臨界點，並在進行大規模商用推廣。只是，搜狗的同傳還是在國際會議上出過爭議，結果不盡如人意。即便在正式的場合能夠應對自如的搜狗，在非正式場合會是怎樣一種情況呢?很多時候的中英交流多以口語化形式出現，對「語境」的理解遠比「語法和詞彙」難得多。下文我們將就幾組語句進行討論(以下從搜狗、360搜索、百度以及谷歌四大平臺進行對比)。

第一組：獻上我的膝蓋。看看，最近這句網絡常用語各翻譯平臺的水平

谷歌：Offer my knee。

360：express my admiration。

百度：Offer my knees。

搜狗：Give me my knee。

測試結果是搜狗、百度、谷歌均傾向於單詞表面意思的翻譯，並未能結合具體的文化背景，而360對於該網絡用語的解釋就地道的多。

第二組：詩詞，選自杜甫的《登高》。因其詩中主要是以諸多意象組成的意境，看翻譯能否反饋這種情感。

《登高》原文摘選：

風急天高猿嘯哀，渚清沙白鳥飛回。

英語譯文：

有趣的是將各自翻譯的英文譯成中文時，沒有一個平臺能還原。而在詩歌的中譯英中360能夠結合「語境」處理詩中的意向要素，搜狗翻譯表達出了「悲愴」的情感，而百度翻譯和谷歌翻譯則完全是從字面上進行翻譯，破壞了詩的美好。

第三組：新聞，選自紅網。語言簡練正式，但涉及的元素較多，對語法的要求性比較高。

原文：據長沙市住房和城鄉建設委員會網站顯示，2018年5月23日，長沙共計有兩個項目獲批預售證，均位於雨花區，分別為五礦萬境藍山和創元時代。

譯文：

同一段新聞，出現了四種不同的譯法。同一語句中各家強調的點不一樣，譬如首句的「長沙市住房和城鄉建設委員會」，360的翻譯結果更顯得專業並符合慣常表述，「長沙市」只是作為補充詞出現，而搜狗、百度和谷歌的翻譯中，「長沙市」則是作為硬性的地名出現。尤為值得注意的是，根據語境，「五礦萬境藍山」和「創元時代」都是樓盤名字，應當由漢語拼音直譯，只有360識別到這一點，搜狗、百度和谷歌三家都在「礦」、「藍山」、「創元」、「時代」等字眼上糾結。

從這三組中，我們能發現360偏好於基於「語境」的邏輯進行分詞，雖然也有做的不到位的，像針對詩詞這樣複雜的情感語句就無法準確傳達，但是在「流行語」優勢明顯;而谷歌和百度基本上是基於詞組進行斷句，因此，翻譯也是一個詞一個詞，尤其是對古詩詞的理解，谷歌就顯得比較憂愁了。

因此，AI翻譯的問題主要反映在三大方面：第一，機器翻譯難以應對語言規則不統一的口語;第二，AI翻譯難以結合文化語境進行理解，解析不出深層次的情感;第三，針對較長的段落，以及較為複雜的語境，往往會出現語法問題多，語句出錯率高的毛病。

4. AI翻譯要「地道」，技術倒不是關鍵

翻譯界老將何恩培曾講：「機器翻譯一直被公認為人工智慧領域最難的課題之一。而且語言背後的多元文化和複雜社會屬性，註定了語言規則不可能規律化」。但是，中國有句老話：勤能補拙。對於AI翻譯而言，最難的不是技術，而是「語境」理解，而AI翻譯能力的級別高低又體現在這，集中體現了平臺餵養語料的資源狀況。AI翻譯能否「地道」，取決於以下幾點。

⑴、訓練資料庫的內容整體優質程度

這影響到翻譯準確程度，取決於信息資源的整合能力。不論是BAT，還是360、搜狗、有道等，都在注重內容生態建設，搜狗有了騰訊微信入口搜索，360搶佔了安全領域的數據來源。但是，這不可能是一個完全開放的體系，沒有哪一家能夠整合整個網際網路的資源，各平臺訓練資料庫各有側重，AI翻譯特色也不盡相同，例如360翻譯側重於地道的口語與流行語，百度翻譯則顯得大而全。

⑵、開放平等的中外數據交流,或可加強AI的深度學習

國內對標競品之間的合作相對較難，但中外數據交流卻是最好的互補。因此，百度上線過英文搜索產品，而360與微軟Bing有過技術合作。此外，有了國界互譯也變得更有意義。因此，中外數據合作，或許對於文化背景的數據積澱有很好的補充，也是擴充深度學習的語料最直接的方式。

⑶、需要準備大量的網絡語及口語語料

除了詩詞蘊含深厚文化底蘊外，網絡語和口語是與一個地域的文化最為接近的語言形態，時下搜尋引擎從被動搜索向主動的、基於用戶興趣的內容推薦引擎轉型，這對於構建口語語料訓練模型倒是一個不錯的嘗試。

雖然說，AI翻譯能夠精準識別「語境」是需要很長一段路要走，但是技術已經在進步，360翻譯能夠開始揣摩語句背後的情感與心思，對於日常交流來說是一個很好的開端。或許，我們將因此離「地球村」的夢想更進一步!