翻譯技術(shù)領(lǐng)域的形勢瞬息萬變。隨著每一年的流逝，計(jì)算能力、人工智能和數(shù)據(jù)分析的提高，擴(kuò)大了機(jī)器翻譯的速度和準(zhǔn)確性的可能性。新技術(shù)系列的最新項(xiàng)目是神經(jīng)機(jī)器翻譯(NMT)，這是一個深度學(xué)習(xí)系統(tǒng)，據(jù)報道，它平均減少了60%的翻譯錯誤。

機(jī)器翻譯領(lǐng)域的這一最新發(fā)展引起了谷歌等科技巨頭的特別關(guān)注，他們已經(jīng)為自己的NMT品牌版本提交了專利。谷歌神經(jīng)機(jī)器翻譯(GNMT)仍處于早期階段，目前僅適用于中文和英文語言對，更多內(nèi)容正在進(jìn)行中。

但是神經(jīng)機(jī)器翻譯是如何工作的，對未來的翻譯技術(shù)又意味著什么？就像NMT本身一樣，這個問題的答案有點(diǎn)復(fù)雜。

神經(jīng)機(jī)器翻譯以神秘的方式工作。

雖然以前的機(jī)器翻譯形式是基于規(guī)則的(RBMT)或基于短語的(PBMT)，但神經(jīng)機(jī)器翻譯使這個過程看起來更像人類而不是計(jì)算機(jī)。

NMT的目標(biāo)是模仿人類大腦中的神經(jīng)元。神經(jīng)元可以建立聯(lián)系，學(xué)習(xí)新信息，并作為一個整體而不是單獨(dú)地評估輸入。

這種神經(jīng)機(jī)器翻譯過程不會像RBMT和PBMT那樣生成目標(biāo)語言的句子。相反，NMT是分兩個階段分析的，即編碼和解碼。在編碼階段，源語言文本被送入機(jī)器，然后被分類成一系列語言“向量”。解碼階段然后將這些向量傳遞給目標(biāo)語言，而不生成步驟(您可以在這里閱讀更多)。

如果這聽起來不透明，那是因?yàn)樯窠?jīng)機(jī)器翻譯不是很清楚，即使是技術(shù)行業(yè)的人也不是。NMT被描述為一個神秘的過程，其內(nèi)部運(yùn)作被比作一個黑匣子。就像它模仿的人腦一樣，NMT和其他深度學(xué)習(xí)程序的確切工作方式有點(diǎn)令人費(fèi)解。

隨著NMT所需的計(jì)算能力變得更加廣泛，更多的研究正在進(jìn)行，這些理解上的差距有望得到填補(bǔ)。然而，通往更廣泛使用的NMT的道路可能是漫長的。

前面的路很長

當(dāng)神經(jīng)機(jī)器翻譯對更廣泛的分發(fā)足夠可行時，它是不確定的。學(xué)習(xí)一門復(fù)雜系統(tǒng)的新語言需要時間，如何進(jìn)一步提高NMT的準(zhǔn)確性仍然是開發(fā)者和研究者關(guān)心的問題。

此外，據(jù)專家介紹，NMT可以在很長一段時間內(nèi)取代人工翻譯。在此之前，科學(xué)家必須學(xué)會如何最終制造出人工智能機(jī)器，不僅僅是計(jì)算或感知，還包括識別或如何真正思考。在那之前，機(jī)器翻譯無論多么精確，都無法與人類的準(zhǔn)確性相抗衡。

與此同時，我們有今天的技術(shù)可用，這是不斷發(fā)展。跟蹤NMT技術(shù)的進(jìn)展將是人類創(chuàng)造類似于人類AI的完全有能力的地方的重要指標(biāo)。但目前，我們只能拭目以待。