Facebook发布全新神经机器翻译算法(译)

原文：https://www.infoq.com/news/2017/05/facebook-machine-translation

作者：Roland Meertens

翻译：纸岳

Facebook 的人工智能研究团队近日发布了其研究结果，一种新型的神经机器翻译（Neural Machine Translation）算法。比起其他系统，该算法在三种知名机器翻译任务中取得了更高的分数（score）。并且，该算法的运行速度是谷歌（Google）的神经机器翻译系统的九倍之快。

Facebook 所使用的技术——卷积神经网络在计算机视觉领域中非常有名。这项技术能够按层级处理句子，然后捕捉到每句话中，单词之间的复杂关系。在句子中，两个、三个、甚至更多彼此相邻的单词可以组成短语。Facebook 通过训练计算机，使其能够对句子中的这些短语赋予意义。 再通过处理句子和其中短语的联系，计算机能了解到句子的每个部分分别有何意义。最后， 另一种神经网络算法会把计算机所理解的意思，转化去目标翻译语言。

传统神经机器翻译算法只能逐字读入，然后再记忆到该字为止，前半句话的意思。计算机的速度也因此而受限于序列读入（sequential reading）的速度。而卷积方法与之相反，它最主要的优势在于，你可以将该方法同时应用于一句话的不同部分。所以，Facebook 的算法比序列读入的方法更快九倍之多。

除了神经机器算法之外，Facebook 还介绍了一种新型技术——多重跳跃（Multi-hop）。作为注意力机制的替代方法，这种新技术更加智能，也更加复杂。注意力机制，是一种能够解决同词异义的方法。在不同上下文的情况下，同一词语会拥有不同的翻译方法。而注意力机制则是在翻译某一词语的同时，查看原句中与之相关的其他部分。通过这样的方法，注意力机制才能够通过上下文，决定这个词语合适的翻译方法。

同时，Facebook 还计划在其他类型的文本处理任务中应用这种新方法。比如，使用神经网络算法回答问题。通过这种新方法，他们可以同时处理一段对话的不同部分。

Facebook 已经将完整解法发布在了博客中，其论文也是可以免费获取的。同时，如果你希望尝试 Facebook 的算法和了解其用途，你可以从 Github 开源代码库上免费下载源代码。

比起其他算法，如标准英译法、英译德以及英译罗马尼亚语，新算法的表现更加优异。在机器翻译领域中，它也胜过谷歌的神经网络系统（谷歌的翻译 SDK 如今也已向公众开放使用，支持 20 对语言翻译）。如果你想要了解神经机器翻译算法与以往的方法有何不同，你可以在微软必应翻译中选择这两种不同的方法进行语句翻译。