抢占AI翻译赛道，搜索平台为何不约而同发力NMT？

不论是国外的谷歌，还是国内的搜索巨头百度、搜狗、360等，均把NMT作为AI翻译的标配，翻译集中的领域在中英互译上，这是一个很有趣的现象。AI翻译真的是块肥肉吗？为什么要发力NMT？

搜索公司在AI翻译这个事上扎堆并不令人意外。

2016年，GNMT技术（谷歌的神经网络机器翻译技术，模仿人脑的神经思考模式）全面布局于谷歌翻译系统中，随后，谷歌声称其AI翻译的译文质量误差降低了55%-85%，并且将此技术广泛应用于网页翻译与手机应用。

国内，百度当时已经研究出了可应用的SMT技术（统计机器翻译），但得知NMT的横空出世之后，便迅速调转方向转而研发NMT技术，于是就有了BNMT应用于百度翻译。尽管初时的百度翻译速度很慢。但是，百度当时反应也佐证NMT的价值性。

搜狗、阿里、腾讯等公司也都有部署NMT领域，推出多款基于神经网络的在线翻译和手机应用，在智能翻译领域持续发力。360搜索也不愿落后，上线了基于NMT的360翻译，以期与去年上线的360英文搜索形成合力，且还拉来了微软旗下的搜索引擎Bing开展技术合作。

但是我们会发现：不论是谷歌还是BAT，其智能翻译从未能声称能替代人工翻译，因为翻译还必须考虑到到使用者的情感及文化背景。从2016年起至今的两年时间里，对海量语料的深度学习逐渐成为AI开发的必修课，也成了巨头们布局AI翻译绕不过的“坎”。

搜索平台不约而同发力NMT，为的是哪般？

前面说到，不论是国外的谷歌，还是国内的搜索巨头百度、搜狗、360等，均把NMT作为AI翻译的标配，翻译集中的领域在中英互译上，这是一个很有趣的现象。AI翻译真的是块肥肉吗？惹得谁也不愿意掉队。

据统计表明：全球一共有73个国家，超10亿人以英语为官方语言，而汉语则是世界使用人数最多的语言。因此，中英互译本身的用户基数市场就能引起巨头们足够的注意力了。

为什么要发力NMT？

这得从AI翻译人类语言的方式说起，包含三种：

• 第一，基于规则的机器翻译方法；
• 第二，基于实例的机器翻译方法；
• 第三，基于统计的翻译方法。

SMT与NMT都属于第三种，从语料自动学习翻译模型，结合大数据通过评分输出翻译结果。但是，SMT与NMT存在着显著的差距。

SMT采用的模式是通过平行语料进行统计分析，翻译的准确性则与语料的丰富度呈明显的正相关，但是存在着翻译结果太过零散，片面生硬，语法语义混乱的劣势。

而模仿人类神经网络构建模型，NMT是以一个句子为基本的处理单元，好处在于翻译过程中有着更好的语感，能降低SMT翻译的关于“形态、句法、词序”等方面出错的概率。

因此，NMT在技术上恰巧可以有效弥补SMT的缺陷。而随着语料不断地加码，AI翻译的准确度也就高得多。

AI翻译引进NMT技术，就能精准识别“语境”吗？

搜狗同传翻译在某次国际性会议上，声称其神经网络机器翻译技术已达临界点，并在进行大规模商用推广。只是，搜狗的同传还是在国际会议上出过争议，结果不尽如人意。

即便在正式的场合能够应对自如的搜狗，在非正式场合会是怎样一种情况呢？

很多时候的中英交流多以口语化形式出现，对“语境”的理解远比“语法和词汇”难得多。下文我们将就几组语句进行讨论，以下从搜狗、360搜索、百度以及谷歌四大平台进行对比。

第一组：献上我的膝盖。

看看，最近这句网络常用语各翻译平台的水平

• 谷歌：Offer my knee。
• 360：express my admiration。
• 百度：Offer my knees。
• 搜狗：Give me my knee。

测试结果是搜狗、百度、谷歌均倾向于单词表面意思的翻译，并未能结合具体的文化背景，360对于该网络用语的解释稍显老练。

第二组：诗词，选自杜甫的《登高》。

因其诗中主要是以诸多意象组成的意境，看翻译能否反馈这种情感。

《登高》原文摘选：风急天高猿啸哀，渚清沙白鸟飞回。

英语译文：

有趣的是将各自翻译的英文译成中文时，没有一个平台能还原。而在诗歌的中译英中360能够结合“语境”处理诗中的意向要素，搜狗翻译表达出了“悲怆”的情感，而百度翻译和谷歌翻译则完全是从字面上进行翻译，破坏了诗的美好。

第三组：新闻，选自红网。

语言简练正式，但涉及的元素较多，对语法的要求性比较高。

原文：据长沙市住房和城乡建设委员会网站显示，2018年5月23日，长沙共计有两个项目获批预售证，均位于雨花区，分别为五矿万境蓝山和创元时代。

译文：

同一段新闻，出现了四种不同的译法。同一语句中各家强调的点不一样，譬如：首句的“长沙市住房和城乡建设委员会”，360的翻译结果更显得专业并符合惯常表述。“长沙市”只是作为补充词出现，而搜狗、百度和谷歌的翻译中，“长沙市”则是作为硬性的地名出现。

尤为值得注意的是：根据语境，“五矿万境蓝山”和“创元时代”都是楼盘名字，应当由汉语拼音直译，只有360识别到这一点，搜狗、百度和谷歌三家都在“矿”、“蓝山”、“创元”、“时代”等字眼上纠结。

从这三组中，我们能发现360偏好于基于“语境”的逻辑进行分词，虽然也有做的不到位的，像针对诗词这样复杂的情感语句就无法准确传达，但是在“流行语”优势明显。

而谷歌和百度基本上是基于词组进行断句，因此，翻译也是一个词一个词，尤其是对古诗词的理解，谷歌就显得比较忧愁了。

因此，AI翻译的问题主要反映在三大方面：

• 第一，机器翻译难以应对语言规则不统一的口语；
• 第二，AI翻译难以结合文化语境进行理解，解析不出深层次的情感；
• 第三，针对较长的段落，以及较为复杂的语境，往往会出现语法问题多，语句出错率高的毛病。

AI翻译要“地道”，技术倒不是关键

翻译界老将何恩培曾讲：

“机器翻译一直被公认为人工智能领域最难的课题之一。而且语言背后的多元文化和复杂社会属性，注定了语言规则不可能规律化”。

但是，中国有句老话：勤能补拙。

对于AI翻译而言，最难的不是技术，而是“语境”理解，而AI翻译能力的级别高低又体现在这，集中体现了平台喂养语料的资源状况。AI翻译能否“地道”，取决于以下几点。

1. 训练数据库的内容整体优质程度

这影响到翻译准确程度，取决于信息资源的整合能力。不论是BAT，还是360、搜狗、有道等，都在注重内容生态建设，搜狗有了腾讯微信入口搜索，360抢占了安全领域的数据来源。

但是，这不可能是一个完全开放的体系，没有哪一家能够整合整个互联网的资源，各平台训练数据库各有侧重，AI翻译特色也不尽相同，例如：360翻译侧重于地道的口语与流行语，百度翻译则显得大而全。

2. 开放平等的中外数据交流，或可加强AI的深度学习

国内对标竞品之间的合作相对较难，但中外数据交流却是最好的互补。因此，百度上线过英文搜索产品，而360与微软Bing有过技术合作。

此外，有了国界互译也变得更有意义。因此，中外数据合作，或许对于文化背景的数据积淀有很好的补充，也是扩充深度学习的语料最直接的方式。

3. 需要准备大量的网络语及口语语料

除了诗词蕴含深厚文化底蕴外，网络语和口语是与一个地域的文化最为接近的语言形态，时下搜索引擎从被动搜索向主动的，基于用户兴趣的内容推荐引擎转型，这对于构建口语语料训练模型倒是一个不错的尝试。

总之，AI翻译能够精准识别“语境”是需要很长一段路要走！