十年前Google推出翻譯辦事，並以片語式機器翻譯Phrase-Based Machine Translation、PBMT作為主要運算方式，運作方式是將句子切割成單獨的字和詞組做獨立翻譯翻譯從曩昔僅支援幾種說話，到而今可支援103種說話且天天翻譯跨越1400億個單詞。別的，Google 翻譯產品司理 Julie Cattiau示意，台灣是成長最快的市場，Android 版年成長2倍，iOS版年成長60%。最後是名詞與品牌翻譯。
提早截斷（Early cutoff）: 適時地截斷或捨棄來源句子裡的單詞，增強數字與日期翻譯與簡短、罕有字串。
今朝此系統已導入共 41 組說話組合，包羅英／中、英／泰、英／日，英／韓，英／俄羅斯等對譯。
所以翻譯內容的再進化是有必要的。
由於全球有超過50%的網頁為英文網頁翻譯社而全球只有約20%的人口使用英語，因此Google 翻譯服務有多達 95%的流量來自於美國之外的地區翻譯現在更整合Gmail等多種利用程式，且利用者僅需在 Google 搜索列鍵入或用語音聲控輸入想要翻譯的內容，例如「OK Google，將「狗」翻譯成法文」即可履行翻譯。
Google翻譯的一猛進展：即時鏡頭翻譯
Google有一項許多人利用的辦事「Google翻譯」在十年前推出，若是翻譯公司和天成翻譯社一樣，從Google翻譯剛推出時便已利用，也許記得早期的英翻中語意相當僵硬、破裂，因此常有網友惡搞Google翻譯翻譯但目前你必然發覺紛歧樣了，不管是翻譯內容或功能都更像人翻的，這全仰賴人工聰明的提高。
另外一種神經收集利用的重點是大家經常使用的「即時鏡頭翻譯」（Word Lens）。Google 翻譯應用程式必需從鏡頭拍攝的圖片中找出目的文字，透過深度學習手藝來辨識出每一個文字，系統將在我們的字典中尋覓並轉換出翻譯成效翻譯
NMT僅需要較少的系統架構設計，也就是較簡略翻譯
而從數年前，Google 採用遞歸神經收集（Recurrent Neural Networks、NMT）將句子視為一個單元進行翻譯，代替曩昔的PBMT。
Google翻譯的改變契機
▲你是否用過即時鏡頭翻譯呢？（圖／Google 供給）
記者葉立斌／台北報導
Google翻譯的過去
因為在現實世界中的字母可能會反射、有污垢、髒污和因為各類身分受為了供應足夠的例子作為訓練素材，Google 翻譯用「假」字母來摹擬各式反光、點來模仿實際生涯中圖片顯現的情境，以訓練機械的演算法，並到達有用且密集的神經收集練習。
不外和人類一樣是需要練習的，若練習時僅以「乾淨」的字母作為範本，恐怕不合用。
Google翻譯的下一步
從此以後，翻譯系統不再是片斷式的翻譯，而是一次翻譯全部句子，所以語意加倍流暢，且接近母語使用者說法翻譯藉由具有多層「神經元」（neurons）的「深度神經收集」（deep neural network)，讓系統進修辨認句子中的模式和佈局，最後翻譯出語法更趨近平常談話、更順暢且易於浏覽的結果。這當中包括透過模擬調校模型（external alignment model）處理罕見字詞、使用「注重」（attention）來對準輸入詞和輸出詞和將詞拆解成更小的單位以應對罕有字詞等。
為改善 NMT的翻譯品質,研究人員提出許多技術來解決。
文章來自: http://www.setn.com/News.aspx?NewsID=249966有關翻譯的問題歡迎諮詢天成翻譯社
留言列表
