独家科普:谷歌“汉译英”错误率降低60%是怎样算出来的?

两天前谷歌宣布发布新一代神经网路机器翻译系统(Google Neural Machine Translation),简称GNMT,因为使用当前最先进的训练技术,能够实现到迄今为止机器翻译质量的最大提升。

“人们对这个翻译系统的评价显示,与之前那个基于短语的翻译系统相比,在翻译多种语言时,神经学习翻译系统的错误率已经降低了60%左右,其中包括英法互译,英西互译以及英汉互译。附加实验的结果显示,翻译系统的质量将和笔译人员平均水准更加接近。”

但是好奇心爆棚的AI科技评论君,突然想知道这个错误率降低60%是怎么推理出来的,所以我们为大家进行了一轮神还原。

第一步。

从维基百科和新闻网站上,随机选取 500 个中文句子,作为被评估内容。

第二步。

找人工翻译,将500个句子翻译为英文。

第三步。

将旧的机器翻译结果、新的机器翻译结果(神经网络)、人工翻译的结果、,这三份“考卷”,拿给熟练使用中英双语的真人判卷员。

第四步。

熟练使用中英双语的真人判卷员,给每张考卷的每个句子,进行打分。分数为 0~6 的整数,0代表翻译结果“狗屁不通”,6代表翻译结果“精彩绝伦”。

第五步。

出成绩了,旧机器翻译每个句子平均得分 3.694,新机器翻译得到 4.263 分,人工翻译得分 4.636 分。别忘了满分是 6 分哦。

第六步。

分别计算,跟人工翻译的水平相比,“误差率”(错误率)是多少。

  • 旧机器翻译:(4.636-3.694) / 4.636 = 20%
  • 新机器翻译:(4.636-4.263) / 4.636 = 8%

第七步。

算“错误率”降低了多少。

(20%-8%)/ 20% = 12% / 20%= 60%

第八步。

算算“准确率”提升了多少。

(4.263-3.694)/3.694 = 15%

第九步。

为什么用户兴奋,媒体兴奋,专家没那么兴奋?翻译公司商鹊网CTO魏勇鹏告诉雷锋网:

这里面两个主要的“陷阱”:

1、从3.6提升到4.2,和从4.2提升到4.6,这两个所需要付出的努力程度,后者可能是前者的10倍以上都不止,但Google就简单的线性计算为缩小了60%的差距。 2、中英的人工翻译,得到的评分也就只是4.6,比英西的人要低得多,这点说明用来作为基准的“人”,未必是靠谱的,以它为基准来评估,也未必是靠谱的。

其实还有第三点,别忘了卷子是 Google 自己出的。

注意用于做评测的数据是:500 randomly sampled sentences from Wikipedia and news websites。这些都是互联网上语料最充足的内容类型。也就是机器最擅长的内容。

第十步。

行业认可的一种机器翻译成绩评估,是 WMT 的 BLEU Score 比赛。Google 这次发布的论文,也用了 BLEU Score 的分数。雷锋网没找到汉译英的部分,但是有英译法的数据,从 37 分提升到 41.16 分。

第十一步。

很多人类患上“围棋”恐慌症了。

Google 首次将神经网络技术,成功应用到翻译产品上,上线后使得翻译质量有了明显提升。但是媒体报道中的标题“错误率降低 60%”,甚至某种语言是 “85%”,很容易让普通人以为蒸汽机革命来了……事实上,微软、百度等大公司之前也在翻译产品中使用神经网络技术,但没有引起大的传播。

究其原因。一位不具名的评论者告诉雷锋网,之前很多人看到 Google 的电脑在围棋上战胜了人类,心理上受到了冲击,自然而然认为 Google 强大的人工智能技术,会颠覆很多行业。尤其是那些当初认为机器在围棋上战胜不了人类的人类,现在又对“人工智能”过于乐观了。

第十二步。

北京时间9月29日早上,论文作者之一,Google Brain 团队的陈智峰,通过远程视频接受了 3 家中国媒体的采访。他告诉雷锋网,这次 Google 比较特别的地方在于,训练过程利用了大量的分布式计算,所以才能把语言模型很快训练出来。“差不多一星期才能处理一个方向的语言模型。但是Google有大概一万个语言的模型需要训练,既需要我们有巨大的资源投入,也在不停地改进算法。 ”

对于机器翻译取代人工翻译的问题。陈智峰认为,规则的文本,比如医学论文,比如时事新闻,大家更注重信息的传达,在修辞方面或情感方面的传达可以弱化一些。“机器翻译就能够很快地帮助你获得信息,这是机器翻译目前对人类的主要帮助。”

他说,“目前来讲,我觉得人与人之间的自然的沟通,通过机器翻译还是有很大的工作需要做。做到真正能够让你感觉到跟你说话的是个人,而不是机器,还是有很多年需要努力的。”

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2016-09-30

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏自然语言处理

探讨自然语言处理技术学习与思考

随着人工智能的快速发展,自然语言处理和机器学习应用愈加广泛。但是对于初学者入门还是有一定难度,对于该领域整体概况不能明晰。本章主要从发展历程、研究现状、应用前景...

831
来自专栏人工智能

自然语言处理如何快速理解?有这篇文章就够了!

原文来源:codeburst.io 作者:Pramod Chandrayan 「雷克世界」编译:嗯~阿童木呀、我是卡布达 现如今,在更多情况下,我们是以比特和字...

75115
来自专栏机器之心

盘点 | Jeff Dean撰文回顾谷歌大脑2017:从基础研究到新硬件

2986
来自专栏人人都是极客

零基础入门机器学习

这篇文章的初衷是很大一部分朋友都想了解如何入门 / 转行机器学习,搭上人工智能这列二十一世纪的快车。 本文的宗旨是: 1. 指出一些自学的误区 2. 不过多的...

3916
来自专栏大数据文摘

开学了,如何用2017年最后三分之一学会深度学习?

1394
来自专栏量子位

20个令人惊叹的深度学习应用(Demo+Paper+Code)

唐旭 发自 RUC 量子位 报道 | 公众号 QbitAI 从计算机视觉到自然语言处理,在过去的几年里,深度学习技术被应用到了数以百计的实际问题中。诸多案例也已...

4439
来自专栏腾讯高校合作

CCF-腾讯犀牛鸟基金项目课题介绍(一)——机器学习&计算机视觉及模式识别

2508
来自专栏大数据文摘

数据科学中的“数据智慧”

15910
来自专栏专知

【下载】面向Open AI, TensorFlow, Keras的强化学习书籍《Reinforcement Learning》

【导读】IT资深工程师和人工智能技术专家Abhishek Nandy和Manisha Biswas撰写的Open AI, TensorFlow, Keras强化...

4354
来自专栏AI科技评论

重磅 | 美国西北大学新系统在智力测试中超越75%民众,人类的推理能力也不及AI了?

你听过瑞文氏标准推理测试(Raven’s Progressive MatriCES)么?上面这张图就是一道标准的瑞文氏测试题目,是不是很眼熟?在公务员考试、一般...

3345

扫描关注云+社区