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。”