百度自然语言负责人吴华：基于神经网络的机器翻译，我们比谷歌早一年

【新智元导读】12月21日，百度举行机器翻译技术开放日。本次开放日主要向外界传递的一个主题是：百度早于谷歌和微软，在一年前已经推出最近很火的基于神经网络的机器翻译（NMT）系统。

新智元讯 2016年12月21日，百度举行机器翻译技术开放日。 百度技术委员会联席主席、自然语言技术负责人吴华博士作技术报告，她说，百度早在1年多以前就率先发布了世界上首个互联网基于神经网络的机器翻译（NMT）系统，引领机器翻译进入神经网络翻译时代。

神经网络翻译技术从2014年9月提出，百度2015年5月上线首个互联网NMT系统。今年9月，谷歌、微软等公司也相继发布NMT系统。

NMT技术缘何受到追捧？据吴华介绍，它克服了传统方法将句子分割为不同片段进行翻译的缺点，而是充分利用上下文信息，对句子进行整体的编码和解码，从而产生更为流畅的译文。

据介绍，当时百度翻译技术人员系统化地提出了一整套解决方案。譬如，通过引入SMT中的特征解决NMT系统集外词（OOV）无法翻译、译文不完整（漏词）的问题，借助算法改进将解码速度提升数十倍；提出首个基于深度学习的多语言翻译框架，解决数据稀疏问题；同时将模型压缩70倍便于移动用户在本地运行等。

目前，百度翻译支持全球28种语言互译、756个翻译方向，每日响应过亿次的翻译请求。此外，百度翻译还开放了API接口。目前已有超过2万个第三方应用接入。华为、OPPO、中兴、三星等手机厂商，金山词霸、灵格斯词霸、敦煌网等众多产均接入了百度翻译API。世界知识产权组织（WIPO）也将百度翻译API集成到官网，供用户将专利信息翻译成不同语种查询。

不过，吴华对新智元介绍说，百度翻译现在的准确率只能说是有70分左右，离90分的准确率还有很远的距离。另外，现在整个百度翻译的商业模式是To C 的，To B业务目前还没有展开，但是以后会考虑。

解决数据稀疏的问题

NMT 模型近几年来的发展中一个核心问题，就是解决数据稀疏。

在接受新智元的采访时，吴华说：

其实不管是神经网络翻译技术，还是以前统计机器翻译技术都是基于双语语料的，比如中英的翻译是一句中文和一句完全翻译好的英文对照的，之后才能提供翻译服务。但是，并不是所有的语言之间的语料都是很充分的，英文和中文，英文和法语之间可能相对比较充分一些，但比如中文和日本、韩语就比较少。

为了解决这个问题，百度以前基于统计翻译的时候，提出了疏轴的语言，这个方法做的比其他公司好。在NMT技术下，是借鉴和其他语种的语料优势来翻译的，当时提出这个方法的时候发表在国际会议上得到了很高的评价。

这个技术本质上还是解决数据稀疏的问题，因为NMT这种机制可以多个语言一起学习。谷歌现在也是在这个技术上，用多个语言一起训练然后共享参数，共享参数的目标是为了借鉴其他语种语料的优势，来解决语料稀疏的翻译质量问题。今年11月份谷歌提出了Zero-shot的方法，实际上也是解决数据稀疏的问题。

NMT 的不足

开放日现场，记者问到，NMT和SMT（基于统计的机器翻译）的区别。吴华说，SMT不管是基于短语还是句法的，都还是在局部解码，没有看全句最优。但NMT的好处是先看整个句子的意思，然后再翻译。这个过程就会表现出来好像理解了一句话的意思，所以在选择翻译词的时候，更加符合这个句子的语意一些。这也就是为什么NMT在翻译长句的时候好一些。但NMT没有真正解决语义问题，虽然它很长一段时间都是主导。

她说：“NMT的劣势实际也很明显，因为NMT还只不过是高级一点的模式识别的技术，所以没有真正解决语义的问题。”

与谷歌翻译的对比

谈到谷歌翻译与百度翻译的对比。吴华认为，谷歌翻译在基于统计的机器翻译上做得很好，处于领先地位，但是在基于神经网络的机器翻译上，百度走在了前面。并且，谷歌翻译是以英语为中心的，百度翻译的中心是中文。另外，在语音的翻译上，百度要领先一些。

她说：“谷歌翻译是处在一个领先地位的，但我们的优势在于，在基于神经网络的技术上，我们是有点领先的。谷歌翻译发新闻通稿，里面也引用了我们很多之前发表的一些文章，这个大家如果关注的话可以查到。在神经网络这条线上我们是走在前面的，虽然他们在统计翻译里还是走在前面的。”

她还补充道：“在线上的翻译系统里，我们在口语翻译上实际上是明显超越谷歌的，这一点大家可以随便去试试看看。”