机器翻译的三大飞跃_瑞科上海翻译公司
机器翻译到达现阶段的程度，颠末了几十年的发张，并阅历了三次飞跃。
早正在1954年，人类便起头测验考试过让机械能辨认人类的语言，但直到上世纪80年月，才有人探索出方式。其时，IBM做了研讨，应用一些划定规矩方式，句法分析，语意剖析等传统方式让机械看懂人类语言。但因为其时的人工智能开展处于“凛冬期间”，后果始终欠好，翻译质量也始终上没有来。
机器翻译的第一个飞跃也是IBM做出的。IBM的
研讨职员用了统计的方式去做机器翻译。当时，语音辨认从传统的人工智能方式专家系统转为统计学习的方式，尤以隐马尔科夫模子为代表。统计学方式的使用让机器翻译正在上世纪90年月有了量的飞跃。
进入21世纪，机器翻译迎来了本人的第二次飞跃。此次的先进次要依赖深度学习神经网络的方式。这类方式也称为神经机器翻译（Neural Machine Translation），这个技巧先是用到了语音辨认中，再推广到图像识别跟机器翻译上。
神经机器翻译，扼要的道，就是对源语言的句子停止编码，即转化为计算机可以“明白”的情势，编码的成果会造成良多隐含变量，每一个隐含变量代表从句首到以后辞汇为止的语义信息。然后经由过程一个解码的进程，一个词、一个词输出译文。
到了2018年，由微软亚洲研究院与雷德受研究院研发的机器翻译体系，办理了NMT方式的一些局限，并鉴戒了人类翻译进程中的一些方法。例如：对偶学习（Dual Learning）、斟酌收集（Deliberation Networks）、一致性范例（Agreement Regularization）、结合锻炼（Joint Training）等，让机器翻译程度失掉了大大晋升。
从机器翻译的三次飞跃上不难看出，一家公司构建的翻译体系后果若何，次要取决与两点：一是算法是不是充足好，二是数据是不是够齐、够多。
如许看，关于微软、谷歌、百度等年夜公司来讲，他们有充足优异的人材去搭建神经网络，也有充足多的搜刮数据可供本人搭建的收集停止锻炼。海内的科大讯飞跟搜狗公司，因为本身正在语音辨认上有较长时间的堆集，自然语言资料库上有劣势。
