1
| 本文作者： 張馳 | 2016-05-04 19:55 |
雷鋒網(wǎng)會于7月中旬在深圳舉辦全球人工智能與機(jī)器人峰會，屆時(shí)我們會發(fā)布一個(gè)年度Top 25人工智能項(xiàng)目榜單，目前，我們正在四處拜訪人工智能領(lǐng)域相關(guān)的業(yè)者。最近關(guān)于自然語言處理這一塊，我們拜訪了若干公司，商鵲網(wǎng)是其中一家。如果你也想挑戰(zhàn)榜單中的公司，郵件聯(lián)系：2020@leiphone.com。
一個(gè)令人苦惱的事實(shí)是，英文網(wǎng)頁的數(shù)量不知道比中文網(wǎng)頁多到哪里去，而公共知識庫維基百科中，英文詞條也遠(yuǎn)比中文詞條豐富。如果是英文苦手，又想避開可能被廣告占領(lǐng)的某度百科，就只能借助翻譯工具了。
2014年底Skype翻譯公布預(yù)覽版，后來逐漸支持?jǐn)?shù)十種語言的語音及文本實(shí)時(shí)互譯；2006年Google推出在線翻譯工具，目前已支持103種語言，覆蓋99%的網(wǎng)民。不過使用過就會發(fā)現(xiàn)，它們還只能算差強(qiáng)人意，譯文不準(zhǔn)確，也無法用于內(nèi)容出版。以Google為例，它經(jīng)常會詞不達(dá)意，甚至違背語法規(guī)則。這是因?yàn)镚oogle機(jī)器翻譯用的是基于統(tǒng)計(jì)分析的算法，需要豐富的語料庫才能有較好的效果，而這顯然與人類對語言的理解不同。
那機(jī)器翻譯就不堪重用嗎？也不是。在新聞?lì)I(lǐng)域，機(jī)器人已經(jīng)能自動生成稿件，數(shù)秒內(nèi)就能將重要資訊傳達(dá)給用戶，不過還僅限財(cái)經(jīng)等句式規(guī)范的內(nèi)容。機(jī)器翻譯也是如此，商鵲網(wǎng)就認(rèn)為，機(jī)器翻譯雖然遠(yuǎn)未達(dá)到成熟，但在科技專利等垂直領(lǐng)域可以取得突破。
skype翻譯
在翻譯上，商鵲網(wǎng)主要為垂直領(lǐng)域（專利、跨境電商和境外投資等）提供機(jī)器翻譯引擎產(chǎn)品，應(yīng)用在譯后編輯工作模式中；并以譯后編輯（通過少量人工修改以完善機(jī)器的翻譯）平臺提供人機(jī)交互翻譯服務(wù)。
此外，商鵲網(wǎng)還有在線術(shù)語管理平臺“語帆術(shù)語寶”和開放詞典網(wǎng)站“一本詞典”等產(chǎn)品，并為客戶提供技術(shù)服務(wù)，如語料對齊工具。
商鵲網(wǎng)告訴雷鋒網(wǎng)，其核心技術(shù)在以下幾個(gè)方面：
完整的機(jī)器翻譯技術(shù)，覆蓋了自然語言處理技術(shù)的各個(gè)層面（詞法、句法、語義），主要組成部分（分詞、術(shù)語提取、句法分析、語言模型、語義分析等）和主要技術(shù)方案（基于統(tǒng)計(jì)、基于實(shí)例、深度神經(jīng)網(wǎng)絡(luò)等）
人機(jī)交互翻譯技術(shù)，目前應(yīng)用的是適合行業(yè)用戶水平的譯后編輯技術(shù)；
術(shù)語提取技術(shù)和術(shù)語管理系統(tǒng)，這是實(shí)現(xiàn)知識圖譜和智能知識管理的基礎(chǔ)；
完整的數(shù)據(jù)采集、加工和應(yīng)用工具、流程及系統(tǒng)。
雖然工廠、寫作及翻譯上的自動化水平越來越高，但機(jī)器翻譯還遠(yuǎn)未達(dá)到成熟水平（用過Google和有道翻譯的應(yīng)該有同感）。讓機(jī)器學(xué)會翻譯不是件容易的事，語言有很大的復(fù)雜性，一些用詞與表達(dá)往往有多種含義，再加上語序的變化，想想也是為難機(jī)器人，畢竟人類之間也經(jīng)常發(fā)生誤解。
相比之下人機(jī)交互翻譯更成熟也更實(shí)用。而且通過反饋的方式，可以提高系統(tǒng)的智能化水平。這也是商鵲網(wǎng)使用人機(jī)交互翻譯，并專注特定領(lǐng)域的原因。
這種方式也讓人想到Facebook的人工智能服務(wù)“M”。M能提供訂餐這樣的連續(xù)對話服務(wù)，這是因?yàn)樗斜环Q為“訓(xùn)練員”的人工輔助，遇到無法處理的信息時(shí)會由教練處理。這樣人工智能可以輔助人工后臺，反過來人工后臺會訓(xùn)練人工智能。
商鵲網(wǎng)表示，在對自然語言處理最為重要的語料數(shù)據(jù)上也有持續(xù)的積累。在專利等領(lǐng)域，它們已經(jīng)有了大規(guī)模雙語語料和雙語術(shù)語庫。2013年啟動的人工譯后編輯項(xiàng)目，也為其積累了大量人工反饋和行為數(shù)據(jù)。對比Google在專利領(lǐng)域的翻譯，商鵲網(wǎng)認(rèn)為，雖然Google在句式表達(dá)上占優(yōu)，但自己在術(shù)語準(zhǔn)確度上有優(yōu)勢，因?yàn)?/span>每年有超過2億字的人機(jī)專利翻譯業(yè)務(wù)，這對提高翻譯引擎的準(zhǔn)確度十分重要。
無論是圖像識別還是自然語言處理，數(shù)據(jù)集對人工智能至關(guān)重要，反饋越多，系統(tǒng)迭代也越快，準(zhǔn)確性也越高。
對于當(dāng)紅的深度學(xué)習(xí)技術(shù)，商鵲網(wǎng)也在將較為成熟的技術(shù)如WordEmbedding等應(yīng)用于技術(shù)研發(fā)中，并在克服翻譯效果、時(shí)空性能和用戶體驗(yàn)之間的平衡等問題，在垂直領(lǐng)域取得突破。或許再過不久，機(jī)器就不再需要人類協(xié)助翻譯了吧。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
