這裡是和華碩翻譯有關的地盤,歡迎到訪我的BLOG!

數年前，google採用遞歸神經網絡（recurrentneural networks）將句子視為一個單元進行翻譯，以後的片語式機械翻譯體式格局（pbmt），則是將句子切割成零丁的字和詞組做獨立翻譯。

在讀取完全句子後，解碼器(decoder)就會起頭運作，一次產生一個英語句子中的一個詞。

他認為，固然簡體中文、繁體中文有些不異的字詞有著分歧的意義，或不異的字已衍生出新的意義，但因簡體、繁體中文語法相同，在機械翻譯上仍採用一套系統，可視為專著名詞，透過進修創立資料庫來校正翻譯

google神經機械翻譯(gnmt)將中詞句子翻譯成英詞句子的進程，透過編碼器 (encoder)，首先，gnmt將中詞句子的每個單詞進行向量(vector)編碼，而每一個向量將顯示出今朝為止單詞被讀取到的所成心義翻譯

他指出，機器進修是很主要的議題，大家在會商google翻譯的學習功能之際，也會聯想到人工電腦alphago打敗真人世界棋王翻譯此刻也有人提出讓alphago打alphago，進修能力可以更快的說法，就像是金庸小說「西嶽論劍」裡全真派的周伯通，用自己的左手和右手對打，使出的「左右互搏」。

注意 (attention)功能是為了每一步都產出准確的詞，解碼器將針對編碼中文向量裡最相幹的英文單詞權重分布(weighted distribution)進行解碼。

其實不只簡體中文、繁體中文的語法不異，他流露，日文、韓文在機械翻譯上也可算是語法不異，用同一套系統。

簡立峰註釋，google翻譯有學習及資料庫的功能，不息累積經驗，錯誤也是一種經驗，除非幾乎所的人都在「點竄建議」欄寫下如出一轍的毛病，才會積非成是，但事實上這種情況並不可能産生。

為改良nmt翻譯品質，研究人員提出很多手藝來解決，這傍邊包孕透過摹擬調校模子(externalalignment model) 處理罕有字詞、利用「注意」(attention)來對準輸入詞和輸出詞，和將詞拆解成更小的單位以應對罕見字詞等。

google台灣董事總司理簡立峰說，google翻譯比之前好用太多了！就算有人惡作劇，刻意在「提出點竄建議」欄位寫下錯的翻譯，也不會影響系統的運作。

曩昔，為翻譯隨意率性兩種說話，google需要建構多個分歧的翻譯系統，運算成本相當可觀。相較於曩昔的片語機械學習（pbmt），神經機械翻譯（nmt）僅需要較少的系統架構設計。剛最先推出神經機械翻譯時，這兩種翻譯體式格局的精準度不相上下。

以下文章來自: https://udn.com/news/story/6811/2440774有關各國語文翻譯公證的問題歡迎諮詢華碩翻譯公司02-23690932