近日，百度發(fā)布重磅消息稱，百度研發(fā)了具備預測能力和可控延遲的即時機器翻譯系統(tǒng)，可實現(xiàn)兩種語言之間的高質量、低延遲翻譯。這是自然語言處理方面的重大技術突破，將對機器即時筆譯和口譯的發(fā)展起到極大地推動作用。

　　即時機器翻譯系統(tǒng)是2016年百度Deep Speech 2發(fā)布以來，又一項引發(fā)MIT科技評論、IEEE Spectrum等外媒矚目的重大技術進展。IEEE Spectrum認為，百度開發(fā)的這個新系統(tǒng)揭示了一種通過預測未來而保持穩(wěn)定的翻譯工具，可以與聯(lián)合國會議期間提供同傳服務的口譯人員相媲美，讓人們離軟件巴別魚又近了一步。還有媒體認為，百度推出新的翻譯系統(tǒng)，是向谷歌發(fā)起了挑戰(zhàn)。

　　這項引發(fā)行業(yè)震動的技術，到底有何過人之處?

　　機器同傳利用語音識別技術自動識別演講者的講話內容，將語音轉化為文字，然后調用機器翻譯引擎，將文字翻譯為目標語言，顯示在大屏幕或者通過語音合成播放出來。相比人類譯員，機器最大的優(yōu)勢是不會因為疲倦而導致譯出率下降，能將所有“聽到”的句子全部翻譯出來，這使得機器的“譯出率”可以達到100%，遠高于人類譯員的60%-70%。同時，在價格上也占有優(yōu)勢。

　　此次，百度聯(lián)合語音技術、機器翻譯技術，從語音識別、翻譯質量、時延、融合領域知識等方面推出了“一攬子”解決方案。

　　在語音識別方面，區(qū)別于傳統(tǒng)的上下文相關建模技術，百度提出了上下文無關音素組合的中英文混合建模單元，包含1749個上下文無關中文音節(jié)和1868個上下文無關英文音節(jié)。該方法具有泛化性能好、對噪聲魯棒、中英文混合識別等特點。

　　在翻譯質量方面，提出了“語音容錯”的對抗訓練翻譯模型，根據(jù)語音識別模型常犯的錯誤，在訓練數(shù)據(jù)中有針對性的加入噪聲數(shù)據(jù)，使得模型在接受到錯誤的語音識別結果時，也能夠在譯文中糾正過來。比如，語音識別系統(tǒng)將“大堂”錯誤的識別為“大唐”，這一對噪聲詞將被自動收錄到訓練數(shù)據(jù)中，并將源語言句子“我們在酒店大堂見面吧”替換為“我們在酒店大唐見面吧”，而保持目標語言翻譯不變“Let’s meet at the lobby of the hotel”，同時將這兩個中文句子用于訓練，進而獲得具有更強的容錯能力模型。

　　為了降低時延提升翻譯質量，人類譯員通常對演講內容進行合理預測，百度開發(fā)人員從人類譯員身上獲得啟示，研發(fā)了“wait-k words”模型，可以根據(jù)歷史信息，直接預測翻譯中目標語言詞匯。該模型在翻譯質量和翻譯延遲之間做出了很好的平衡，用戶可根據(jù)實際需求設定延遲時間(例如延遲1(k=1)詞或延遲5(k=5)詞)。比如，法語和西班牙語這種較為接近的語言，延遲可設置在比較低的水平;但是，對于英語和漢語這種差異較大的語言，以及英語和德語這種詞序不同的語言，延遲應當設置為較高水平，以便于更好地應對差異。

　　在同聲傳譯時，經常會遇到不同領域的專業(yè)知識，這就要求同傳人員在短時間內吸收大量相關領域的內容，這對他們也是極大地挑戰(zhàn)?；诖耍俣饶７氯祟愅瑐鞯臏蕚溥^程，提出了快速融合領域知識策略。該策略依托百度海量的互聯(lián)網(wǎng)大數(shù)據(jù)，訓練得到的具有通用翻譯能力的模型;當它接到某一個領域的同傳翻譯任務時，系統(tǒng)會收集該領域數(shù)據(jù)并在通用模型的基礎上進行增強訓練，得到相應領域的增強模型;最后對該領域術語庫進行強制解碼，使專業(yè)術語翻譯得準確可靠，且提升翻譯效率。

　　雖然機器同傳有了新的突破，但它與經驗豐富的同傳人員相比，依然存在一定差距。百度翻譯技術負責人表示，百度研發(fā)新系統(tǒng)的初衷是為了降低同傳成本，讓同傳在不同領域構筑溝通橋梁，而非取代人類譯員。