慶陽(yáng)同聲翻譯系統(tǒng)，基于NMT的智能化，同傳方案

在過(guò)去70年的發(fā)展歷程里，機(jī)器翻譯經(jīng)歷了從興起到高峰，從低迷到打開(kāi)新研究思路的種種變化。當(dāng)下，當(dāng)5G的瞬時(shí)鏈接速度達(dá)到驚人的千分之三秒，我們又看到了同聲傳譯的機(jī)器化是否有可能？

早在1949年，美國(guó)科學(xué)家 Warren Weaver 就首次提出 “使用計(jì)算機(jī)進(jìn)行翻譯” 的思想，他也被公認(rèn)為是機(jī)器實(shí)現(xiàn)同聲傳譯的先驅(qū)者之一。1952 年，以色列著名哲學(xué)家、語(yǔ)言學(xué)家和數(shù)學(xué)家 Yehoshua Bar-Hillel 組織召開(kāi)了第一次機(jī)器翻譯大會(huì)。

此后，由于機(jī)器翻譯質(zhì)量難以達(dá)到要求，其發(fā)展在長(zhǎng)達(dá) 30 年間始終緩慢，直到 1990 年之后，大量的雙語(yǔ)、多語(yǔ)語(yǔ)料庫(kù)給機(jī)器翻譯注入新鮮血液，統(tǒng)計(jì)機(jī)器翻譯（SMT）應(yīng)運(yùn)而生。這期間 IBM 研究人員也發(fā)表論文，詳細(xì)論述了基于詞典和轉(zhuǎn)換規(guī)則的機(jī)器翻譯方法和基于平行語(yǔ)料庫(kù)的實(shí)例機(jī)器翻譯方法。

（來(lái)源：GPI 同聲傳譯）

近些年，基于深度學(xué)習(xí)的神經(jīng)機(jī)器翻譯技術(shù)（neural machine translation，簡(jiǎn)稱(chēng) NMT）發(fā)展迅猛。深度學(xué)習(xí)由圖靈獎(jiǎng)得主 Geoffrey Hinton 等人在 2006 年提出，是一種深層的非線(xiàn)性數(shù)據(jù)處理技術(shù)，與傳統(tǒng)的淺層次線(xiàn)性處理相比，同聲傳譯是基于高品質(zhì)翻譯能力的支持，它在處理模型分析和分類(lèi)問(wèn)題上更準(zhǔn)確，性能更高。

NMT 與以前的機(jī)器翻譯方法完全不同，一方面，NMT 在 SMT 中采用連續(xù)表示而不是離散符號(hào)表示；另一方面，NMT 使用單個(gè)大型神經(jīng)網(wǎng)絡(luò)對(duì)整個(gè)同聲翻譯過(guò)程進(jìn)行建模，從而無(wú)需進(jìn)行過(guò)多的特征工程。而且，NMT 的訓(xùn)練是端到端的（end-to-end），不像 SMT 中需要單獨(dú)調(diào)整組件。除了簡(jiǎn)單之外，NMT 可適應(yīng)多種語(yǔ)言之間的同傳翻譯，實(shí)現(xiàn)先進(jìn)的性能對(duì)會(huì)議現(xiàn)場(chǎng)的二次處理。