随着人工智能技术的发展，机器随着人工智能技术的发展，机器翻译已经取得了很大进步。然而在传统方法中，需要数百万字的逐句对照来教会机器如何翻译。研究人员在新论文中表示，不需要平行文本（可以逐句对照阅读的原文及其译文），也可以让其学会翻译。
![]()
人类一直渴望沟通，早在 20 世纪 30 年代初，法国科学家 G.B. 阿尔楚尼提出了用机器进行翻译的想法。经过几十年的努力，人类终于逐渐学会用机器翻译。这个过程经历了很多阶段：
起初是基于规则的翻译。最简单的翻译方法是逐字翻译。如将「我爱你」翻译成「I love you」。随着句子越来越复杂，语言学家们发现了越来越多的规则，可用程序实现。
下一个阶段是用统计方法进行翻译。专家把一句话分成很多块，把每一块所有可能的翻译都找到，选择几率最大的。最后将所有的句子生成，找到最有可能的。如「我爱你」，可能被翻译成「I love you」、「I like you」……最终「I love you」最适合，被系统选择。
建造这样一个系统需要大量的数据用于训练系统，我们需要平行文本，并至少被翻译成两种语言。但每当有一种新的语言，都需要专业人士进行调试和修整。
随着科技进步，科学家发明了人工智能神经网络技术来翻译。以谷歌为例，他的翻译系统非常强大，需要很多训练数据和计算资源才能实现，它使用了序列到序列技术（sequence to sequence）。这个技术的翻译准确率已经超过了使用统计方法的机器翻译系统。
来自北大 AI 公开课李航：自然语言处理的现象与挑战
然而，这些人工智能系统通常需要大量的人工翻译的内容供计算机学习，而现在有两篇新的论文宣布，可以开发一个不依赖平行文本的系统。
来自西班牙巴斯克大学（UPV）的计算机科学家 Mikel Artetxe 表示，你给一个人很多的中文书籍和阿拉伯语书籍，二者没有文字重合，在这种情况下，一个人学习将中文翻译成阿拉伯文很难，但计算机可能不会。
他们用的是无监督学习方法。有监督学习可以理解为数据有标签，好比知道题目和答案，这意味着它会针对任何问题做出正确答案的尝试，人类会告诉它是否正确，并根据需要修改。
在实际应用中，往往很难获取到数据标签，因此要选择无监督学习。例如，不管在哪种语言中，「桌子」和「椅子」经常一起使用。系统通过找到每种语言中的这些关系，对其进行比较，就能理解哪些相关。
新论文中，提出的方法与此类似，还能翻译完整的句子。
论文中使用了两种策略：「反向翻译」（Back Translation）和「去噪」（Denoising）。反向翻译是把一种语言写成的句子粗略翻译成另一种语言，然后反向翻译回来，如果结果不相同，则对系统进行调整。去噪也是类似的过程，但不是来回翻译，而是向句子中添加单词等「噪声」。这些方法可以帮助机器更好地理解语言如何翻译。
这两个系统，一个是 UPV 开发的，另一个是 Facebook 计算机科学家 Guillaume Lample。那么，如何评价者两种系统呢？二者选择比较英文和法文之间的双向翻译，其中包含了 3000 万个句子，这是两篇论文之间唯一能比较的结果。两者用来衡量翻译的准确性的评分均为 15 分，与谷歌翻译的 40 分相比要低，人工翻译则为 50 分。作者们均表示，这些系统能够通过半监督学习的方式得到改进，即有监督学习和无监督学习相结合。
此前，AlphaGo Zero 同样也不需要人类的经验，自行学会了棋谱。或许在未来，人工智能可以在很多领域「无师自通」，也能成为摆脱人类思维定势的很好方法。
MiraScreen
全球领先的“智能会议”核心解决方案提供
![]()
新浪微博：MiraScreen
长按关注，解锁更多精彩内容
