3月14日，微軟宣布，其研發(fā)的機器翻譯系統(tǒng)，在通用新聞報道測試集newstest2017的中英測試集上，達到了可與人工翻譯媲美的水平。這是首個在新聞報道的翻譯質(zhì)量和準確率上可比肩人工翻譯的翻譯系統(tǒng)。
　
　　為了確保翻譯結(jié)果準確且達到人類的翻譯水平，微軟研究團隊邀請了雙語語言顧問，將微軟機翻結(jié)果與兩個不同的人工翻譯結(jié)果進行比較。

　　微軟技術(shù)院士，負責(zé)微軟語音、自然語言和機器翻譯工作的黃學(xué)東稱，這是對自然語言處理領(lǐng)域最具挑戰(zhàn)性任務(wù)的一項重大突破。“在機器翻譯方面達到與人類相同的水平是所有人的夢想，我們沒有想到這么快就能實現(xiàn)?！彼硎荆跋Z言障礙，幫助人們更好地溝通，這非常有意義，值得我們多年來為此付出的努力?！?/P>

微軟技術(shù)院士黃學(xué)東

　　機器翻譯是科研人員攻堅了數(shù)十年的研究領(lǐng)域，曾經(jīng)很多人都認為機器翻譯根本不可能達到人類翻譯的水平。盡管此次突破意義非凡，但這仍不代表人類已經(jīng)完全解決了機器翻譯的問題，只能說離終極目標又近了一步。

　　微軟機器翻譯團隊研究經(jīng)理Arul Menezes解釋：當一種語言（比如中-英）擁有較多的訓(xùn)練數(shù)據(jù)，且翻譯的是常見的大眾類新聞詞匯時，人工智能加持下的機器翻譯表現(xiàn)可以與人類媲美。

　　近兩年來，深度神經(jīng)網(wǎng)絡(luò)的使用讓機器翻譯的表現(xiàn)取得了實質(zhì)性突破。相較于以往，機器翻譯結(jié)果變得更加自然流暢。

　　微軟將他們的最新研究成果——對偶學(xué)習(xí)（Dual Learning）和推敲網(wǎng)絡(luò)（Deliberation Networks）應(yīng)用在了此次取得突破的機器翻譯系統(tǒng)中。微軟亞洲研究院副院長、機器學(xué)習(xí)組負責(zé)人劉鐵巖介紹道，“這兩個技術(shù)的研究靈感其實都來自于我們?nèi)祟惖淖鍪路绞?。?/P>

　　其中，對偶學(xué)習(xí)使得中文句子翻譯成英文之后，系統(tǒng)會將相應(yīng)的英文結(jié)果再翻譯回中文，并與原始的中文句子進行比對。從這個比對中，機器會學(xué)習(xí)有用的反饋信息，對翻譯模型進行修正。

　　推敲網(wǎng)絡(luò)則類似于人們寫文章時不斷推敲、修改的過程。通過多輪翻譯，不斷地檢查、完善翻譯的結(jié)果，從而使翻譯質(zhì)量得到大幅提升。

微軟亞洲研究院副院長、機器學(xué)習(xí)組負責(zé)人劉鐵巖

　　周明帶領(lǐng)的自然語言計算組，多年來一直致力于攻克機器翻譯——這一自然語言處理領(lǐng)域最具挑戰(zhàn)性的研究任務(wù)?！胺g沒有唯一的標準答案，它更像是一種藝術(shù)，因此需要更加復(fù)雜的算法和系統(tǒng)去應(yīng)對?！敝苊鞅硎?。

　　此次newstest2017新聞報道測試集，包括約2000個句子，由專業(yè)人員從報紙樣本翻譯而來。微軟團隊每次會隨機挑選數(shù)百個句子翻譯。

　　為了驗證機器翻譯是否可以媲美人類翻譯，測試經(jīng)歷了極為復(fù)雜的驗證過程。這是因為，沒有所謂“正確的”翻譯結(jié)果，即使是兩位專業(yè)的翻譯人員，對同一個句子也會有略微不同的翻譯，而且兩個人的翻譯都不是錯的。表達同一個句子的“正確的”方法不止一種。

　　周明解釋：“這也是為什么機器翻譯比單純的語音識別復(fù)雜得多，人們可能用不同的詞語來表達完全相同的意思，但未必能準確判斷哪一個更好?！?/P>

　　相比之下，判斷語音識別能否媲美人類則相當簡單：標準答案是唯一的。

　　這種沒有標準答案的任務(wù)，使得機器翻譯成為一個極有挑戰(zhàn)、同時極富意義的問題。劉鐵巖表示，我們不知道哪一天，機器翻譯才能在面臨任何語種、任何類型的文本時，都能在“信、達、雅”上媲美專業(yè)翻譯人員的水準。但總體而言，他對技術(shù)的進展表示樂觀，因為整個學(xué)術(shù)界在持續(xù)發(fā)明大量的新技術(shù)、新模型和新算法，

　　“我們可以預(yù)測的是，新技術(shù)的應(yīng)用一定會讓機器翻譯的結(jié)果日臻完善。”微軟團隊還表示，此次技術(shù)突破將被應(yīng)用到微軟的商用多語言翻譯系統(tǒng)產(chǎn)品中。