谷歌神經網路可將語音直接翻譯成文字

Google 最新的機器翻譯功能，可以讓不同語種的人之間溝通變得更加便利。這個便利是得益於該機器翻譯功能可以直接將語音翻譯成文字。

普通的機器翻譯對語音的翻譯，首先是將語音轉化成文字，然後將文字翻譯成目標語言。但是，在語音識別中的任何一點錯誤，都會導致語音轉錄成文字的錯誤，從而導致最終翻譯結果的錯誤。

在深度學習領域的科技巨頭—— Google Brain 工作的研究人員，已經開始轉向利用神經網路來減少翻譯過程中的這些中間步驟。在翻譯的過程中，如果採取跳過轉錄過程的方法，可能會提升翻譯的準確率和加快翻譯的速度。

Google的這個團隊，利用數百小時的西班牙語的音頻，和其對應的英文文本作為訓練集，來訓練該翻譯系統。在不同情況下，訓練神經網路的多個不同層級（這些神經網路是計算機系統模仿人腦創造的），從而匹配西班牙語語音和其對應的英文翻譯文本的部分。為了做到這一點，這個訓練對西班牙語語音的波形進行分析，以了解哪些語音部分與哪些書面英語部分相對。

當這個系統執行翻譯任務時，每層神經網路利用這些之前學習到的知識（哪個部分的西班牙語音與哪個部分的英語書面文本相對應）來操縱語音波形，直到它變成相應的書面英語的部分。

對應模式

來自於加拿大Montreal大學的Dzmitry Bahdanau說：「這種訓練就是在尋找源語言語音的波形和書面文本之間的對應關係模型。」Dzmitry本人並未參與這項研究。

在一段時間的學習之後，相對於之前要先將西班牙語語音翻譯成西班牙語文字的方法而言，Google的新系統能夠以更高質量將西班牙語語音翻譯成英文。這個比較的結果是根據BLEU評分而得出的。BLEU是一種根據比較機器翻譯結果和專業翻譯人員翻譯結果而進行評分的一種機制。

來自英國愛丁堡大學的Sharon Goldwater 說：「這個系統，尤其是對翻譯那些說的人很少的語言非常的有用。」

例如，國際救援隊可以利用它快速地組建一個翻譯系統，來與他們想要協助的人進行溝通。Goldwater說，比如2010的海地地震，當時就沒有可以翻譯海地克里奧爾語的翻譯軟體。

Goldwater的團隊正在使用一個類似的方法來翻譯Arapaho, Arpaho 是一種僅被1000左右人口所使用的語言，使用這種語言的人都來自美洲的印第安人土著部落。Goldwater團隊也在用相同的方法，對阿伊努語（Ainu）進行翻譯，Ainu是一種僅被少數日本部落所講的語言。

稀有語言

由於這個系統不需要書面版本的源語言來實現翻譯，所以其也可以被用於翻譯那種很少用文字所記錄的語言。

Goldwater說，直到這個系統經過更大的數據集合測試之前，很難將新系統與傳統翻譯系統進行比較。但是她也認為，這個新的系統可以被設定為評價未來新的機器翻譯系統的標準。

現在市面上已經有一些可以讓講不同語言的人進行實時對話的的翻譯系統。Skype在2014年推出了一個實時的語音對文本的翻印功能，它現在可以支持9種語言了，包括普通話，阿拉伯語以及一些常見的歐洲語言。但是Skpye 採用的方法，與現下其他的翻譯方法相似，都是先將語言翻譯成該語言的文本，之後在翻譯成目標語言文本。

Google的翻譯功能已經在一些最廣泛使用的語言上使用了神經網路，神經網路的運用可以使翻譯器一下子識別整個句子，來找出最好的翻譯結果。

有趣的是，這個系統似乎在使用「interlingua」來進行從一種語言到另外一種語言的翻譯。「interlingua」是指在不同的語言中，表達相同意思的通用句式，這意味著，這個系統可以在沒有明確的被訓練的基礎上進行翻譯。GoogleBrain的研究人員也建議，這種新的語音到文字的翻譯方法也可以運用到多種語言翻譯的系統上。

不過由於機器翻譯一直在不斷革新，所以很難說神經網路要如何應對這些革新。Bahdanau說：「我們很難理解裡面到底發生了什麼。」 大部分的神經網路學習，我們都無法理解模型最終時如何被學習到的，就是裡面具體執行的演算法是如何運轉的。

創客總部是北大校友、聯想之星創業聯盟成員企業2013年發起，專註實驗室技術投資和孵化，是科技成果變現第一站，專業投資孵化高校和科研院所的前沿技術與技術精英，提供早期投資、產業鏈業務對接和辦公場地等服務，幫助技術項目和大型企業建立業務合作關係，同時為大型企業引入前沿技術，促進大型企業轉型升級。是中關村創新型孵化器，國家級眾創空間。專註投資孵化領域包括：人工智慧、新材料、醫療健康和消費升級等。截至2017年1月，通過評審入孵的項目有275個，有122個項目獲得投資，共獲得11.3億元人民幣投資，單個項目單次獲得最高融資2.3億元人民幣，其中創客總部投資了50個項目。