機器翻譯(MT)到底有多好？按照微軟的說法，很好。

本月早些時候，這項技術公司宣布已經創(chuàng)建了一個機器翻譯系統(tǒng)，該系統(tǒng)在將中文翻譯成英文時已經達到了“人類同等水平”。換句話說，就是說系統(tǒng)完成了翻譯，就像人類的語言學家一樣。

微軟表示，翻譯是使用newstest2017創(chuàng)建的一組新聞文章完成的。

微軟聘請翻譯人員分析結果，并將機器翻譯系統(tǒng)的輸出與人類語言學家的輸出進行比較。在他們的博客上，微軟工程師稱贊了這一成就，稱這是他們一段時間以來的“夢想”。

然而公司指出盡管該系統(tǒng)是成功的，但機器翻譯并不是一個“已解決的問題”。值得注意的是，中文和英文都有大量關于話語的數(shù)據(jù)，微軟稱新聞報道為“普通”詞匯。"

神經MT系統(tǒng)訓練的數(shù)據(jù)越多，翻譯的就越好，因為這將有助于以更準確的方式調整神經網(wǎng)絡的權重。

一大步；復雜的問題。

微軟團隊使用人工智能(AI)來幫助翻譯新聞片段，并使用雙重學習、復習網(wǎng)絡和聯(lián)合訓練的方法來完成實驗。

這一成果的消息在全球范圍內得到了反映，這表明了翻譯技術的又一步。近十年來圍繞MT的討論達到了頂峰，業(yè)內人士紛紛猜測這項技術的真正潛力。

當神經機器翻譯(NMT)達到人工翻譯的熟練程度時，最大的問題之一仍然存在。微軟指出，由于工作本身的復雜性，很難衡量MT的準確性。

“機器翻譯比純粹的模式識別復雜得多，”微軟研究員周明說。公司博客上說?！叭藗兛梢杂貌煌脑~來表達完全相同的事情，但你可能無法說出哪一個更好?！?/p>語境問題

我們之前討論過關于人類和機器的爭論。至此，人類語言學家具備了批判性思考和理解詞語細微差異的能力；人類語言學家也能夠更好地應對語言進化，并提供文化差異，以反映更有效的品牌或信息。

ULG新興語言技術總監(jiān)胡安·阿隆索對微軟的聲明表示懷疑，稱這一壯舉可能被夸大了。

“雖然微軟的成就確實令人印象深刻，但‘人類平等’的理念是顯而易見的。優(yōu)秀的人工翻譯不會逐句翻譯文本；”他們關注整個文本，并利用整個背景產生足夠的翻譯，”阿隆索說。

“這是微軟的MT系統(tǒng)和其他任何MT系統(tǒng)都做不到的?！?/p>

然而，正如我們過去所述，MT不完美并不意味著它對特定的內容類型無效。

阿隆索表示，雖然微軟提到的技術，如雙重訓練和審查網(wǎng)絡都是很好的技術，但它們并沒有為類似人類的準確性鋪平道路。

他說:“盡管它們有助于獲得非常好的翻譯結果，但‘人類平等’的目標并不是迫在眉睫的?！?/p>