机器翻译技术前沿及挑战-肖桐

人工智能时代口译技术应用研究
王华树 | 国内首部聚焦口译技术应用和教学的著作
新书推荐


口笔译教育与评价国际论坛 二号公告
在厦门大学百年校庆之际，邀您齐聚厦门、共襄盛举
论坛推荐

肖桐博士，东北大学计算机科学与工程学院副教授、博导，中国中文信息学会首届优秀博士论文提名奖获得者，NiuTrans团队技术负责人, 沈阳雅译网络技术有限公司联合创始人、CEO。2012年博士毕业于东北大学，并于2006年在日本富士施乐公司、2008年在微软亚洲研究院进行访问学习，2013-2014赴英国剑桥大学开展博士后研究。作为技术负责人主持NiuTrans开源机器翻译系统的研发，在国内机器翻译评测CWMT和国际专利机器翻译评测NTCIR Patent MT中取得第一/第二名的成绩，2016年获得钱伟长中文信息处理科学技术奖一等奖。主要从事机器翻译、语言建模方面的研究。在人工智能及自然处理语言领域重要期刊及会议AI、JAIR、TALIP、AAAI、ACL、EMNLP、COLING发表论文20余篇。社会学术兼职包括：中国中文信息学会青年工作委员会副主任、中国中文信息学会信息检索与内容安全专业委员会委员等。

一、人工智能的突破在自然语言理解——得语言者得天下

二、机器翻译的发展
第一代机器翻译技术——“傻子”
基于加密解密技术→基于规则的机器翻译技术→基于翻译库的机器翻译技术
第二代机器翻译技术——“疯子”
统计机器翻译，不需要人工，从数据中学习

三、现代技术
深度学习：对数据进行表征学习的方法，在图像、语音、自然语言处理等领域表现优异
编码器-解码器框架：2013-2014年提出NMT，2016年彻底爆发

四、一些问题
如何评价机器翻译系统：人工评价（成本高，主观性强）与自动评价（答案单一）
如何干预机器翻译系统：统计模型，干预会影响其他句子的翻译
如何让机器翻译越用越好：人机结合，增加翻译记忆库、人工译后编辑、机器译文自动评分

五、机器翻译能否代替人
不会出现代替，两者互相促进
机器算法擅长对有明确目标建模，但翻译没有唯一标准答案
机器翻译性能提升需要人的参与
翻译应用足够大，人和机器翻译都有自己的位置

六、机器翻译技术本质上是等价转换技术

以上纲要仅供参考
研二实习生 Kay 编译

相关推荐
★★★★★ 5/5