跨越专业翻译的语言之墙：百度翻译的技术攀登

dodobao

作为一个科技从业者，阅读AI顶会的最新论文、浏览国内外创新的最新动向，是我工作的重要部分。平时接触的开发者、科学家、企业研究人员等，工作生活中也涉及大量专业阅读。

于是乎，我就会经常听到这样的抱怨：

PDF格式的论文，很多翻译软件需要手动复制粘贴，效率还不如直接查字典；
1 p' ]. E0 v( i
不动脑子按段落甚至句子直译，信达雅一个都没有，机翻完我还要花时间二次review；

2 b9 n( y" k0 f+ r) o/ J海外开发社区的技术文档专业词汇太多，翻译得不准，好几天的代码都白写了……

2 j- G6 F1 R* ]9 E4 w' ]) S4 Z% }这可能是AI技术里非常容易让人迷惑的地方。近几年随着AI技术快速进步，机器翻译水平也大幅提升，结果一遇到外文文献、外刊投稿、办公文档、商业报告、海外网站技术文档之类的专业翻译需求，很多产品还是不能满足。


6 o) |0 g. c2 M这些问题说明，总体可读可懂，满足出国旅游、购物娱乐等日常沟通的场景，只是机器翻译的基本功能。进一步的市场需求，是深度专业内容的跨语言交流，让商业、科研、技术等专业信息可以实现无缝对接。
$ ^( s: ^9 ]6 T9 _
; o3 U- r5 N" Z% Z, p+ m跨越这堵语言之墙，也成为一场NLP领域的全球竞赛。一直深耕机器翻译的百度翻译团队，从来没有停止过攀登的脚步。
" i" D8 i& ~4 R* Z! s
我们从机器翻译的新技术动向说起，聊聊百度给机器翻译带来的新可能。

机器翻译的技术攀登：百度引领NMT革新

! j* o3 F) d8 a/ ^( t  O# G3 r跨越语言之墙还需要哪些技术突破？想要回答这个问题，有必要先回答：机器翻译今天发展到哪一步了。

5 Y5 l1 P) \' l3 V过去几十年间，人们一直在探索如何使得机器翻译达到人类的翻译水平，翻译方法不断迭代。基于规则的机器翻译，依靠人工编纂的双语词典和专家总结的规则进行翻译；基于实例的机器翻译，从双语对照的实例库中选择与原文相似度高的实例，通过模仿和修改进行翻译；基于统计的机器翻译，对翻译过程进行数学建模，并从大量的训练数据中自动学习翻译知识。

变革发生在2014年，通过循环神经网络（RNN）来对语言向量进行编码解码，并且使用长短期记忆网络（LSTM）来增强长句翻译能力的神经机器翻译（NMT），为机器翻译领域带来新的研发范式。百度、谷歌、微软等一批NLP领域的优等生推进深度学习在机器翻译领域的研发和应用，百度翻译在2015年发布了全球首个互联网NMT系统，领先谷歌1年多。现在，大家用翻译软件进行日常交流、旅游商务等活动，已经基本没有问题了。
. P& J8 d- U2 G8 r1 x

而专业领域的翻译想要令人惊喜的进展，总的来说需要做到两件事：

- K5 j, z- d: G1 w& `一是技术突破。推动机器翻译不断接近专业翻译能力。头部厂商主要从几个方面努力：1. 预训练大模型，例如文心、GPT-3、BERT；2. 多语言统一建模和翻译；3. 面向垂直领域的高精度翻译模型。其中，百度作为更早进入NMT时代的科技企业，就在机器翻译技术上取得了国际领先的成果。2020 年，咨询机构Gartner在 《Hype Cycle for Natural Language Technologies》报告中，就将百度翻译列为神经网络机器翻译标杆机构。
2 _5 e- L+ b1 t: m8 ~* B  E
二是产品设计。技术有所突破，还要通过成熟的产品设计和应用体验，让用户感知到专业机器翻译的价值。一些机器翻译产品可能技术很强，但由技术人员来主导产品设计，导致用户体验很糟糕。在这方面，具备互联网产品设计相关经验的厂商，自然能够更好地实现技术落地。比如百度翻译就打造了非常丰富的产品矩阵，支持PC端、移动端等各类终端设备，面向C端、B端的多种应用；支持文本、文档、图片、语音等多模态翻译，全方位满足各种翻译需求。百度翻译的产品优势，让普通用户可以低门槛、更便捷地用上专业机器翻译能力，目前日均响应的翻译请求已达千亿字符。

% N; L& S& F# j7 X; O' Q" ~- T# i从这个角度来看，百度翻译是国内少有的，能够同时占据技术和产品两个机器翻译高地的科技企业。那么，百度翻译究竟是如何翻越专业翻译的语言之墙？