想法时 ，他设想用它来翻译其他国家的语言。事实上，它的主要应用之一是作为机械多语言词典。 他几乎不知道，20 年后，在 1954 年乔治敦-IBM 实验期间，纽约将见证自动语言翻译机的首次演示，该机器将有关政治、法律、化学和军事等领域的简短陈述从俄语转换为英语。 想象一下，当科学家和工程师的观众被告知计算机刚刚实时翻译了语言时，他们的反应！毕竟，巴贝奇的想象力并不算太遥远。但事情并没有就此停止。 机器翻译(MT) 在其发展过程中发生了巨大变化，从需要数小时甚至数天的计算时间才能生成质量可疑的翻译的系统，到当前可以处理相同质量的神经机器翻译 (NMT) 系统只需几秒钟即可获得内容，并且更加准确。 在本指南中，我们将探讨机器翻译的起源、它如何从统计模型演变为神经机器翻译、为什么神经机器翻译如此擅长、实施注意事项等等。让我们开始吧！ 机器翻译研究的现状与未来 cover.jpg | 短语 免费下载 最新的机器翻译指南 了解提高机器翻译输出质量的新技术、最新的机器翻译译后编辑定价模型以及如何最好地购买机器翻译。
下载指南 什么是神经机器翻译 神经机器翻译
是一种端到端学习形式，可用于自动提供翻译。在神经机器翻译中，程序的神经网络负责对源文本进行编码和解码，而不是从一开始就运行一组预定义的规则。 因此，NMT 有潜力解决传统基于短语的翻译系统的许多问题，并且已被证明可以产生 质 美国 WhatsApp 号码列表 量更高的翻译。 在深入研究神经机器翻译的独特之处之前，让我们先对机器翻译进行一般性定义，并看看所有其他形式的机器翻译。在不涉及太多细节的情况下，对每个内容的简短描述将帮助您了解神经机器翻译带来了什么。 机器翻译的定义 机器翻译是使用人工智能(AI) 自动将内容从一种语言翻译成另一种语言而无需人工输入的过程。换句话说，计算机程序可以翻译文本，而不需要人工翻译人员的干预。 虽然自动翻译的首次实验发生在 20 世纪 50 年代初，但直到 2000 年代初，随着统计方法的使用，机器翻译才开始腾飞。 早期的翻译质量非常基础，训练机器需要付出很大的努力。
与与人工智能一起工作的现代深度学习不同
早期的机器翻译模型要求开发人员手动定义和编程有效的大量规则。 机器翻译的类型 在不考虑神经机器翻译的情况下，机器翻译有两种主要子类型，包括： 基于规则的机器翻译：这种形式的机器翻译现在基本上已经过时了，它依赖于有关源语言和目标语言的语言信息。使用语法结构，人类语言学家为输入和 EF 引线 输出语言建立句子结构、词序和短语的规则。接下来，从词典中检索必要的信息后，系统将每个源语言单词映射到目标语言的适当翻译。 统计机器翻译：统计模型的工作原理是分析大量现有翻译和多语言语料库，并在此输入中寻找统计模式。这些模式使程序能够生成关于将来应如何翻译其他类似结构的文本的假设。训练模型所需的资源很大——您需要数百万个单词来训练某个特定领域的引擎——但结果可能相当不错，尤其是在技术或科学性更强的文本中。统计翻译模型最初是基于单词的，但后来演变为基于短语的系统，可以捕获单词上下文。 神经机器翻译有何不同？ 神经网络模型与基于短语的系统有很大不同。
