棋牌游戏评测网首页 | XML地图 | RSS订阅 | 站点导航 欢迎光临 棋牌游戏评测网

当前位置:主页 > 教育 >

智能语音技棋牌游戏评测网术如何拯救翻译机:技术抉择和优胜略汰

时间:2020-06-29 | 来源: | 作者:棋牌游戏评测网 | 阅读:7575次 |

雷锋网按:智能语音技术经年之后的不断完善,尤其是随着语音识别准确率的不断提高,基于智能语音技术的智能硬件纷至沓来,除了智能音箱一再受众人追捧外,智能翻译机也悄然逆袭,并入这条快车道。

不同于智能音箱因没有明确的应用场景备受诟病,智能翻译机倒是有诸如商务会议、出国旅行等针对性较强的应用场景,由此带来的则是对深度学习算法更高的要求。

机器翻译系统:RNN、CNN、transformer

智能翻译机的技术基础说到底还是智能语音技术,这一点与智能音箱极为相似,其中,神经网络翻译系统尤为关键,各大厂商纷纷针对这一系统进行自研,诸如谷歌的GNMT、科大讯飞的INMT、搜狗的SNMT等。

用于机器翻译的神经网络系统最为经典的基础技术可以归为两类——RNN和CNN。主要区别在于两类系统的执行顺序不同,采用RNN神经网络的机器翻译系统是顺序执行任务,在进行翻译工作时,要对整个句子从左到右或从右到左依次执行,精准度较高,但无法充分应用系统硬件GPU的并行运算能力;采用CNN神经网络的机器翻译系统则是并行执行任务,计算效率更高。

CNN卷积传输示意图

虽然采用CNN的系统的计算效率更高,但是在做机器翻译时采用CNN的神经网络系统一直不如采用RNN的神经网络系统,尤其是在翻译精准度上差强人意。因而,长久以来,诸多做翻译机的公司虽然对RNN和CNN都在跟进研究,但是各家产品中使用的翻译系统仍是基于RNN架构的较多。

2020年5月,Facebook的FAIR团队提出一种使用全新CNN架构的fairseq,官方给出的数据是比基于RNN架构的机器翻译系统的速度高出9倍,同时,准确性也是当时最好的。这在当时也一度被认为是机器翻译系统技术的一个转折点。据雷锋网了解,就在1个月后,谷歌在发表的《Attention is all you need》论文中提出了不使用CNN及RNN的transformer架构,官方表示采用该架构的机器翻译模型实际效果超越了当时所有公开的机器翻译模型。

在技术角逐的同时,也不乏有科技公司的产品跟进。例如搜狗于2020年7月上线了基于transformer的机器翻译系统模型,在解决了transformer机器翻译系统模型原生系统解码器解码速度慢的问题后,将速度提升了8倍,并可以运用到离线翻译功能。

另外,技术之间各有优势也是必然的,尤其是在还没有一个成熟的技术时,做产品和技术研发适度整合多种技术也是必由之路。例如搜狗在跟进transformer机器翻译模型的同时,仍然在用CNN做专业的棋牌评测网语音识别上的训练,搜狗语音交互技术中心研发总监陈伟在参加对外活动时曾提到:在做语音识别时,搜狗用50层CNN结构得到语音识别模型,基于此模型,训练离线语音识别模型。 (责任编辑:棋牌游戏评测网) 本文地址:/jiaoyu/20200629/7976.html