利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程就是機(jī)器翻譯。

機(jī)器翻譯對于信息時(shí)代下海量信息的捕獲無疑具有重要作用，事實(shí)上，人們對于機(jī)器翻譯的需求也與日俱增。除了專業(yè)的出版水平的翻譯，機(jī)器翻譯還包括以了解信息或以交流信息為目的的機(jī)器翻譯。

多語言翻譯是機(jī)器翻譯需要面臨的一大技術(shù)現(xiàn)實(shí)。其中，一個(gè)理想的模型是一個(gè)統(tǒng)一的具備多種語言能力的模型，在遇到新的語言時(shí)，臨時(shí)少量學(xué)習(xí)即可達(dá)到很流利的語言水平。

EMNLP 2020 最新的多語言翻譯新范式 multilingual Random Aligned Substitution Pre-training （mRASP）就成功實(shí)現(xiàn)了這一理想模型：mRASP通過預(yù)訓(xùn)練技術(shù)再在具體語種上微調(diào)即可達(dá)到領(lǐng)先的翻譯效果，其在 32 個(gè)語種上預(yù)訓(xùn)練出的統(tǒng)一模型在 47 個(gè)翻譯測試集上取得了全面顯著地提升。

不同于以往的翻譯模式，mRASP樹立了翻譯的預(yù)訓(xùn)練和微調(diào)的成功路徑。mRASP中的關(guān)鍵思想就是一種新的隨機(jī)對齊子串技術(shù)，它使具有相似意義的單詞和短語更接近多種語言的表現(xiàn)空間。研究人員預(yù)先訓(xùn)練了32種語言，對聯(lián)合的mrap模型建立公共數(shù)據(jù)集。模型就是這樣對下游語言對進(jìn)行微調(diào)以獲得專門的機(jī)器翻譯模型。

研究人員在不同環(huán)境下對42個(gè)翻譯方向進(jìn)行了廣泛的實(shí)驗(yàn)，包括跨文化的異國語言等。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的mRASP相比，mRASP對訓(xùn)練目標(biāo)具有顯著的性能改進(jìn)。這也是其第一次驗(yàn)證多個(gè)低資源語言對可以用來證明豐富的資源機(jī)器翻譯，甚至可以提高關(guān)于訓(xùn)練前語料庫中從未出現(xiàn)過的外來語的翻譯質(zhì)量。

mRASP 主要針對機(jī)器翻譯任務(wù)而設(shè)計(jì)，它有三個(gè)應(yīng)用優(yōu)勢：

一是打破了資源場景的限制，不論平行雙語資源高低都能有所提升。在資源豐富的語言，比如標(biāo)準(zhǔn)英法翻譯任務(wù)上已經(jīng)有 4000 萬平行語句訓(xùn)練情況下，使用 mRASP 依然能獲得顯著提升，達(dá)到了 44．3 的 BLEU 值。

二是打破了語種數(shù)量的限制。任何語言的翻譯，無論是孟加拉語到古吉拉特語還是印地語到菲利賓語，只要是地球上的語言，mRASP 都可以直接拿來微調(diào)，并且效果可期。

三是資源消耗低。相比于上百張卡的“軍備競賽”預(yù)訓(xùn)練玩法，mRASP 更平民，僅需要 8 卡訓(xùn)練一周就可以得到。

隨著計(jì)算機(jī)運(yùn)算能力的提升和多語言信息資源的爆發(fā)式增長，機(jī)器翻譯技術(shù)日益精進(jìn)，未來還將為普通用戶提供更加實(shí)時(shí)便捷的翻譯服務(wù)。

責(zé)任編輯：xj