7月15日至7月20日，計(jì)算機(jī)語(yǔ)言學(xué)領(lǐng)域的頂級(jí)學(xué)術(shù)會(huì)議ACL在墨爾本召開(kāi)。ACL會(huì)議(Annual Meeting of the Association for Computational Linguistics)是自然語(yǔ)言處理與計(jì)算語(yǔ)言學(xué)領(lǐng)域最高級(jí)別的學(xué)術(shù)會(huì)議，由計(jì)算語(yǔ)言學(xué)協(xié)會(huì)主辦，每年一屆。

值得一提的是，擁有今日頭條、抖音等產(chǎn)品的字節(jié)跳動(dòng)公司本次入選論文是由一位90后博士完成的。他在機(jī)器翻譯方向的研究?jī)?nèi)容「Modeling Past and Future for Neural Machine Translation」被Transaction of ACL收錄，并受邀在ACL2018做現(xiàn)場(chǎng)報(bào)告。

論文針對(duì)神經(jīng)機(jī)器翻譯系統(tǒng)并沒(méi)有顯示地對(duì)已翻譯和未翻譯的內(nèi)容做建模這一現(xiàn)狀，提出了一種全新的機(jī)制。它在解碼過(guò)程中動(dòng)態(tài)地將源端信息分成兩個(gè)部分：已經(jīng)翻譯的內(nèi)容(Past)和未翻譯的內(nèi)容(Future)，并設(shè)計(jì)兩個(gè)不同的循環(huán)神經(jīng)網(wǎng)絡(luò)層對(duì)其進(jìn)行建模。通過(guò)將兩部分信息動(dòng)態(tài)地輸入到注意力模型和解碼器狀態(tài)中，從而使整個(gè)神經(jīng)翻譯模型更好地在當(dāng)前狀態(tài)下區(qū)分已翻和未翻的內(nèi)容。

圖說(shuō)：論文模型圖

實(shí)驗(yàn)結(jié)果表明，該論文提出的模型在中英，德英和英法三個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集上可以顯著地提高基線系統(tǒng)的性能，相比于覆蓋率模型擁有更好的翻譯質(zhì)量和對(duì)齊質(zhì)量。

據(jù)了解，目前該翻譯方法已成功應(yīng)用至字節(jié)跳動(dòng)旗下的多款國(guó)際產(chǎn)品中，為不同國(guó)家的用戶提供內(nèi)容翻譯服務(wù)，促進(jìn)信息更便捷的流動(dòng)。公開(kāi)資料顯示，僅抖音海外版在全球就已覆蓋超過(guò)150個(gè)國(guó)家和地區(qū)，先后在40多個(gè)國(guó)家應(yīng)用商店排名前列。目前抖音全球月活用戶超過(guò)5億，是世界范圍內(nèi)增速最快的短視頻應(yīng)用。

圖說(shuō)：ACL現(xiàn)場(chǎng)參會(huì)者在字節(jié)跳動(dòng)展臺(tái)前觀看技術(shù)展示

成立僅僅兩年的字節(jié)跳動(dòng)AI LAB專注于人工智能領(lǐng)域的前沿技術(shù)研究，在CVPR、ACL及NAACL等人工智能頂級(jí)學(xué)術(shù)會(huì)議上，均有論文入選。

作為最早一批將人工智能應(yīng)用到產(chǎn)品中的企業(yè)，字節(jié)跳動(dòng)致力于將研究成果應(yīng)用于相關(guān)的產(chǎn)品中，讓新技術(shù)更好地幫助內(nèi)容創(chuàng)作、分發(fā)、互動(dòng)、管理。過(guò)去幾年間，實(shí)驗(yàn)室不僅研發(fā)出自動(dòng)問(wèn)答、封面圖自動(dòng)選取、自動(dòng)寫(xiě)稿機(jī)器人xiaomingbot等多種實(shí)用性功能，同時(shí)也創(chuàng)造了抖音尬舞機(jī)、3D全景博物館等深受用戶喜愛(ài)的功能。

今年6月，字節(jié)跳動(dòng)CVPR入選論文“基于半監(jiān)督空間轉(zhuǎn)換網(wǎng)絡(luò)的球衣號(hào)碼識(shí)別”的相關(guān)技術(shù)也已經(jīng)應(yīng)用于旗下產(chǎn)品近期的世界杯圖文直播中。比賽精彩片段GIF圖、控球率分布圖、比賽熱力圖等內(nèi)容均基于該技術(shù)由機(jī)器自動(dòng)實(shí)時(shí)生成。