号称要砸翻译饭碗，神经机器翻译哪家强？

前段时间，一则新闻几乎刷遍了整个网络。Google新发布了神经机器翻译（GNMT：Google Neural Machine Translation）系统，并称该系统使用了当前最先进的训练技术，能够实现到当下机器翻译质量上最大的提升。

有从事翻译职业的网友甚至这样形容：

作为翻译看到这个新闻的时候，我理解了18世纪纺织工人看到蒸汽机时的忧虑与恐惧。

这种看法未免有点杞人忧天。尤其是在业内专家看来，机器翻译的效果还远未达到取代人类专家翻译的水平。实际上，谷歌此次应用的技术并非最新的“黑科技”。早在2015年百度就已经发布了基于深度神经网络的端到端翻译系统，微软的必应翻译也同样使用神经网络技术来改善自身的翻译质量。 与传统的基于短语的翻译（PBMT）相比，基于神经网络的翻译系统对整个输入句子进行编码，能够更充分的利用上下文信息，生成较高质量的译文。

最近大家热议的Google神经机器翻译目前只是在应用在中译英中，所以以下测试都是在中译英部分下进行。分别从几个角度来参看百度、Google、必应等几个翻译软件的实际使用效果如何：

复杂语句翻译

1. 定语从句（用一个句子修饰一个名词短语）：

我没有可以跟你说的事情。

从上至下依次为Google翻译、百度翻译、必应翻译

2. 多个修饰形容词

从上至下依次为Google翻译、百度翻译、必应翻译

3.长短句翻译

从上至下依次为Google翻译、百度翻译、必应翻译

4. 俚语翻译

从左至右依次为Google翻译、百度翻译、必应翻译

可以看到，在定语从句部分Google与百度的翻译结果相差无几，语句通顺连贯，两者比较的话Google翻译的结果更为接近标准答案一些。另一方面，必应翻译的结果则与本意有所出入。

在多个形容词部分，三者翻译出了大概意思，但是遇到黄老板以及黄山这类在名词与形容词中易混淆的部分时，似乎百度翻译要更为准确一点。

在长短句部分，Google翻译与必应翻译都出现了同时翻译两次时态及动词“have seen"的情况，虽然百度翻译并未出现这种情形，但是其在两个名词之间并未翻出连接词"and“，对语句理解有一点影响。

涉及到俚语翻译部分时，Google翻译几乎完全是根据词组翻译出了字面的意思，而必应则出现了奇怪的省略情况，语义并不连贯。相较之下，百度翻译将原句引申含义也翻译了出来，并保持了语句连贯与准确度。

口语化表达翻译

1. 修饰词，如：的、了、好

2.省略与重复叠加短语句子

在口语化翻译部分中，涉及到修饰词部分，Google与百度翻译大同小异，必应翻译与本意出入较大。

但是在重复叠加短语部分，从主观上来看百度翻译将”冒着“翻译为”Take“，相比Google与必应的”Brave“，其在语义通畅易读以及连贯度上表现要更好一些。

段落整体翻译

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!