如何評價谷歌用神經機器系統把漢語翻譯成英語，錯誤率最高下降85 ？

1樓：方塊上的枕木醬

雖然google翻譯準確度已經很高了，但是還是有缺陷的。但是比同類的某度等等，已經算是非常不錯了。

這裡，「小曹推倒了乙個小曹的粉絲」中的「推倒」很顯然應該被翻譯成f***ed，而不是pushed down。

很顯然，「重生點」的「重生」，應該翻譯成respawn而不是rebirth。

bilibili=雙膽？blocking=阻塞？

pit money坑錢。pit沒被翻譯出來。。。

「上了」翻譯成「on the」也是醉了...

不過人名什麼的翻譯還算挺準的。

2樓：

成績是有的但沒有這麼誇張

這裡其實存在乙個比較物件的問題神經機器系統並不是乙個孤立的單獨的谷歌完全自主智財權的用的都是之前沒發布過的技術的翻譯系統不好比較

對目前正在研究自然語言學習的人來說意味著什麼？

如果谷歌不開源的話恐怕意義不大

3樓：

alas

alasalas

alas

alasalas

alas

知乎是個放鬆的好地方alas

4樓：0x00

其實挺聰明了，就是少了點社會經驗，少背了點古詩。還是個娃娃就被你們這種社會人士調戲。

找個人耐心的一句一句教他那些專有詞彙，網路用語。

5樓：好奇害死貓

對於筆譯可能是個大突破，但是口譯還未必。

人未必能用恰當的語言充分表達自己的思想，這時作為聽話者的人都理解不了更何況是機器呢？

不過新事物總會不斷地完善嘛，個人覺得機器代替人工口譯的那天隨著科學的不斷發展總會到來的。但即使到了那一天機器也只是「代替」翻譯者，而「取代」不了語言研究者。我們只不過是從台前轉到了幕後，以前只跟人打交道，以後恐怕要同時跟人和機器打交道。

因為語言材料的蒐集分析、語料庫的建立、程式的編寫還不得人啊！好的翻譯軟體需要語言學、計算科學、心理學、神經科學等領域的共同協作。

6樓：Zewei Chu

Neural machine translation主要的工作來自kyunghyun Cho等人在14年的工作，後續有很多模型跟進。Google這篇文章很好的利用了google的超強硬體優勢和系統架構能力，主要是篇工程性文章，在模型演算法上感覺沒有太大創新，但是LSTM層數很多訓練量大。

感覺主要credit要給Kyungyun Cho一干人等，當然Google很好地商業化了neural machine translation模型也是很優秀的工作。

如何評價 谷歌用神經機器系統把漢語翻譯成英語，錯誤率最高下降85 ？