麻省理工学院计算机科学与人工智能实验室的研究人员最近开发出了一种新的计算机算法，可以帮助语言学家自动破译历史上消失已久失的古语言。官方指出，该系统能够自动破译已消失的语言，且无需对这一语言与其他语言的关系有深入的了解。他们还表明，该系统自身就可以确定语言之

谷歌翻译大家想必都不陌生，但你有没有想过，它究竟是如何将几乎所有的已知语言翻译成我们所选择的语言？本文将解开这个谜团，并且向各位展示如何用长短期记忆网络构建语言翻译程序。第一部分简单介绍神经网络机器翻译和编码器-解码器结构。什么是机器翻译？在机器翻译领域，

现在，你可以用 GitHub 上最火的 NLP 项目做机器翻译了。没错，就是 Hugging Face （抱抱脸）标星26.9k的 Transformer 项目。在最新更新的版本里，抱抱脸发布了 1008 种模型，正式涉足机器翻译领域。模型涵盖 140 种

11月23日，多云时代开启企业业务新高度，安全如何与时俱进？机器学习翻译对于人们的交流非常有益，但是它们也有其局限性。机器学习为企业提供了翻译文档的新机会，他们可以使用机器学习来翻译营销材料和其他文献。但是，这些人工智能解决方案可能并不总是很好的选择。To

阿里巴巴机器翻译团队在此基础上，利用TVM又有了新的突破！最近，阿里巴巴集团正在为全球电子商务部署NMT服务。我们观察到一个特殊挑战是批量matmul是提升Transformer的性能的关键点，但目前在cuBLAS中的实现并没有得到很好的优化。我们在推理阶

5月30日，由北京智源人工智能研究院主办的智源论坛第4期——《知识与认知图谱》在清华大学顺利举办。清华大学计算机系长聘副教授刘洋针对基于神经网络、深度学习的机器翻译面临三大挑战，即知识整合、可解释/可视化和鲁棒性。并针对上述三大挑战做了团队最新研究与突破工

使用机器来做翻译的想法最早由Warren Weaver在1949年提出。随着统计学的发展，统计模型开始被应用在机器翻译中，它基于对双语文本语料的分析生成翻译结果。这种方法被称作统计机器翻译，SMT的性能优于RBMT，在1980s至2000s，SMT方法主导

机器之心发布,来源：AI Frontiers。美国 AI 界领军人物悉数出席。但令许多人感到惊讶的是，他还领导着一个收入可观的非营利组织，其存在的使命是为人工智能不可避免的到来做好充分的准备。他，是创立并领导 OpenAI 的 Ilya Sutskever

选自arXiv，作者：Lijun Wu、Fei Tian、Tao Qin、Jianhuang Lai、Tie-Yan Liu，机器之心编译，参与：Panda。人工深度学习和神经网络已经为机器翻译带来了突破性的进展，强化学习也已经在游戏等领域取得了里程碑突破

本文将与大家分享机器翻译相关背景知识，再深入介绍机器翻译在阿里生态中的具体应用实践，介绍基于机器翻译技术搭建的一套完善的电商多语言解决方案，最后将会从技术角度介绍阿里机器翻译在解决实际业务问题中的技术创新和亮点。

实现高质量机器翻译的梦想已经存在了很多年，很多科学家都为这一梦想贡献了自己的时间和心力。从早期的基于规则的机器翻译到如今广泛应用的神经机器翻译，机器翻译的水平不断提升，已经能满足很多场景的基本应用需求了。近日，Ilya Pestov 用俄语写的机器翻译介绍

2018 年 1 月 24 日，搜狗 CEO 王小川在搜狗 2018 伙伴大会上发布了两款新产品「搜狗旅行翻译宝」与「搜狗速记翻译笔」，而且「搜狗旅行翻译宝」将于 3 月 12 日京东首发。对这两款全新的 AI 硬件你是否充满好奇？在机器之心 2018 年

阿里巴巴机器翻译团队在此基础上，利用TVM又有了新的突破！最近，阿里巴巴集团正在为全球电子商务部署NMT服务。我们观察到一个特殊挑战是批量matmul是提升Transformer的性能的关键点，但目前在cuBLAS中的实现并没有得到很好的优化。我们在推理阶

机器翻译是一项非常具有挑战性的任务，按照传统方法是使用高度复杂的语言知识开发的大型统计模型。而神经网络机器翻译是利用深度神经网络来解决机器翻译问题。该数据集是由德文的短语和英文的对应组成的，并且目的是使用Anki的教学卡片软件。我们将用给定的一组德文单词作

谷歌近日开源了一个强大的NLP深度学习框架Lingvo，侧重于语言相关任务的序列模型，如机器翻译、语音识别和语音合成。过去两年来，谷歌已经发表了几十篇使用Lingvo获得SOTA结果的论文。近日，谷歌开源了一个内部 NLP 的秘密武器 ——Lingvo。包

谷歌前不久在 arXiv 上发表论文《Attention Is All You Need》，提出一种完全基于 attention 的翻译架构 Transformer，实现了机器翻译的新突破；近日，Github 上的一个项目给出了 Transformer 模

9 月 21 日，科大讯飞用人类翻译的内容冒充智能 AI 同传的消息遭到了舆论的质疑。很快，讯飞随后就此事对媒体公开回应称，会议现场的机器转写问题主要是同传译员对会议服务方面的分工沟通了解不清，导致对科大讯飞产生了误解。除去用户的实际体验，就技术上而言，现

科大讯飞日前在全球最具影响力的口语机器翻译评测比赛IWSLT中，获得了语音翻译端到端模型评测的冠军，还成为英德口语翻译任务中唯一受邀做Oral report的参赛团队。端到端技术是当前语音翻译的研究前沿，科大讯飞联合优化语音识别和机器翻译的新技术路线，理论

今天，当我们很自然的拿出手机，选择一个谷歌、百度或微软的翻译 app ，轻而易举的完成文字翻译、拍照翻译和实时语音翻译时，我们可能不会意识到由于深度学习的出现和数据量的积累，研究数十年的机器翻译问题已经变得可用并走入了我们的生活，给我们带来了极大便利。国内

这篇文章对大型 NMT 模型训练过程中的各个超参数对结果的影响进行了经验分析，并得出了一些有意义的结论。比如，嵌入用 2048 维结果最好，但是也没有好到哪里去，基本上，128 维的结果就不错了；LSTM 比 GRU 效果好；2-4 层的双向编码器效果最好