Google 翻譯的“漢譯英”錯誤率降低 60%,是怎麼算出來的?

雷鋒網 於 01/10/2016 發表 收藏文章
第一步。


從維基百科和新聞網站上,隨機選取 500 個中文句子,作為被評估內容。

第二步。


找人工翻譯,將500個句子翻譯為英文。

第三步。


將舊的機器翻譯結果、新的機器翻譯結果(神經網絡)、人工翻譯的結果、,這三份“考卷”,拿給熟練使用中英雙語的真人判卷員。

第四步。


熟練使用中英雙語的真人判卷員,給每張考卷的每個句子,進行打分。分數為 0~6 的整數,0代表翻譯結果“狗屁不通”,6代表翻譯結果“精彩絕倫”。

第五步。


出成績了,舊機器翻譯每個句子平均得分 3.694,新機器翻譯得到 4.263 分,人工翻譯得分 4.636 分。別忘了滿分是 6 分哦。

第六步。

分別計算,跟人工翻譯的水平相比,“誤差率”(錯誤率)是多少。

引用
  • 舊機器翻譯:(4.636-3.694) / 4.636 = 20%
  • 新機器翻譯:(4.636-4.263) / 4.636 = 8%

第七步。

算“錯誤率”降低了多少。

引用(20%-8%)/ 20% = 12% / 20%= 60%

第八步。

算算“準確率”提升了多少。

引用(4.263-3.694)/3.694 = 15%

第九步。


為什麼用户興奮,媒體興奮,專家沒那麼興奮?翻譯公司商鵲網CTO魏勇鵬告訴雷鋒網(搜索“雷鋒網”公眾號關注):

這裏面兩個主要的“陷阱”:

引用1、從3.6提升到4.2,和從4.2提升到4.6,這兩個所需要付出的努力程度,後者可能是前者的10倍以上都不止,但Google就簡單的線性計算為縮小了60%的差距。

2、中英的人工翻譯,得到的評分也就只是4.6,比英西的人要低得多,這點説明用來作為基準的“人”,未必是靠譜的,以它為基準來評估,也未必是靠譜的。

其實還有第三點,別忘了卷子是 Google 自己出的。

引用注意用於做評測的數據是:500 randomly sampled sentences from Wikipedia and news websites。這些都是互聯網上語料最充足的內容類型。也就是機器最擅長的內容。

第十步。


行業認可的一種機器翻譯成績評估,是 WMT 的 BLEU Score 比賽。Google 這次發佈的論文,也用了 BLEU Score 的分數。雷鋒網沒找到漢譯英的部分,但是有英譯法的數據,從 37 分提升到 41.16 分。

第十一步。

很多人類患上“圍棋”恐慌症了。

Google 首次將神經網絡技術,成功應用到翻譯產品上,上線後使得翻譯質量有了明顯提升。但是媒體報道中的標題“錯誤率降低 60%”,甚至某種語言是 “85%”,很容易讓普通人以為蒸汽機革命來了……事實上,微軟、百度等大公司之前也在翻譯產品中使用神經網絡技術,但沒有引起大的傳播。

究其原因。一位不具名的評論者告訴雷鋒網,之前很多人看到 Google 的電腦在圍棋上戰勝了人類,心理上受到了衝擊,自然而然認為 Google 強大的人工智能技術,會顛覆很多行業。尤其是那些當初認為機器在圍棋上戰勝不了人類的人類,現在又對“人工智能”過於樂觀了。

第十二步。

北京時間9月29日早上,論文作者之一,Google Brain 團隊的陳智峰,通過遠程視頻接受了 3 家中國媒體的採訪。他告訴雷鋒網,這次 Google 比較特別的地方在於,訓練過程利用了大量的分佈式計算,所以才能把語言模型很快訓練出來。“差不多一星期才能處理一個方向的語言模型。但是Google有大概一萬個語言的模型需要訓練,既需要我們有巨大的資源投入,也在不停地改進算法。 ”

對於機器翻譯取代人工翻譯的問題。陳智峰認為,規則的文本,比如醫學論文,比如時事新聞,大家更注重信息的傳達,在修辭方面或情感方面的傳達可以弱化一些。“機器翻譯就能夠很快地幫助你獲得信息,這是機器翻譯目前對人類的主要幫助。”

他説,“目前來講,我覺得人與人之間的自然的溝通,通過機器翻譯還是有很大的工作需要做。做到真正能夠讓你感覺到跟你説話的是個人,而不是機器,還是有很多年需要努力的。”


資料來源:雷鋒網
作者/編輯:郝曉茹

如果喜歡我們的文章,請即分享到︰

留言

會員
我要評論
請按此登錄後留言。未成為會員? 立即註冊
快捷鍵:←
快捷鍵:→