全球首个翻译引擎进化归来 “细节狂魔”搞定方言

原文：The global impact of COVID-19 has been profound, and the public health threat it represents is the most serious seen in a respiratory virus since the 1918 H1N1 influenza pandemic. Here we present the results of epidemiological modelling which has informed policymaking in the UK and other countries in recent weeks. In the absence of a COVID-19 vaccine, we assess the potential role of a number of public health measures – so-called non-pharmaceutical interventions (NPIs) – aimed at reducing contact rates in the population and thereby reducing transmission of the virus. In the results presented here, we apply a previously published microsimulation model to two countries: the UK (Great Britain specifically) and the US. We conclude that the effectiveness of any one intervention in isolation is likely to be limited, requiring multiple interventions to be combined to have a substantial impact on transmission.

从结果上看，五位选手的学术造诣都比较高，学术语言使用的规范性也都相差不大。但是，细节见真知，只有有道保留了双破折号的使用，但这在中文中其实并不常见;除有道外，其他三位选手在“非药物干预措施(NPI)”的表达上都没有做到尽善尽美。

仍然，笑到最后的还是DeepL，虽然还存在各种小问题，无法得到满分，但也是一张妥妥的高分试卷了：

以上就是本次测评全部的考题了，可以看出DeepL不愧是头号种子选手，不管是方言、文言文还是学术话语，都有不错的表现，看来DeepL官方还是很诚实的嘛。

从Linguee蜕变，机器学习赋能DeepL

见识到了DeepL的“独秀”表现，接下来，我们就重点介绍一下本次测评表现最佳的头号种子DeepL。

不知道DeepL?那Linguee应该听说过吧，就是那个运营十多年的在线外语词典，DeepL的前身正是Linguee。Linguee是一款出现多年的翻译工具，尽管使用广泛，也有一批忠实用户，但其翻译质量尚无法与谷歌翻译相提并论，尤其是考虑到后者品牌和地位的巨大优势。

但真正重要的是Linguee的技术积累，Linguee的联合创始人Gereon Frahling之前就在谷歌研究院工作，2007年，他选择开启新的征程，团队数年来一直致力于机器翻译，直到2016年，他们才开始全力开发全新的系统，建设新公司，也就是DeepL。

Linguee的核心竞争优势就是爬虫和机器学习系统，前者能够抓取互联网上超过10亿句翻译结果和查询的大型数据库，后者在网页上搜索相似片段的真实翻译方法并对其评估，两者结合使Linguee成为了当时“世界上首个翻译搜索引擎”。

十年积累下来，Linguee无论在数据和对算法的研究上都不可小觑，而这也直接成为DeepL的绝对优势，为团队训练新模型打好了坚实的基础。

DeepL变革性的神经架构在冰岛的一台超级计算机上运行，该计算机能力为5.1 petaFLOPS(每秒5100万亿次操作)，不到一秒内能翻译100万单词。“冰岛可再生能源丰富，因此我们可以在这里用非常低廉的成本训练我们的神经网络。我们将继续专注于高性能硬件”，DeepL的CTO Jaroslaw Kutylowski说。

“我们的神经网络架构已经实现了多个显著改善”，Gereon Frahling表示，“通过用不同的方式安排神经元及其连接，我们的网络比目前其他神经网络更全面地映射自然语言。”

大学、研究机构和Linguee的竞争对手发布的研究进展表明，卷积神经网络才是机器翻译的正确道路，而非DeepL之前使用的循环神经网络，但现在不是探讨二者区别的时候，对于相关词语的长、复杂字符串，只要你能够控制其弱点，卷积神经网络效果会更好。

例如，CNN一次处理一个单词，当句末单词决定句首单词的形成时，这就成了问题。查找整个句子寻找句首单词，如果网络获取到的第一个单词是错误的，就太浪费了，还得使用该知识重新开始，因此DeepL和机器学习领域的其他机构在CNN转向下一个单词或词组时，使用能够监控此类潜在问题的“注意力机制”来解决。

DeepL在最新版本增加了对日语和中文(简体)的支持，包括日语汉字，平假名和片假名以及数千个汉字。目前，DeepL支持的语言数量增加到11种，虽然语言支持不如其他翻译服务广泛，如Google Translate和Bing Microsoft Translator均支持一百多种不同的语言，但翻译精度也是不可忽视的关键点。

掌握多国语言的Techcrunch编辑Frederic曾这么评价DeepL：“谷歌翻译的风格非常直接，但却错过了一些细节和习语(或者把这些习语翻译错了)，而 DeepL 经常可以提供更加自然的翻译效果，就像训练有素的人类翻译一样。”

说了这么多，还是那句话，真真假假还是自己试了才知道，有兴趣的同学可以亲自动手试试，要是遇到什么好玩的翻译结果还记得告诉文摘菌噢~

最后，官网链接双手奉上：

https://www.deepl.com/translator

（编辑：宁德站长网）

【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!