近日，百度发布了融合统计和深度学习方法的在线翻译系统，宣称在机器翻译技术上取得了重大突破。百度称，该系统借助计算机模拟的海量神经元，模仿人脑“理解语言、生成译文”，同时结合百度已有的统计机器翻译技术，使得机器翻译质量实现了“质的飞跃”。
　　机器翻译一直被公认为是人工智能领域最难的课题之一。让机器理解语言，进而实现不同语言之间的翻译，不仅仅是该领域的科学家们孜孜追求的技术梦想，也寄托着普罗大众对自由沟通交流的美好愿望。
　　机器翻译技术的发展一直与计算机技术的发展紧密相随。从早期的词典匹配，到词典结合语言学专家知识的规则翻译，再到基于语料库的统计机器翻译，随着计算机计算能力的提升和多语言信息的爆发式增长，机器翻译技术逐渐走出象牙塔，开始为普通用户提供实时便捷的翻译服务。
　　此次百度发布的基于深度学习的在线翻译系统，实现了类似人脑的“理解语言、生成译文”的翻译方式。这种翻译方法最大的优势在于译文更加流畅，更加符合语法规范，让人更加容易理解。相比之前的翻译技术，质量有“跃进式”的提升。
　　百度称，基于深度学习的翻译系统的核心，是一个拥有无数结点（神经元）的深度神经网络。一种语言的句子被向量化之后，在网络中层层传递，转化为计算机可以“理解”的表示形式，再经过多层复杂的传导运算，生成另一种语言的译文。有趣的是，这个庞大的系统在刚刚构建完成之后像刚出生的婴儿一样，不懂任何事情。它通过学习大量双语互译对照的句子，逐渐提升翻译水平。百度利用自身得天独厚的庞大网页库资源，挖掘了海量的双语句对，作为系统的“学习教材”。由于深度神经网络结构极其复杂，整个学习过程非常耗时，需要持续很长时间。百度机器翻译团队经过技术攻坚，使得翻译系统的学习效率提高了十几倍，大大缩短了学习时间。“教材”的数量如果按照字数换算成《大英百科全书》，翻译系统在一周内学习的内容相当于千万部《大英百科全书》。
　　此外，该翻译系统还应用了长短时记忆（LSTM，Long Short-Term Memory）的循环神经网络（RNN，Recurrent Neural Network）模型。该模型擅长对自然语言建模，把任意长度的句子转化为特定维度的浮点数向量，同时“记住”句子中比较重要的单词，让“记忆”保存比较长的时间。该模型很好地解决了自然语言句子向量化的难题，对利用计算机来处理自然语言来说具有非常重要的意义，使得计算机对语言的处理不再停留在简单的字面匹配层面，而是进一步深入到语义理解的层面。百度自然语言处理部致力于自然语言处理技术的创新探索，对深度学习模型的应用研究走在了该领域的前沿。目前，该技术不仅在百度在线翻译系统中取得成功，大幅提升了译文质量，还在篇章理解、语义计算、深度问答等多个重要方向取得了突破性进展。
　　其实，百度一直在机器翻译领域深耕细作，希望通过技术创新不断提升翻译质量和系统性能，并致力于大规模互联网应用，为广大用户提供高质量、方便快捷的翻译服务。依托海量的互联网资源和自然语言处理技术的优势，百度研发出高质量翻译知识获取技术，突破了传统方法在翻译知识获取方面规模小、成本高的瓶颈；基于互联网大数据的多策略翻译模型，能够实时响应用户复杂多样的包括网络新词、科技文献、电子商务、古文、粤语等多领域、多文体的翻译需求；基于樞轴语言的翻译方法，使得资源有限的小语种翻译成为可能。百度在机器翻译核心技术上的创新和突破，不仅使普通用户受益，享受到方便快捷、高质量的互联网翻译服务，也得到了学术界的认可。由百度牵头，联合国内顶尖学术机构中科院自动化所、浙江大学、哈尔滨工业大学、中科院计算所、清华大学共同研发的“基于大数据的互联网机器翻译核心技术及产业化”项目获得了中国电子学会科技进步一等奖。
　　技术的创新要以喜闻乐见的形式普惠到每一个有需求的用户，这是互联网的精髓。百度机器翻译团队一直秉承让所有人平等便捷地获取信息、找到所求的使命，致力于消除用户跨语言沟通交流的障碍。结合百度领先的图像识别、语音识别等技术，“百度翻译”APP为用户打造了一个全方位的随身翻译官。这位“翻译官”不仅可以帮助用户实时地与外国人进行面对面交流，根据用户所处场景，智能推送实用口语例句，还可以通过摄像头拍照对菜单、车站站牌等进行翻译，解决用户在海外学习和旅行时的语言难题。
　　百度发布基于深度学习的在线翻译系统，让我们看到解决机器翻译这一人工智能经典难题的希望。也许不久的将来，世界各地的人们都能够自由交流，在全球范围内获取资讯和服务。即使使用不同的语言，人们也可以交流想法和观念，传承思想和文化。毕竟，语言是保存和传递人类文明成果最重要的工具之一。