百度翻译十年：语种全球首破200大关，质量提升30个百分点，每天翻译超千亿字符

金磊 发自 凹非寺

量子位 报道 | 公众号 QbitAI

十年，能让一个机器翻译系统发生怎样的变化？

2011年，TA还只会“中-英”翻译这一项技能。但TA却用十年时间，在翻译这条路上不断打磨自己。

现如今，TA的“打开方式”的是这样：

全球首个发布互联网神经翻译系统，10年内让翻译质量提升30个百分点（国际常用的评价指标BLEU），而通常提升1个百分点就是非常显著的了。

全球首次突破200种语言的互译，10年内让翻译语种数量增长100倍。

不再是只会文本翻译这一项技能，而是掌握了图片、视频、文档，甚至是同传这样的跨模态翻译。

也不再限于在输入框中输入文本来翻译，而是翻译APP、AI同传会议版、同传助手、小程序以及翻译开放平台等多种产品。

而且现在的它还变得格外忙碌，全世界每天找TA翻译的字符量超过千亿，相当于2000部大英百科全书，是10年前的10万倍。

甚至Gartner对它还做出了这样的评价：

是神经网络机器翻译标杆机构，也是国内唯一入围单位。

是全球AI翻译服务中的重要力量。

……

TA，就是百度翻译。

但如果现在你还认为它只是个搞翻译的，那可能就有点片面了。

因为现在的百度翻译，有点“变味”了。

10岁的百度翻译，长什么样？

如果说百度翻译的起点，是十年前那个只会中英翻译的网站。

那么现在的它，可谓是把翻译这事玩出了一种新高度。

首先在翻译语种这件事，也正如刚才提到的，百度翻译全世界范围内首个突破200种语言互译的系统。

而且不只是翻译语种数量多的问题，更是在翻译难度上有所体现。

例如它甚至在涉猎一些“冷门”的语言，以国粹文言文为例，输入一段《学弈》的文字：

弈秋，通国之善弈者也。使弈秋诲二人弈，其一人专心致志，惟弈秋之为听；一人虽听之，一心以为有鸿鹄将至，思援弓缴而射之。虽与之俱学，弗若之矣。为是其智弗若与？曰：非然也。

啪的一下，百度翻译瞬间就能把晦涩难懂的古文，用大白话的形式展现出来：

然而机器能做到这一点，也相当不容易，因为除去大语种，大部分语言的互译资源是稀缺的，无法供AI学习足够多的知识。

但百度翻译所满足的可不止于对文本翻译的“多”和“精”，它还花了十年时间在便捷性这块下足了功夫。

这不就在最近，百度翻译App更新迭代到了10.0版本，“花式翻译”也在这里得到了很好的体现。

不再是把文字输进去、翻出来这样单一的套路，而是把语音、图片、视频、文档等形式也融入了进来。

换言之，现在想要做翻译，不再是输入文本这种单一的形式了。

说一句话、拍一张照，甚至直接把完整的文档导进来，就可以完成翻译了。

不仅如此，甚至像同传这样高段位的翻译，百度翻译也是能够轻松hold住。

百度翻译更是在全球顶级机器翻译比赛WMT （Workshop on Machine Translation）中，拿下过中英翻译第一名的成绩。

不难看出，百度翻译花了十年时间，不只是在做横向的扩展，也是对各个产品在纵向上“自修功法”。Big Family目前已经枝繁叶茂。

那么百度翻译，是如何通过十年时间进阶到如此的呢？

百度翻译进化之路

我们不妨先来简单回顾一下机器翻译的发展。

“机器翻译”这件事，早在1946年第一台计算机ENIAC诞生之后的一年，便由信息论先驱、美国科学家Warren Weaver提出：

而至此之后，机器翻译先是进入到了“基于规则方法”的时代。

这个方法本质上将专家的翻译知识采用规则形式写下来，然后采用软件的方式利用翻译规则来实现机器翻译过程。

但这种方法的缺点也是显而易见，那就是构建成本、维护成本过高，动辄还要将整个程序重写。

而到了上世纪80年代末90年代初，IBM提出了另一种机器翻译的方式——统计机器翻译，这便开启了机器翻译时代的第二个大门。

与基于规则的机器翻译不同，统计机器翻译不再需要从人工书写翻译规则，而是转换到了数据驱动的机器学习方法。

最大的优点在于机器可以按照人工定义的特征进行“自学”，而之前的基于规则方法，需要人类专家手把手的。

百度翻译上线之初，主要用的就是基于统计机器翻译的方法，同时研发了融合已有方法的多策略模型，以便应对互联网上复杂多样的翻译请求。

2010年百度翻译自建了研发团队，仅时隔一年，便上线了网页版。

但此时统计机器翻译已经诞生了20多年时间，其发展的瓶颈也是越发明显——在经历了基于短语的方法、基于句法的方法等一系列技术迭代之后，统计机器翻译逐渐遇到天花板，翻译质量难以进一步提升，尤其在长距离调序、译文流畅度方面。

即便摸石头过河，也要身先士卒

到了2013年，一篇名为《Recurrent Continuous Translation Models》的研究横空出世。

而伴随着研究人员们所提出的新方法，机器翻译也就步入到了神经机器翻译 （NMT）时代。

虽然这种神经网络的方法确实是一种理想的“替代品”，但非常现实的问题也摆在百度翻译团队的面前。

那就是“无从参考”，建模的方式完全是新的，没有经验可循。

再则以当时的技术水平，通过神经网络模型来做机器翻译还是一件非常“伤资源”的事。

翻译效果提升的代价，就是消耗大量的计算资源，往往翻译一个句子就得花个十几秒的时间。

时间拉到2015年，即便是在这种大背景的情况下，百度翻译团队依旧做了一个“敢为人先”的决定：

上线基于神经网络的机器翻译。

在技术方法上，百度翻译团队针对NMT所存在的缺点，将上一代统计机器翻译的特性融入了进来。

具体而言，就是将n-gram语言模型、短语表特征、长度特征等，融合到NMT模型中。

实验结果表明，这种“新旧结合”的方法，显著提升了NMT在中英互译方面翻译的性能。

而从立项到发布全球首个互联网神经网络机器翻译系统，百度翻译仅仅花了不到半年的时间。

这个节奏要比谷歌翻译提早了整整16个月的时间。

然而百度翻译却并不满足于此。

还要做更多方向上的“领头羊”

为了能够进一步翻译出更多的语言，百度翻译还提出了《Multi-Task Learning for Multiple Language Translation》。

在这项研究中，百度翻译提出了共享编码器的多任务学习神经网络翻译模型，建立了基于神经网络的多语言翻译统一框架。

这也是百度翻译现在能够hold住203种语言互译的关键所在。

到了2017年，百度翻译又惊艳地亮出了AI同传功能。

具体而言，是提出了语义单元驱动的机器同声传译模型，解决了翻译质量和同传时延难以兼顾的难题。

与此同时，百度翻译团队还研发了高质量、低时延的机器同传系统，翻译准确率超过80%，平均时间延迟3秒。

也正是因为百度在机器翻译这件事上技术处于领先地位，翻译准确度又高。

所以许多国际性的会议、活动，都陆陆续续选择百度翻译作为技术支持。百度翻译的AI同传，更是挺进了服贸会、进博会这样的重要活动。

……

那么随之而来的一个问题便是：

百度为什么要如此发力翻译这件事？

翻译，不仅仅是工具那么简单

首先，需要明确且达成共识的一点是，机器翻译是人工智能终极目标之一，也是AI技术最具挑战的应用之一。

这也就是百度在机器翻译领域不断创新的原因所在。

但从另一个角度来看，百度翻译要做的事情，从来就不是翻译本身这么简单。

而从它十年的发展历程来看，现在的百度翻译已经“变味”了：

不仅仅是个工具，更是桥梁、窗口和世界文化的感受器。

这又该如何理解？

我们不妨从百度翻译带来了什么，来理解它的“变味”。

TA是用户身边的翻译助手

例如在交警执法的过程中，就曾遇到过外国（俄罗斯）友人的这种情况。

由于他们不会中文，沟通就成了老大难的问题。

最终，交警通过百度翻译的能力，成功地救助了外籍船员。

再如工作中，语言的障碍成为了信息获取与沟通交流的阻碍。

而用户通过使用百度翻译的软件，让跨语言交流这件事变得更加丝滑。

但这样的服务和体验，应当是所有人都该拥有的体验，哪怕是残障人士也应如此。

为此，百度翻译还帮助视力障碍的开发者开发盲人操作软件，免费帮助大量盲人用户获取翻译服务。

也正是这样一件又一件的真实故事，让百度翻译不再是只是翻译工具这么简单，更是赋予了诸如桥梁、窗口和感受器等这样的含义。

TA助力全球抗击疫情

但讲真，比起体验上的这层“变味”，百度翻译还逐渐发挥着更具深层宏大的使命和价值。

例如在抗疫这件事上，百度翻译也在发挥着它的热量。

法语的3M口罩说明书、英语的防护服说明书、俄语的三层口罩商检证书……这些抗疫物资等等，无不需要翻译的工作。

但众所周知，抗疫这件事不仅任务量重，更是在与时间赛跑。

百度翻译便扛起了抗疫期间翻译工作的重担，仅仅在2天时间内便搭建出了高效易用的定制化翻译工具，而且火速向志愿者团队免费开放。

TA服务国家需求，为跨语言交流铺路

而且百度翻译做的事，还是符合国家需求的那种。

国家在第二届“一带一路”国际合作峰会论坛中便提出：

共建“一带一路”，关键是互联互通。我们应该构建全球互联互通伙伴关系，实现共同发展繁荣。

而跨语言交流，就成为了实现这一目标的关键所在。

百度翻译便在十年时间里，在翻译语种增长100倍的情况下，沿着“一带一路”沿线国家，将跨语言翻译逐步铺展开来。

不难看出，这也是应了国家乃至全球发展的互联互通大趋势。

而放眼当下，百度翻译还在“变味”着，要将翻译这件事转变为一种生产力。

但毕竟翻译这件事可谓是任重而道远，即便是拿下诸多“全球首次”的百度翻译也还有很长的一段路要走。

至于在接下里的时间里，百度翻译又将在技术和价值上带来怎样的提升，我们拭目以待。