Google translate the deep-learning upgrade of Google translation methods

Abstract

Существует распространенное мнение, что машинный перевод на базе нейронных сетей вычислительно затратная операция как в тренировке программы, так и в конечном результате перевода. Проблемой является также нарушение устойчивости работы устройства, особенно когда вводимые для перевода предложения содержат редко употребляемые слова, большие объемы информации и длинные речевые модели. Компания Google представила новую систему для машинного перевода, Google Neural Machine Translation (GNMT), т. е. машинный перевод на базе нейронных сетей. Она использует глубинные нейронные сети для перевода целых предложений, а не только фраз, что значительно улучшает качество перевода.

It seems to be a generally accepted belief that NMT systems are computationally expensive both in training and in translation inference. They also lack of robustness, particularly when input sentences contain rare words, very large data sets and large models. Google Neural Machine Translation (NMT) has great potential to overcome many of the weaknesses of conventional phrase-based translation systems. Google began experimenting with a deep-learning technique, called neural machine translation that can translate entire sentences without breaking them down into smaller components. That approach eventually reduced the number of Google Translate errors by at least 60 percent on many language pairs in comparison with the older, phrase-based approach.