Fichier de travail (INPUT) : ./DUMP-TEXT/3-35.txt

Encodage utilisé (INPUT) : utf-8

Forme recherchée : translation|traduction|机器

Ligne n°86 : ...清朝 走 下 坡路 的 一 个 转折点 只 因为 康熙 错 杀 一 人
• Ligne n°87 : 博鳌 人工 智能 翻译 乌龙 后 ， 你 必须 知道 的 机器 翻译 简史
Ligne n°88 : 2018-04-25 20:48:48 ...

Ligne n°103 : ...寻找 新 的 “ 巴别塔 ”
• Ligne n°104 : 下 文会 对 这 次 乌龙 失误 提供 一些 技术 面的 看法 ， 但 既然 谈到 机器 翻译 简史 ， 就 让 我们 先 把 “ 博鳌 翻译 事件 ” 搁 一边 ， 先 回溯 至 语言 翻译 的 起点 —— 巴别塔
Ligne n°105 : 。 ...

Ligne n°114 : ...[ B3CC1A7673F0EC84E013465B80B70949E7DF 9067_size41_w640_h376.jpeg ]
• Ligne n°115 : 机器 翻译 进化史
Ligne n°116 : 基于 规则 的 机器 翻译 （ RBMT ） ...

Ligne n°115 : ...机器 翻译 进化史
• Ligne n°116 : 基于 规则 的 机器 翻译 （ RBMT ）
Ligne n°117 : 至于 机器 翻译 的 源头 ， 基本上 可以 追溯 至 1949年 ， 信息论 研究者 Warren ...

Ligne n°116 : ...基于 规则 的 机器 翻译 （ RBMT ）
• Ligne n°117 : 至于 机器 翻译 的 源头 ， 基本上 可以 追溯 至 1949年 ， 信息论 研究者 Warren
Ligne n°118 : Weave 正式 提出 了 机器 翻译 的 概念 。 五 年 后 ， 也就是 1954年 ， IBM 与 美国 乔治敦 大学 合作 公布 了 世界上 第一 台 翻译机 —— IBM-701 。 它 ...

Ligne n°117 : ...至于 机器 翻译 的 源头 ， 基本上 可以 追溯 至 1949年 ， 信息论 研究者 Warren
• Ligne n°118 : Weave 正式 提出 了 机器 翻译 的 概念 。 五 年 后 ， 也就是 1954年 ， IBM 与 美国 乔治敦 大学 合作 公布 了 世界上 第一 台 翻译机 —— IBM-701 。 它
Ligne n°119 : 能够 将 俄语 翻译 为 英文 ， 你 别 看 他 有 巨大 的 身躯 ， 事实上 它 里面 只 内建 了 6 条 文法 规则 ， 以及 250 个 单词 ， 但 即使 如此 ， 这 仍 是 技术 的 重大 突破 ， 那时 ...

Ligne n°123 : ...Language Processing Advisory
• Ligne n°124 : Committee ， 简称 ALPAC 委员会 ） 。 两 年 后 ， 在 委员会 提出 的 报告 中 认为 机器 翻译 不 值得 继续 投入 ， 因为 这 份 报告 ， 造成 接下来 的 十来 年中
Ligne n°125 : ， 美国 的 机器 翻译 研究 几乎 完全 停滞 空白 。 ...

Ligne n°124 : ...Committee ， 简称 ALPAC 委员会 ） 。 两 年 后 ， 在 委员会 提出 的 报告 中 认为 机器 翻译 不 值得 继续 投入 ， 因为 这 份 报告 ， 造成 接下来 的 十来 年中
• Ligne n°125 : ， 美国 的 机器 翻译 研究 几乎 完全 停滞 空白 。
Ligne n°126 : 从 IBM 的 第一 台 翻译机 诞生 到 20世纪 80年代 ， 那时 的 技术 主流 都 是 基于 规则 的 机器 翻译 ， 最 常见 的 做法 就是 直接 根据 词典 逐字 翻译 ， 虽然 后来 也 有 ...

Ligne n°125 : ...， 美国 的 机器 翻译 研究 几乎 完全 停滞 空白 。
• Ligne n°126 : 从 IBM 的 第一 台 翻译机 诞生 到 20世纪 80年代 ， 那时 的 技术 主流 都 是 基于 规则 的 机器 翻译 ， 最 常见 的 做法 就是 直接 根据 词典 逐字 翻译 ， 虽然 后来 也 有
Ligne n°127 : 人 倡议 加入 句法 规则 来 修正 ， 但是 老实 说 ， 翻出 来 的 结果 都 很 令 人 沮丧 ， 因为 看起来 蠢到 极点 ， 因此 ， 到了 80年代 这样 的 做法 就 销声匿迹 了 。 ...

Ligne n°133 : ...？ 10 种 ？ 还是 100 种 ？ 在 我们 之前 做 过 的 自然 语言 统计 数据 来看 ， 一共 可能 会 有 3600 种 讲法 ， 而且 这个 数字 应该 还 会 随时 间 增加 ， 光 一 个 概念 如
• Ligne n°134 : 此 简单 的 句子 就 能 有 那么 复杂 的 规则 体系 ， 若 用到 翻译 恐怕 规则 量 会 是 个 惊人 的 天文 数字 ， 因此 基于 规则 的 机器 翻译 思路 就 成为 了 昨日 黄花 。
Ligne n°135 : 基于 实例 的 机器 翻译 （ EBMT ） ...

Ligne n°134 : ...此 简单 的 句子 就 能 有 那么 复杂 的 规则 体系 ， 若 用到 翻译 恐怕 规则 量 会 是 个 惊人 的 天文 数字 ， 因此 基于 规则 的 机器 翻译 思路 就 成为 了 昨日 黄花 。
• Ligne n°135 : 基于 实例 的 机器 翻译 （ EBMT ）
Ligne n°136 : 在 全世界 都 陷入 机器 翻译 低潮期 ， 却 有 一 个 国家 对于 机器 翻译 有 着 强大 的 执念 ， 那 就 是 日本 。 日本人 的 英文 能力 差 举世 皆知 ， 也 因此 对 机器 翻译 有 强烈的 ...

Ligne n°135 : ...基于 实例 的 机器 翻译 （ EBMT ）
• Ligne n°136 : 在 全世界 都 陷入 机器 翻译 低潮期 ， 却 有 一 个 国家 对于 机器 翻译 有 着 强大 的 执念 ， 那 就 是 日本 。 日本人 的 英文 能力 差 举世 皆知 ， 也 因此 对 机器 翻译 有 强烈的


• Ligne n°136 : 在 全世界 都 陷入 机器 翻译 低潮期 ， 却 有 一 个 国家 对于 机器 翻译 有 着 强大 的 执念 ， 那 就 是 日本 。 日本人 的 英文 能力 差 举世 皆知 ， 也 因此 对 机器 翻译 有 强烈的


• Ligne n°136 : 在 全世界 都 陷入 机器 翻译 低潮期 ， 却 有 一 个 国家 对于 机器 翻译 有 着 强大 的 执念 ， 那 就 是 日本 。 日本人 的 英文 能力 差 举世 皆知 ， 也 因此 对 机器 翻译 有 强烈的
Ligne n°137 : 刚 需 。 日本 京都 大学 的 长尾 真 教授 提出 了 基于 实例 的 机器 翻译 。 也 就 是 别再 去 想 让 机器 从 无 到 有 来 翻译 ， 我们 只要 存上 足够 多 的 例句 ， 即使 遇到 不完全 匹 ...

Ligne n°136 : ...在 全世界 都 陷入 机器 翻译 低潮期 ， 却 有 一 个 国家 对于 机器 翻译 有 着 强大 的 执念 ， 那 就 是 日本 。 日本人 的 英文 能力 差 举世 皆知 ， 也 因此 对 机器 翻译 有 强烈的
• Ligne n°137 : 刚 需 。 日本 京都 大学 的 长尾 真 教授 提出 了 基于 实例 的 机器 翻译 。 也 就 是 别再 去 想 让 机器 从 无 到 有 来 翻译 ， 我们 只要 存上 足够 多 的 例句 ， 即使 遇到 不完全 匹


• Ligne n°137 : 刚 需 。 日本 京都 大学 的 长尾 真 教授 提出 了 基于 实例 的 机器 翻译 。 也 就 是 别再 去 想 让 机器 从 无 到 有 来 翻译 ， 我们 只要 存上 足够 多 的 例句 ， 即使 遇到 不完全 匹
Ligne n°138 : 配 的 句子 ， 我们 也 可以 比对 例句 ， 只要 替换 不 一样 的 词 的 翻译 就 可以 。 这 种 天真的 想法 当然 没有 比 基于 的 规则 机器 翻译 高明 多少 ， 所以 并未 引起 风潮 。 但 ...

Ligne n°137 : ...刚 需 。 日本 京都 大学 的 长尾 真 教授 提出 了 基于 实例 的 机器 翻译 。 也 就 是 别再 去 想 让 机器 从 无 到 有 来 翻译 ， 我们 只要 存上 足够 多 的 例句 ， 即使 遇到 不完全 匹
• Ligne n°138 : 配 的 句子 ， 我们 也 可以 比对 例句 ， 只要 替换 不 一样 的 词 的 翻译 就 可以 。 这 种 天真的 想法 当然 没有 比 基于 的 规则 机器 翻译 高明 多少 ， 所以 并未 引起 风潮 。 但
Ligne n°139 : 是 没 多久 ， 人类 重建 巴别塔 的 希望 似乎 又 重见 曙光 。 ...

Ligne n°139 : ...是 没 多久 ， 人类 重建 巴别塔 的 希望 似乎 又 重见 曙光 。
• Ligne n°140 : 基于 统计 的 机器 翻译 （ SBMT ）
Ligne n°141 : 引爆 这 波 统计 机器 翻译 热潮 的 还是 IBM ， 在 1993年 发布 的 《 机器 翻译 的 数学 理论 》 论文 中 提出 了 由 五 种 以 词 为 单位 的 统计 模型 ， 称 为 “ IBM 模型 ...

Ligne n°140 : ...基于 统计 的 机器 翻译 （ SBMT ）
• Ligne n°141 : 引爆 这 波 统计 机器 翻译 热潮 的 还是 IBM ， 在 1993年 发布 的 《 机器 翻译 的 数学 理论 》 论文 中 提出 了 由 五 种 以 词 为 单位 的 统计 模型 ， 称 为 “ IBM 模型


• Ligne n°141 : 引爆 这 波 统计 机器 翻译 热潮 的 还是 IBM ， 在 1993年 发布 的 《 机器 翻译 的 数学 理论 》 论文 中 提出 了 由 五 种 以 词 为 单位 的 统计 模型 ， 称 为 “ IBM 模型
Ligne n°142 : 1 ” 到 “ IBM 模型 5 ” 。 （ 好吧 … … 技术 人员 真的 不太 爱 花 时间 取 个 响亮 的 名字 ） 。 ...

Ligne n°142 : ...1 ” 到 “ IBM 模型 5 ” 。 （ 好吧 … … 技术 人员 真的 不太 爱 花 时间 取 个 响亮 的 名字 ） 。
• Ligne n°143 : 统计 模型 的 思路 是 把 翻译 当成 机率 问题 。 原则 上 是 需要 利用 平行 语料 ， 然后 逐字 进行 统计 ， 例如 机器 虽然 不 知道 “ 知识 ” 的 英文 是 什么 ， 但是 在 大多数 的
Ligne n°144 : 语料 统计 后 ， 会 发现 只要 有 知识 出现 的 句子 ， 对应 的 英文 例句 就 会 出现 “ knowledge ” 这个 字 ， 如此一来 ， 即使 不用 人工 维护 词典 与 文法 规则 ， ...

Ligne n°144 : ...语料 统计 后 ， 会 发现 只要 有 知识 出现 的 句子 ， 对应 的 英文 例句 就 会 出现 “ knowledge ” 这个 字 ， 如此一来 ， 即使 不用 人工 维护 词典 与 文法 规则 ，
• Ligne n°145 : 也 能 让 机器 理解 单词 的 意思 。
Ligne n°146 : 这个 概念 并不 新 ， 因为 最早 Warren ...

Ligne n°146 : ...这个 概念 并不 新 ， 因为 最早 Warren
• Ligne n°147 : Weave 就 提出 过 类似 的 概念 ， 只不过 那时 并没有 足够 的 平行 语料 以及 限于 当时 计算器 的 能力 太弱 ， 因此 没有 付诸 实行 。 现代 的 统计 机器 翻译 要 从 哪里
Ligne n°148 : 去 找来 “ 现代 的 罗赛塔 石碑 ” 呢 ？ 最 主要 的 来源 其实 是 联合国 ， 因为 联合国 的 决议 以及 公告 都 会 有 各个 会员国 的 语言 版本 ， 但 除此之外 ， 要 自己 制作 平行 ...

Ligne n°149 : ...语料 ， 以 现在 人工 翻译 的 成本 换算 一下 就 会 知道 这 成本 高 到 惊人 。
• Ligne n°150 : 在 过去 十来 年间 ， 大家 所 熟悉 的 谷歌 翻译 都 是 基于 统计 机器 翻译 。 听到 这 ， 应该 大家 就 清楚 统计 翻译 模型 是 无法 成就 通天 塔 大业 的 。 在 各位 的 印象 中 ， 机
Ligne n°151 : 器 翻译 还 只 停留 在 “ 堪用 ” 而非 是 “ 有用 ” 的 程度 。 但到 了 2014年 ， 机器 翻译 迎来 了 史上 最 革命 的 改变 —— “ 深度 学习 ” 来 了 ！ ...

Ligne n°150 : ...在 过去 十来 年间 ， 大家 所 熟悉 的 谷歌 翻译 都 是 基于 统计 机器 翻译 。 听到 这 ， 应该 大家 就 清楚 统计 翻译 模型 是 无法 成就 通天 塔 大业 的 。 在 各位 的 印象 中 ， 机
• Ligne n°151 : 器 翻译 还 只 停留 在 “ 堪用 ” 而非 是 “ 有用 ” 的 程度 。 但到 了 2014年 ， 机器 翻译 迎来 了 史上 最 革命 的 改变 —— “ 深度 学习 ” 来 了 ！
Ligne n°152 : 神经 网络 机器 翻译 （ NMT ） ...

Ligne n°151 : ...器 翻译 还 只 停留 在 “ 堪用 ” 而非 是 “ 有用 ” 的 程度 。 但到 了 2014年 ， 机器 翻译 迎来 了 史上 最 革命 的 改变 —— “ 深度 学习 ” 来 了 ！
• Ligne n°152 : 神经 网络 机器 翻译 （ NMT ）
Ligne n°153 : 神经 网络 并不 是 新 东西 ， 事实 上 神经 网络 发明 已经 距今 80多 年 了 ， 但是 自从 2006年 Geoffrey ...

Ligne n°154 : ...Hinton （ 即 ： 深度 学习 三 尊大 神 之 首 ） 改善 了 神经 网络 优化 过于 缓慢 的 致命 缺点 后 ， 深度 学习 就 不断 地 伴随 各 种 奇迹 似的 成果 频繁 出现 在 我们 的 生
• Ligne n°155 : 活 中 。 2015年 ， 机器 首 次 实现 图像 识别 超越 人类 ； 2016年 ， Alpha
Ligne n°156 : Go 战胜 世界 棋王 ； 2017年 ， 语音 识别 超过 人类 速记员 ； 2018年 ， 机器 英文 阅读 理解 首 次 超越 人类 。 当然 机器 翻译 这个 领域 也 因为 有 了 深度 学习 ...

Ligne n°155 : ...活 中 。 2015年 ， 机器 首 次 实现 图像 识别 超越 人类 ； 2016年 ， Alpha
• Ligne n°156 : Go 战胜 世界 棋王 ； 2017年 ， 语音 识别 超过 人类 速记员 ； 2018年 ， 机器 英文 阅读 理解 首 次 超越 人类 。 当然 机器 翻译 这个 领域 也 因为 有 了 深度 学习


• Ligne n°156 : Go 战胜 世界 棋王 ； 2017年 ， 语音 识别 超过 人类 速记员 ； 2018年 ， 机器 英文 阅读 理解 首 次 超越 人类 。 当然 机器 翻译 这个 领域 也 因为 有 了 深度 学习
Ligne n°157 : 这个 超级 肥料 而 开始 枝繁 叶茂 。 ...

Ligne n°158 : ...深度 学习 三 大 神 中 的 Yoshua
• Ligne n°159 : Bengio 在 2014年 的 论文 中 ， 首次 奠定 了 深度 学习 技术 用于 机器 翻译 的 基本 架构 ， 他 主要 是 使用 基于 序列 的 递归 神经 网络 （ RNN ） ， 让 机器 可


• Ligne n°159 : Bengio 在 2014年 的 论文 中 ， 首次 奠定 了 深度 学习 技术 用于 机器 翻译 的 基本 架构 ， 他 主要 是 使用 基于 序列 的 递归 神经 网络 （ RNN ） ， 让 机器 可
Ligne n°160 : 以 自动 捕捉 句子 间的 单词 特征 ， 进而 能够 自动 书写 为 另 一 种 语言 的 翻译 结果 。 此文 一 出 ， 谷歌 如获至宝 ， 很快地 ， 在 谷歌 供应 充足 火药 以及 大 神 的 加持之 ...

Ligne n°160 : ...以 自动 捕捉 句子 间的 单词 特征 ， 进而 能够 自动 书写 为 另 一 种 语言 的 翻译 结果 。 此文 一 出 ， 谷歌 如获至宝 ， 很快地 ， 在 谷歌 供应 充足 火药 以及 大 神 的 加持之
• Ligne n°161 : 下 ， 谷歌 于 2016年 正式 宣布 将 所有 统计 机器 翻译 下架 ， 神经 网络 机器 翻译 上位 ， 成为 现代 机器 翻译 的 绝对 主流 。


• Ligne n°161 : 下 ， 谷歌 于 2016年 正式 宣布 将 所有 统计 机器 翻译 下架 ， 神经 网络 机器 翻译 上位 ， 成为 现代 机器 翻译 的 绝对 主流 。


• Ligne n°161 : 下 ， 谷歌 于 2016年 正式 宣布 将 所有 统计 机器 翻译 下架 ， 神经 网络 机器 翻译 上位 ， 成为 现代 机器 翻译 的 绝对 主流 。
Ligne n°162 : 谷歌 的 神经 网络 机器 翻译 最 大 的 特色 是 加入 了 注意力 机制 （ attention ） ， 注意力 机制 其实 就是 在 模拟 人类 翻译 时 ， 会 先用 眼睛 扫过 一 遍 ， 然后 ...

Ligne n°161 : ...下 ， 谷歌 于 2016年 正式 宣布 将 所有 统计 机器 翻译 下架 ， 神经 网络 机器 翻译 上位 ， 成为 现代 机器 翻译 的 绝对 主流 。
• Ligne n°162 : 谷歌 的 神经 网络 机器 翻译 最 大 的 特色 是 加入 了 注意力 机制 （ attention ） ， 注意力 机制 其实 就是 在 模拟 人类 翻译 时 ， 会 先用 眼睛 扫过 一 遍 ， 然后
Ligne n°163 : 会 挑出 几 个 重点 字 来 确认 语义 的 过程 ， 果然 有 了 注意力 机制 加持 后 威力 大增 。 谷歌 宣称 ， 在 “ 英 — 法 ” ， “ 英 — 中 ” ， “ 英 — 西 ” 等 多 个 语 对 中 ， 错误率 ...

Ligne n°163 : ...会 挑出 几 个 重点 字 来 确认 语义 的 过程 ， 果然 有 了 注意力 机制 加持 后 威力 大增 。 谷歌 宣称 ， 在 “ 英 — 法 ” ， “ 英 — 中 ” ， “ 英 — 西 ” 等 多 个 语 对 中 ， 错误率
• Ligne n°164 : 跟 之前 的 统计 机器 翻译 系统 相比 降低 了 60% （ 可 见 之前 问题 多 大 ） 。
Ligne n°165 : [ F79D8DA222B8DA 129E670D 3759C240819A8E249E_size30_w554_h311.jpeg ] ...

Ligne n°169 : ...[ D9A7C5367B80ED 00773B004117353FD6E4B1C8A7_size17_w554_h212.jpeg ]
• Ligne n°170 : 今年 2月 ， 微软 让 机器 语言 理解 超越 人类 后 马上 又 有 新 举措 ， 3月 14日 ， 微软 亚洲 研究院 与雷德蒙 研究院 的 研究 人员 宣布 ， 其 研发 的 机器 翻译 系统 在 通


• Ligne n°170 : 今年 2月 ， 微软 让 机器 语言 理解 超越 人类 后 马上 又 有 新 举措 ， 3月 14日 ， 微软 亚洲 研究院 与雷德蒙 研究院 的 研究 人员 宣布 ， 其 研发 的 机器 翻译 系统 在 通
Ligne n°171 : 用 新闻 报道 测试 集 newstest2017 的 中 英 翻译 测试 集上 ， 达到 了 可 与 人工 翻译 媲美 的 水平 。 这 自然 是 神经 网络 机器 翻译 的 一 大 胜利 ， 当然 在 架 ...

Ligne n°170 : ...今年 2月 ， 微软 让 机器 语言 理解 超越 人类 后 马上 又 有 新 举措 ， 3月 14日 ， 微软 亚洲 研究院 与雷德蒙 研究院 的 研究 人员 宣布 ， 其 研发 的 机器 翻译 系统 在 通
• Ligne n°171 : 用 新闻 报道 测试 集 newstest2017 的 中 英 翻译 测试 集上 ， 达到 了 可 与 人工 翻译 媲美 的 水平 。 这 自然 是 神经 网络 机器 翻译 的 一 大 胜利 ， 当然 在 架
Ligne n°172 : 构上 也 有 了 不少 创新 ， 其中 最 值得 注意 的 是 加入 了 对偶 学习 （ dual learning ） 以及 推敲 网络 （ Deliberation ...

Ligne n°173 : ...Networks ） 。
• Ligne n°174 : 对偶 学习 要 解决 平行 语料 有限 的 问题 ， 一般来说 深度 学习 必须 同时 要 提供 给 机器 答案 ， 这样 机器 才 能够 根据 它 的 翻译 结果 与 答案 间 的 差异 持续 修正 改进 。


• Ligne n°174 : 对偶 学习 要 解决 平行 语料 有限 的 问题 ， 一般来说 深度 学习 必须 同时 要 提供 给 机器 答案 ， 这样 机器 才 能够 根据 它 的 翻译 结果 与 答案 间 的 差异 持续 修正 改进 。
Ligne n°175 : 如果 没有 足够 的 平行 语料 ， 那 机器 该 如何 学习 翻译 呢 ？ 对偶 学习 给 了 个 有趣 的 想法 ， 以 中英文 翻译 为例 ， 那 就 直接 把 一 个 中翻英 模型 与 英翻中 模型 铐在一 ...

Ligne n°174 : ...对偶 学习 要 解决 平行 语料 有限 的 问题 ， 一般来说 深度 学习 必须 同时 要 提供 给 机器 答案 ， 这样 机器 才 能够 根据 它 的 翻译 结果 与 答案 间 的 差异 持续 修正 改进 。
• Ligne n°175 : 如果 没有 足够 的 平行 语料 ， 那 机器 该 如何 学习 翻译 呢 ？ 对偶 学习 给 了 个 有趣 的 想法 ， 以 中英文 翻译 为例 ， 那 就 直接 把 一 个 中翻英 模型 与 英翻中 模型 铐在一
Ligne n°176 : 起 ， 一 个 中文 句子 先 透过 中翻英 转换 为 英文 ， 然后 再 把 这 句 英文 送进 英翻中 转换 为 中文 ， 这 时候 只要 两 个 模型 齐心协力 ， 让 最终 句子 的 中文 输出 与 原来 输 ...

Ligne n°182 : ...让 “ 松下 问 童子 ” 的 尴尬 消失
• Ligne n°183 : 机器 翻译 的 发展 并不 意味 着 未来 翻译 界 人士 将 会 没有 饭 吃 了 。 可以 注意 到 的 是 ， 微软 发布会 曾 强调 “ 通用 新闻 报道 测试 集 newstest2017 ” 的
Ligne n°184 : “ 中 英 翻译 测试 集 ” 上 ， 数据集 表现 好 未必 能 与 通用性 划上 等号 ， 这 也 就 可以 说明 为何 腾讯 翻译 君 明明 平常 口碑 不错 ， 但是 为何 在 博鳌 同 传 却 表现 失准 。 ...

Ligne n°185 : ...同 传 可以 说 是 翻译 任务 的 顶点 ， 除了 要 有 正确 听力 理解 原 句 ， 还 要 在 有限 的 时间 内 转换 为 其他 语言 ， 而且 别 忘 了 讲 者 不 会 给 翻译 任何 等待 的 时间 ， 所以 等
• Ligne n°186 : 于 语音 识别 与 机器 翻译 必须 同步 处理 ， 再 加上 现场 杂音 、 讲 者 的 表达 方式 、 语气词 感叹词 等等 干扰 因素 都 有 可能 会 造成 机器 的 误判 。


• Ligne n°186 : 于 语音 识别 与 机器 翻译 必须 同步 处理 ， 再 加上 现场 杂音 、 讲 者 的 表达 方式 、 语气词 感叹词 等等 干扰 因素 都 有 可能 会 造成 机器 的 误判 。
Ligne n°187 : 就 笔者 看来 ， 腾讯 翻译 君 ， 可 被 指责 的 点 可能 只 是 不够 用功 ， 没有 把 关键 的 专有 名词 录入 ， 这 才 会 发生 “ 一 条 公路 和 一 条 腰带 ” 这 种 “ 经典 错误 ” 。 ...

Ligne n°190 : ...力 还是 在 业界 水平 之上 的 。
• Ligne n°191 : 从 这里 也 可以 看到 一 个 有趣 的 差异 ， 为何 西方 机器 翻译 错 得 离谱 ， 但是 本国 的 机器 翻译 却 几乎 都 能 掌握 原意 ？ 这 是 因为 语言 不 能 脱离 人类 的 使用 场景 而 存


• Ligne n°191 : 从 这里 也 可以 看到 一 个 有趣 的 差异 ， 为何 西方 机器 翻译 错 得 离谱 ， 但是 本国 的 机器 翻译 却 几乎 都 能 掌握 原意 ？ 这 是 因为 语言 不 能 脱离 人类 的 使用 场景 而 存
Ligne n°192 : 在 ， 即 我们 语文 学习 中 常 强调 的 上下文 （ context ） ， 这 来自于 我们 过去 的 文化 、 过去 共 有的 记忆 所 构成 的 ， 没 读 过 唐诗 的 谷歌 自然 无法 理解 这句 ...

Ligne n°192 : ...在 ， 即 我们 语文 学习 中 常 强调 的 上下文 （ context ） ， 这 来自于 我们 过去 的 文化 、 过去 共 有的 记忆 所 构成 的 ， 没 读 过 唐诗 的 谷歌 自然 无法 理解 这句
• Ligne n°193 : 诗 的 精髓 。 语言 会 是 人工 智能 时代 人类 最后 的 壁垒 ， 因为 语言 会 因 人类 的 使用 不断 地 发生 变化 ， 这 是 机器 很 难 完美 替代 的 。
Ligne n°194 : [ DE6FADF078B92C7FFF8A1A3141B8AF6747D75F47_size19_w606_h260.jpeg ] ...

Ligne n°194 : ...[ DE6FADF078B92C7FFF8A1A3141B8AF6747D75F47_size19_w606_h260.jpeg ]
• Ligne n°195 : 随着 技术 进步 ， 终 有 一 天 ， 机器 翻译 会 从 “ 堪用 ” 变成 “ 有用 ” ， 再 进化 至 “ 好用 ” ， 但 就 如同 我 过去 几 篇 文章 的 论点 一样 ， 机器 不 会 抢 了 人类 的 工作 ，


• Ligne n°195 : 随着 技术 进步 ， 终 有 一 天 ， 机器 翻译 会 从 “ 堪用 ” 变成 “ 有用 ” ， 再 进化 至 “ 好用 ” ， 但 就 如同 我 过去 几 篇 文章 的 论点 一样 ， 机器 不 会 抢 了 人类 的 工作 ，
Ligne n°196 : 能 让 人类 失业 的 其实 只有 我们 自己 。 如何 善用 人工 智能 成为 自己 的 工具 ， 把 自己 从 无聊 繁琐 的 工作 中 抽身 ， 这 才 是 面对 未来 的 正确 姿势 。 ...

Ligne n°256 : ...0
• Ligne n°257 : 机器 翻译 正在 消除 语言 障碍 人类 专业 翻译 会 下岗 吗 ？
Ligne n°258 : 澎湃 新闻网 04-22 ...

Ligne n°260 : ...0
• Ligne n°261 : 《 集异璧 》 作者 侯世达 ： 王维 、 杨绛 与 机器 翻译 的 本质
Ligne n°262 : 首都 文化 智库 04-24 ...

Ligne n°264 : ...0
• Ligne n°265 : 机器 翻译 正在 消除 语言 障碍 ， 人类 专业 翻译 会 下岗 吗 ？
Ligne n°266 : 世界 智能 大会 04-22 ...

Ligne n°268 : ...0
• Ligne n°269 : 微软 技术 院士 黄学东 ： 以 人 为师 ， 机器 翻译 达 人类 专业 水平
Ligne n°270 : 澎湃 新闻 04-22 ...