Google 台湾董事总经理简立峰说，Google 翻译比以前好用太多了！就算有人恶作剧，刻意在“提出修改建议”字段写下错的翻译，也不会影响系统的运作。
简立峰解释，Google 翻译有学习及数据库的功能，不断累积经验，错误也是一种经验，除非几乎所的人都在“修改建议”栏写下一模一样的错误，才会积非成是，但事实上这种情况并不可能发生。
他认为，虽然简体中文、繁体中文有些相同的字词有着不同的意义，或相同的字已衍生出新的意义，但因简体、繁体中文语法相同，在机器翻译上仍采用一套系统，可视为专有名词，透过学习建立数据库来校正。
其实不只简体中文、繁体中文的语法相同，他透露，日文、韩文在机器翻译上也可算是语法相同，用同一套系统。
他指出，机器学习是很重要的议题，大家在讨论 Google 翻译的学习功能之际，也会联想到人工电脑 AlphaGo 打败真人世界棋王。现在也有人提出让 AlphaGo 打 AlphaGo，学习能力可以更快的说法，就像是金庸小说“华山论剑”里全真派的周伯通，用自己的左手和右手对打，使出的“左右互搏”。
Google 翻译的发展进程快速，10 年前，Google 推出翻译服务，并以词组式机器翻译（Phrase-Based Machine Translation）做为主要运算方式。从过去仅支援几种语言，到现在可支援 103 种语言，且每天翻译超过 1,400 亿个单词，Google 翻译的品质有了很大的进展。
数年前，Google 采用递归神经网络（Recurrent Neural Networks）将句子视为一个单位进行翻译，之后的词组式机器翻译方式（PBMT），则是将句子切割成单独的字和词组做独立翻译。
过去，为翻译任意两种语言，Google 需要建构多个不同的翻译系统，运算成本相当可观。相较于过去的词组机器学习（PBMT），神经机器翻译（NMT）仅需要较少的系统架构设计。刚开始推出神经机器翻译时，这两种翻译方式的精准度不相上下。
为改善 NMT 翻译品质，研究人员提出许多技术来解决，这当中包括透过模拟调校模型（external alignment model） 处理罕见字词、使用“注意”（attention） 来对准输入词和输出词，以及将词拆解成更小的单元以应对罕见字词等。
Google 神经机器翻译（GNMT） 将中文句子翻译成英文句子的过程，透过编码器（Encoder） ，首先，GNMT 将中文句子的每一个单词进行向量（vector） 编码，而每个向量将显示出目前为止单词被读取到的所有意义。
在读取完整句子后，解码器（Decoder） 就会开始运作，一次产生一个英语句子中的一个词。
注意功能是为了每一步都产出正确的词，解码器将针对编码中文向量里最相关的英文单词权重分布（weighted distribution） 进行解码。
（作者：潘智义；首图来源：shutterstock）
