8月初，搜狗CEO王小川的一封內(nèi)部郵件講到，搜狗即將赴美IPO，也將搜狗帶到了互聯(lián)網(wǎng)圈議論的焦點。
而近期搜狗語音交互中心機器翻譯團隊也取得了優(yōu)異的成績，在國際頂級機器翻譯比賽WMT(Workshop on Machine Translation) 2017種獲得人工評測的中英和英中機器翻譯比賽雙向冠軍。
(WMT機器翻譯比賽得分表，第一個即為搜狗團隊的機器翻譯系統(tǒng))
WMT是機器翻譯領(lǐng)域的國際頂級評測比賽之一，從2006年開始到現(xiàn)在一共舉辦了12屆機器翻譯比賽。它由國際機器翻譯研討會面向新聞領(lǐng)域，提供統(tǒng)一數(shù)據(jù)集，采取機器測評和人工評分兩種測評方式，并將結(jié)果以競賽的形式呈現(xiàn)。作為今年新聞機器翻譯任務的7個語言之一，中譯英、英譯中是今年新增的兩個方向，訓練數(shù)據(jù)為800萬~900萬。共有20支團隊提交了中譯英翻譯系統(tǒng)、15支團隊提交了英譯中翻譯系統(tǒng)，參賽團隊包括美國約翰霍普金斯大學、美國空軍研究實驗室、加拿大國家研究院、(英)愛丁堡大學、中國中科院計算所、廈門大學等。
搜狗機器翻譯團隊的獲獎代表搜狗在人工智能方面的最新進展，而王小川此前也曾提到今年是搜狗人工智能技術(shù)從前沿科技到走向?qū)嵱玫闹匾荒辍Ｄ敲此压非把丶夹g(shù)應用到了哪些領(lǐng)域?在語音交互大入口下又有哪些布局?
智東西同搜狗語音交互中心技術(shù)總監(jiān)陳偉以及機器翻譯技術(shù)負責人王宇光展開對話，看看這家靠輸入法而知名的公司在人工智能中有哪些新進展。
組建機器翻譯團隊實現(xiàn)跨語言交流
搜狗的核心主要包括兩個事業(yè)部，一個是桌面事業(yè)部，一個是搜索事業(yè)部。陳偉和王宇光所在的語音交互中心則在桌面事業(yè)部下面，而搜狗語音交互中心也是搜狗人工智能技術(shù)的代表。
恰逢搜狗在2012年成立語音識別團隊，陳偉便加入了搜狗，而其在博士期間主攻的就是語音識別。目前圍繞語音和輸入法的結(jié)合，搜狗輸入法一天的語音識別請求已高達3億次，是國內(nèi)最大的語音單品APP，也顯示了搜狗在語音識別方面的進展。
除了語音識別之外，圍繞搜狗的人工智能戰(zhàn)略，語音交互中心開始做自然交互。語音技術(shù)部圍繞自然交互，逐漸轉(zhuǎn)移到多模態(tài)輸入上(人機交互中讓機器理解人的信息，包括語音、文本、圖像等方式)。除了語音識別外，語音技術(shù)部還做了語音合成、聲紋識別、語音分析(語種)等技術(shù)研究，隨著從近場的手機向遠場的電視、音箱發(fā)展，該部門也具有了自己的麥克風陣列的硬件能力，形成了較為閉環(huán)的語音能力。
在這個基礎(chǔ)上，作為一款人與人交流、表達信息的輸入法產(chǎn)品，搜狗希望用戶能夠幫用戶實現(xiàn)跨語言交流，因此就做了機器翻譯，以及基于語音識別和機器翻譯做了搜狗機器的同聲傳譯。
此外，圍繞自然交互，語音技術(shù)部也在做手寫和圖像方面的研究，語音+圖像+文本的能力都已具備，在加上語義理解團隊，就是一個完整的知音引擎。未來，搜狗知音也將會成為一個開放平臺，輸出一整套軟硬件相結(jié)合的語音交互方案，并將逐漸把搜狗知音OS的能力標準化，輸出到最適合的場景。
依托數(shù)據(jù)優(yōu)勢構(gòu)建機器翻譯技術(shù)壁壘
而本次WMT比賽中獲獎的機器翻譯團隊也在語音技術(shù)部下。隨著2014年機器翻譯從SMT(統(tǒng)計機器翻譯)往NMT(神經(jīng)網(wǎng)絡機器翻譯)遷移，搜狗語音技術(shù)部門便做基于神經(jīng)網(wǎng)絡技術(shù)的機器翻譯，并在2016年成立機器翻譯團隊。
機器翻譯團隊從一開始就發(fā)力神經(jīng)機器翻譯技術(shù)，用了不到半年的時間把技術(shù)打磨好，使用在搜狗輸入法上，輸入法中的語音翻譯和文本翻譯上線以來日均請求量已達200萬次。之后在去年11月份世界互聯(lián)網(wǎng)大會上，語音技術(shù)部便將已有的語音技術(shù)和機器翻譯技術(shù)相結(jié)合，推出了機器同傳技術(shù)，目前已經(jīng)在多場重要會議場中使用。
以中英文的機器同傳為例，它大致需要將搜集來的中文語音信息經(jīng)過語音斷句，獲得小的語音片段，然后會送到語音識別中獲得文本，此時需要對文本進行一些順滑處理，將這個經(jīng)過語音識別后的處理文本送到端到端的神經(jīng)網(wǎng)絡(目前機器翻譯的主流方法)，通過翻譯器進行語音翻譯。
在機器翻譯中，各家公司使用的算法類型基本是一樣的，但是同樣的數(shù)據(jù)效果卻相差很多。對于搜狗來講，重要的問題有兩個，一個是怎么用好數(shù)據(jù)(比如單語數(shù)據(jù))，另一個是找到最合適的數(shù)據(jù)(甄選數(shù)據(jù))。此外，搜狗機器翻譯團隊也在針對翻譯里面的實體進行優(yōu)化，包括多翻漏翻、數(shù)字等細節(jié)問題。
那么剛剛成立1年多的機器翻譯團隊，相比其他機器翻譯團隊、或者科大訊飛，搜狗的優(yōu)勢何在?智東西了解到，一方面是人才，搜狗主做機器翻譯的員工經(jīng)驗大都在5年以上;第二，語音識別中有許多經(jīng)驗可以借鑒，依托于之前語音團隊的技術(shù)優(yōu)勢，對機器翻譯幫助也很大;第三，搜狗在輸入法的場景下面積累大量的用戶數(shù)據(jù)，可以快速把數(shù)據(jù)壁壘做起來，而算法是很難形成壁壘的。
2012年之后，原有統(tǒng)計機器翻譯上的技術(shù)框架逐漸被推倒，需要從新布局新的技術(shù)框架。再加上搜狗有國內(nèi)最大的輸入法，在這方面積累的語音數(shù)據(jù)量比科大訊飛還要多。難怪陳偉稱搜狗在機器翻譯方面與科大訊飛是持平的或是有優(yōu)勢的。
就機器同傳而言，目前搜狗的語音識別率已達97%，而機器翻譯的準確率則要略低一些，這也是業(yè)界的難題。機器翻譯最難的部分在于盲傳，翻譯本身是嚴重依賴上下文的，而機器翻譯卻沒有任何背景知識。此外機器同傳也要盡可能的做到低延遲，搜狗在這方面已經(jīng)把延遲控制在2、3秒以內(nèi)。
而搜狗機器同傳接下來的發(fā)展，一方面需要保證穩(wěn)定的語音識別率，比如噪音場景下;另一方面是機器翻譯如何能更好的找到一個完整的語譯邊界。同傳系統(tǒng)最核心的就是建立一個連接語音識別和機器翻譯文本的處理系統(tǒng)，這個處理系統(tǒng)可以接收語音識別的結(jié)果，去做容錯。此外，就是如何處理更多口語化的表達，如“這個”、“那個”，以及如何斷句問題，確保翻譯出來的是一個完成的語義句子。當這些問題都解決的時候，機器同傳的效果才會提升很多。
結(jié)語：搜狗語音交互入口下的布局
機器翻譯是搜狗重點布局的一個方向，也是一個差異化的優(yōu)勢所在。但搜狗的人工智能并未止步于此，圍繞著語音交互入口，搜狗在更多領(lǐng)域，甚至在智能硬件方面都會有進一步的進展。目前搜狗技術(shù)落地的產(chǎn)品主要包括搜狗輸入法、搜狗同傳、搜狗聽寫等產(chǎn)品。
在2014年前后，搜狗也做過手機中的語音助手APP，但后來項目被停滯。搜狗也從中獲取經(jīng)驗，“一個產(chǎn)品做的好不好，要看你的產(chǎn)品邊界定的清不清楚，技術(shù)能力能不能達到產(chǎn)品需求”。在這種情況下，搜狗將深耕車載和家居兩個方向的語音交互。
目前搜狗在和四維圖新做車載設(shè)備中的人機交互，跟小米電視、創(chuàng)維電視等合作打磨語音交互技術(shù)，預計未來將會有更多打造搜狗語音技術(shù)的智能硬件產(chǎn)品發(fā)布。
下載文檔
