Facebook已選定ConvNet作為未來翻譯工作的基礎。毫無疑問，ConvNet將在用戶在Facebook社交網(wǎng)絡上進行交流這方面發(fā)揮積極的作用。

Facebook的ConvNet AI翻譯方法比目前使用循環(huán)神經(jīng)網(wǎng)絡（RNN）的領先的AI方法快9倍、更準確，而且能夠更好地本地化翻譯。

據(jù)Facebook AI研究中心（FAIR）聲稱，語言翻譯對于支持Facebook打造更開放、更互聯(lián)的世界這一使命而言很重要。對于每個月使用媒體和營銷翻譯的8億Facebook用戶來說，這完全是個好消息。正是由于ConvNet的研發(fā)工作，與世界各地的親朋好友共享內(nèi)容變得容易了許多。

卷積神經(jīng)網(wǎng)絡與循環(huán)神經(jīng)網(wǎng)絡

早在2014年Facebook選派紐約大學的雅恩•樂坤（Yann LeCun）教授掌管其新的AI實驗室FAIR時，就在語言識別AI技術方面走上了一條不同的道路。樂坤在卷積神經(jīng)網(wǎng)絡（ConvNet或CNN）領域頗見功底，繼續(xù)潛心研究這種網(wǎng)絡應用于諸多AI場景的方式，而業(yè)內(nèi)其他許多人士認為他們未能兌現(xiàn)更快速地處理視覺信息這個承諾。

雖然Facebook和樂坤致力于開發(fā)ConvNet，但這個技術垂直領域的其他許多人將精力投入于人工循環(huán)神經(jīng)網(wǎng)絡（RNN），這種AI使用內(nèi)部記憶（internal memory）來處理任意序列的輸入。由于這種序列的輸入，在語言翻譯方面，RNN的AI系統(tǒng)每次處理一個句子中的一個單詞。它先翻譯好句子中的第一個單詞，之后再翻譯或預測目標語言的下一個單詞。

該系統(tǒng)最初被認為是語言識別和市場營銷翻譯的更佳選擇，因為其準確性高于未充分發(fā)展起來的同類技術：ConvNet。

ConvNet：更適合GPU

ConvNet充分利用了計算機的GPU（計算機系統(tǒng)的一部分，它是速度更快、功能更強的主力計算部件），因為它可以并行處理許多不同的任務。這使得GPU成為了ConvNet AI翻譯的最佳搭檔，可以同時處理句子中的所有單詞。這使得它能夠捕獲數(shù)據(jù)中的復雜關系，這里的數(shù)據(jù)是指自然語音和輸入的消息。

由于RNN依賴以線性方式工作：從左到右，或從右到左，每次翻譯一個單詞，所以它無法充分利用GPU并行化機制。相反，它更依賴你的CPU：計算機中速度較慢，但“更聰明”的部件。

由于采用了更好地管理數(shù)據(jù)處理的這種方法，F(xiàn)acebook和樂坤研發(fā)的ConvNet對于改進語言之間的翻譯、處理全世界所有6909種語言而言極其出色。

ConvNet：翻譯的未來

不難明白為什么Facebook選擇ConvNet作為未來翻譯工作的基礎。毫無疑問，ConvNet將在用戶在Facebook社交網(wǎng)絡上進行交流這方面發(fā)揮積極的作用，還有可能影響對翻譯有興趣的其他公司：WhatsApp、Instagram甚至可能Oculus VR。

ConvNet翻譯對Facebook來說的另一個好處是，它能夠實時研究語言。每當你要求翻譯講西班牙語的朋友所發(fā)的帖子，你都

在教算法如何更準確地翻譯，并幫助算法了解目前的語言使用情況。

由于Facebook傾向于分享其AI研究成果，他們已完成的ConvNet語言翻譯研究成果已經(jīng)通過其開源代碼網(wǎng)站給其他人享用。這讓不同的用戶得以充分利用Facebook在AI翻譯領域的這些突破性發(fā)現(xiàn)。