百度翻译10年：世界上第一个语言水平超过200，质量提高30个百分点，每天翻译1000亿字以上-量子比特，
10年后机器翻译系统会有什么变化呢
2011年的时候，TA只能翻译成“中-英”。可是，TA先生10年，在翻译的道持续磨练自己。
发布全球首个互联网神经翻译系统，10年内将翻译质量提升30个百分点（国际评价指标BLEU）
世界上首次突破200种语言的互译，10年内翻译语言数量增加了100倍。
不仅是文本翻译，还可以进行照片、动画、文档、甚至同时发送等变换翻译。
除了在输入框中输入文本进行翻译外，还出现了各种各样的产品，包括翻译应用程序、AI同声传译会议版、同声传译助理、小程序、翻译开放平台等。
而现在的它又变得非常忙碌，在全球每天寻找TA的翻译字数超过千亿，相当于2000部不列颠百科全书，是10年前的10万倍。
此外，Gartner如下所示进行了评论。
是
百度翻译。
因为现在的翻译，有点“怪味”了。
说起翻译的出发点，是10年前只会说英语的网站。
现在的那个，可以说把翻译提高到了一种新的水平。
首先是关于翻译语言，刚才也提到过，百度是世界上第一个突破200语言互译的系统。
不仅表现在语言数量之多，还表现在翻译的难度上。
例如，甚至涉外了“不受欢迎”的语言。以国粹文言文为例，输入“学弈”一节。
翻译能用现代语的形式表现瞬间难的古文。
但是机器要做到这一点并不容易。除了大的语言，大多数语言互译资源都很稀少，AI无法学习足够的知识。
但是百度翻译满足的不仅仅是文本翻译的“多”和“精”。在便利性方面也花了十年。
最近，百度翻译软件更新到10.0版，这里也经常出现“花形翻译”。
它并不是一种输入和翻动文字的简单模式，它还内置了语音、照片、视频和文档等形式。
也就是说，现在想翻译的并不是输入这一简单的东西。
说一句话，拍张照片，再直接发送文档，翻译就完成了。
不仅如此，即使是同传那样的高级翻译，百度翻译也不难保持。
在世界顶级机器翻译大赛WMT（Workshop on Machine Translation）中，他在中英翻译中取得了第一名的成绩。
你会发现，在翻译上花了10年的时间，不仅是横向扩展，也是对每个产品的纵向“自我修炼法”。大家庭现在正在展开树枝。
那么翻译是如何在10年内进步到现在的呢
简单回顾一下机器翻译的进化。
“机器翻译”是在1946年第一台计算机ENIAC诞生的那一年，由信息理论的先驱者美国沃伦韦伯提出的。
从这里开始，机器翻译是“基于规则的方法”的时代。
这种方法，本质上是将专家的翻译知识以规则的形式写出来，然后用软件的方法用翻译规则来实现机器翻译过程。
但是，也有构筑成本和维护成本高，动辄必须重写整个过程的缺点。
从1980年代末到90年代初，IBM提出了机器翻译的另一种方法——统计机器翻译，这开启了机器翻译时代的第二扇门。
与基于规则的机器翻译不同，统计机器翻译将转向数据驱动的机器学习方法，而不是人类编写翻译规则。
最大的好处是，传统的基于规则的手法需要人类专家的手和手，机器可以“自学”人工定义的特征。
翻译服务开始之初，主要使用统计性的机器翻译的手法，不过，同时，为了对应互联网上复杂多样的翻译委托，开发了融合了现有的手法的多战略模型。
2010年成立了开发团队，仅仅一年后就建立了网络版。
然而，统计机器翻译诞生20多年来，发展的瓶颈越来越明显。在经过基于词组的方法、基于语法的方法等一系列技术的迭代后，统计机器翻译逐渐达到了天花板，翻译质量的进一步提高变得困难。
2013年，一项名为“Recurrent Continuous Translation Models”的研究发表了。
随着研究者们提出了新的方法，机器翻译进入了神经机器翻译（NMT）的时代。
这个神经网络的手法确实是理想的“替代品”，但一个非常现实的问题摆在翻译团队面前。
那就是“不值得参考”，就是模特的做法完全是新的，没有经验。
另外，在当时的技术水平上，使用神经网络模型进行机器翻译还是“资源”。
作为提高翻译效果的代价，大量的计算资源被消耗，翻译一个句子需要十几秒的时间。
时间到了2015年，在这样大的背景下，翻译团队，“敢比人先”决定：
从技术上讲，翻译团队针对NMT的缺点，引入了上一代统计机器翻译的特性。
具体来说，将n-gram语言模型、短语列表的特征、长度特征等融合到NMT模型中。
实验结果表明，这种“新旧结合”的方法显著提高了NMT在中英互译中的翻译性能。
“百度”的翻译，从启动到世界上第一个互联网上神经网络机器翻译系统的发布，仅仅用了不到半年的时间。
这比google翻译快了16个月。
但是百度翻译仅此并不满足。
▲Bruno Pouliquen，全球知识产权组织机器翻译负责人，mtsummit-2017，还要做更多方向上的“领导”。为了翻译更多的语言，还提出了“多功能语言翻译”。
该研究提出了一种用于共享编码器的多任务学习神经网络翻译模型，构建了一个基于神经网络的多语言翻译统一框架。
▲共享编码器的翻译模型图这是翻译能够维持203语言互译的关键。
2017年，百度翻译中出现了AI的同时发送功能。
具体提出了语义单元驱动的机器同声传译模式，解决了翻译质量和同时延迟难以兼顾的问题。
同时，百度翻译团队开发了高质量、低延迟的机器同步传输系统，翻译精度超过80%，平均延迟3秒。
百度因为机器翻译的技术领先，翻译的精度也很高。
所以很多国际性的会议、活动都会选择百度翻译作为技术支持。更进了像服贸会、博览会这样的重要活动。
是
然后会出现以下问题：
首先，我们必须明确达成共识，机器翻译是人工智能的终极目标之一，也是AI技术最具挑战性的应用之一。
这就是为什么百度在机器翻译领域不断创新的原因。
但从另一个角度看，百度翻译所做的事，从来没有翻译本身这么简单。
从那十年的发展历程来看，现在的百度翻译已经“变味”了：
这个应该怎么考虑呢。
试着从百度翻译带来的东西理解那个「变味」怎样。
[TA]用户身边的翻译帮手比如交警执法过程中遇到过外国（俄罗斯）朋友的这种情况。
因为他们不会中文，所以沟通成了一个很大的问题。
最终，交警通过翻译能力成功救助外国船员。
此外，在工作中，语言障碍成为获取信息和沟通的障碍。
另一方面，用户可以通过使用百度翻译软件，使交叉语言交流更加顺畅。
但是，这样的服务和体验，即使是残疾人也必须是所有人都应该拥有的体验。
为此，百度翻译还帮助盲人开发者开发盲人操作软件，免费帮助大量盲人用户获得翻译服务。
正是这样的真实故事，百度翻译不仅赋予了翻译工具，还赋予了桥、窗、接受器等意义。
TA虽然支持全球疫情防治，但说实话，比起体验上的这种“怪味”，百度翻译正发挥着更深刻的使命和价值。
例如，在疫情对策方面，百度翻译也发挥了其热度。
法语3M口罩说明书、英语防护服说明书、俄语三层口罩商品检验证书……这些抗瘟疫物资等，没有不需要翻译的工作。
但大家都知道对抗瘟疫不仅任务繁重，而且与时间竞争。
百度翻译肩负着抗疫期间翻译的重担，仅仅用了两天时间就构建了高效易用的定制翻译工具，免费向志愿者团队开放。
◆多语言防疫视频TA服务于国家需要，为语言间交流铺路，以及百度为翻译而做，仍然符合国家需要。
国家在第二届“一带一路”国际合作高峰论坛上提出以下建议：。
而且，跨语言交流是实现这一目标的关键。
百度翻译10年来，在翻译语言增长100倍的情况下，沿着“一带一路”沿线国家，逐步拓展跨语言翻译。
很容易看出，这也是与国家乃至世界发展相对应的互联互通大趋势。
放眼当今，百度翻译仍然“怪味”，翻译这件事需要转变为生产性。
但是，翻译这件事任重而道远。拿到许多“世界第一”的百度翻译还有很长的路要走。
在接下来的时间里，百度翻译将在技术和价值方面带来怎样的提升，我们拭目以待。