Facebook开源ConvNetAI：重新定义在线翻译

Facebook已选定ConvNet作为未来翻译工作的基础。毫无疑问，ConvNet将在用户在Facebook社交网络上进行交流这方面发挥积极的作用。

Facebook的ConvNet AI翻译方法比目前使用循环神经网络（RNN）的领先的AI方法快9倍、更准确，而且能够更好地本地化翻译。

据Facebook AI研究中心（FAIR）声称，语言翻译对于支持Facebook打造更开放、更互联的世界这一使命而言很重要。对于每个月使用媒体和营销翻译的8亿Facebook用户来说，这完全是个好消息。正是由于ConvNet的研发工作，与世界各地的亲朋好友共享内容变得容易了许多。

卷积神经网络与循环神经网络

早在2014年Facebook选派纽约大学的雅恩?乐坤（Yann LeCun）教授掌管其新的AI实验室FAIR时，就在语言识别AI技术方面走上了一条不同的道路。乐坤在卷积神经网络（ConvNet或CNN）领域颇见功底，继续潜心研究这种网络应用于诸多AI场景的方式，而业内其他许多人士认为他们未能兑现更快速地处理视觉信息这个承诺。

虽然Facebook和乐坤致力于开发ConvNet，但这个技术垂直领域的其他许多人将精力投入于人工循环神经网络（RNN），这种AI使用内部记忆（internal memory）来处理任意序列的输入。由于这种序列的输入，在语言翻译方面，RNN的AI系统每次处理一个句子中的一个单词。它先翻译好句子中的第一个单词，之后再翻译或预测目标语言的下一个单词。

该系统最初被认为是语言识别和市场营销翻译的更佳选择，因为其准确性高于未充分发展起来的同类技术：ConvNet。

ConvNet：更适合GPU

ConvNet充分利用了计算机的GPU（计算机系统的一部分，它是速度更快、功能更强的主力计算部件），因为它可以并行处理许多不同的任务。这使得GPU成为了ConvNet AI翻译的最佳搭档，可以同时处理句子中的所有单词。这使得它能够捕获数据中的复杂关系，这里的数据是指自然语音和输入的消息。

由于RNN依赖以线性方式工作：从左到右，或从右到左，每次翻译一个单词，所以它无法充分利用GPU并行化机制。相反，它更依赖你的CPU：计算机中速度较慢，但“更聪明”的部件。

由于采用了更好地管理数据处理的这种方法，Facebook和乐坤研发的ConvNet对于改进语言之间的翻译、处理全世界所有6909种语言而言极其出色。

ConvNet：翻译的未来

不难明白为什么Facebook选择ConvNet作为未来翻译工作的基础。毫无疑问，ConvNet将在用户在Facebook社交网络上进行交流这方面发挥积极的作用，还有可能影响对翻译有兴趣的其他公司：WhatsApp、Instagram甚至可能Oculus VR。

ConvNet翻译对Facebook来说的另一个好处是，它能够实时研究语言。每当你要求翻译讲西班牙语的朋友所发的帖子，你都

在教算法如何更准确地翻译，并帮助算法了解目前的语言使用情况。

由于Facebook倾向于分享其AI研究成果，他们已完成的ConvNet语言翻译研究成果已经通过其开源代码网站给其他人享用。这让不同的用户得以充分利用Facebook在AI翻译领域的这些突破性发现。