新闻中心

排序方式

NeurIPS 2019丨推敲网络+soft原型序列,带来轻便又精准的机器翻译

机器翻译模型生成序列通常采用单阶段解码过程,不能很好地应用目标端的全局信息。微软亚洲研究院提出了一个引入 soft 原型序列的框架来充分利用目标端的全局信息,让基于推敲网络[1]的机器翻译模型在精度无损的情况下模型更小,速度更快,翻译结果更准确。

发布时间:2019-12-04 类型:深度文章

EMNLP 2019 | 大规模利用单语数据提升神经机器翻译

目前,目标语言端的无标注单语数据已被广泛应用于在机器翻译任务中。然而,目标语言端的无标注数据一旦使用不当,反而会给模型结果带来负面影响。为了有效利用大规模源语言端和目标语言端的单语数据,微软亚洲研究院在 EMNLP 2019 上发表的论文中,提出一种简单的语料数据使用流程,只需要四个步骤就能极大地提高模型翻译结果。

发布时间:2019-11-12 类型:深度文章

EMNLP 2019丨微软提出显式跨语言预训练模型CMLM,显著提升无监督机器翻译性能

现有预训练模型的跨语言信息只通过共享 BPE 空间得到,这样得到的跨语言信号隐式而且受限。微软亚洲研究院提出了一种跨语言掩码语言模型(Cross-lingual masked language model,CMLM),可以显式地将跨语言信息作为训练信号,显著提升预训练模型的跨语言建模能力,进而提升无监督机器翻译的性能。

发布时间:2019-11-07 类型:深度文章

机器翻译进化到哪一步了?

如果你是英语四级或六级的水平,同样翻译几句话,机器翻译可能比人完成得还要好。机器翻译作为人工智能研究的重要课题之一,在近些年得到了快速发展。机器翻译目前可以达到什么样的水平?发展过程中会遇到哪些挑战?未来又将如何发展?请看周明博士给出的答案。

发布时间:2019-03-19 类型:深度文章

没有AI芯片,你的手机也能实现离线神经网络机器翻译

去年10月份,微软跟华为合作,首先在具有AI芯片的Mate 10手机上实现了AI驱动型离线翻译功能。现在,Microsoft Translator将这一功能扩展到所有安卓、iOS和亚马逊Fire设备,最新的离线神经网络机器翻译语言包将离线翻译效果提升了23%。Microsoft Translator还为安卓开发人员提供了新的本地功能预览版,帮助他们更加快速、轻松地将AI文本翻译功能整合到应用程序中。

发布时间:2018-04-19 类型:深度文章

人工智能为听障学生打造全新课堂

对于听障学生来讲,如果能紧跟老师课堂的节奏、尽快掌握知识该有多么幸福!最近,Microsoft Translator就走进了大学课堂,不仅能将老师的口语转化为实时字幕,还能将翻译的文字结果保存在手机中,帮助学生们轻松学习。

发布时间:2018-04-17 类型:深度文章

微软人工智能又一里程碑:微软中-英机器翻译水平可“与人类媲美”

今天,微软研究团队宣布其研发的机器翻译系统在通用新闻报道测试集newstest2017的中-英测试集上达到了人类水平。这个系统模型包含了由微软亚洲研究院研发的对偶学习、推敲网络、联合训练和一致性规范技术。机器翻译是自然语言处理领域最具挑战性的研究任务之一,我们相信新技术的应用会让机器翻译的结果日臻完善,并且催生更多人工智能技术应用的突破。

发布时间:2018-03-14 类型:深度文章

NIPS 2017线上分享:利用价值网络改进神经机器翻译

机器学习领域顶会NIPS 2017将于12月4号至9号在美国加州长滩举办。微软亚洲研究院的多篇论文入选了本次大会。上周,中国科学技术大学-微软联合培养博士生夏应策应邀参加机器之心优质论文线上分享活动,就其中一篇有关神经机器翻译的入选论文进行了详细讲解。一起来看看吧

发布时间:2017-11-22 类型:深度文章

华为Mate 10牵手Microsoft Translator,让离线翻译可媲美在线神经网络翻译

日前,华为新发布的Mate 10手机系列采用Microsoft Translator技术实现了AI驱动型离线翻译功能。华为Mate 10是首款具有NPU(专用神经处理单元)的手机,可用于加速AI的计算任务。它独有的硬件加速能力,结合Microsoft Translator在神经网络离线文本翻译方面的技术成果,为用户提供了业界独一无二的离线语言体验:无需互联网连接即可实现神经网络翻译功能。

发布时间:2017-10-23 类型:深度文章