如今，计算机技术渗透人们生活的方方面面，而要说对我们工作学习帮助极大的，机器翻译（Machine Translation）必须榜上有名。

近年来随着计算机技术的不断提高、AI 系统的日益精进，机器翻译一直为人们所质疑的质量问题，也有了非常显著的改善。其中，神经机器翻译（Neural Machine Translation）技术所作的贡献与创新也是一大研究热点。

近日，清华大学计算机系与智能产业研究院的机器翻译研究团队发表了一篇关于神经机器翻译技术的最新综述论文，文章对神经机器翻译方法进行回顾，并阐释了 NMT 系统的三个关键性问题：

  • 建模（modeling），即如何设计神经网络来对条件分布建模？
  • 推理（inference），即给定源输入，如何从 NMT 模型生成翻译句子？
  • 学习（learning），即如何有效地从数据中学习 NMT 所需的参数？

文章重点介绍了与体系结构、解码和数据增强有关的方法，总结了对研究人员有用的资源和工具。最后，还讨论了该领域未来可能的研究方向。智源学者、清华大学计算机系教授、欧洲科学院外籍院士孙茂松与清华智能产业研究院副院长、国家杰青刘洋是该论文的两位教师作者。

该论文以 “Neural machine translation: A review of methods, resources, and tools” 为题发表在专注 AI 开放获取的新期刊 AI OPEN 上。

详情可以戳原文。

内容中包含的图片若涉及版权问题，请及时与我们联系删除