谷歌在11月宣布,它将使用一种被称为神经机器翻译的人工智能技术完全改变谷歌翻译理解语言的方式,此举的最终目标是创建一个通用语言翻译器。
今天,公司在另外三种语言——印地语,俄语和越南语——上使用了该系统,此举使其更接近该公司的愿景。
即使对于计算机来说,翻译语言也很难。谷歌翻译一直是一项令人印象深刻的技术,但它的翻译很少能够像自然的说话者那么流利,特别是对于更大的文本块来说更是如此。谷歌表示神经机器翻译正在改变这种局面,不仅让谷歌翻译能够更好地理解语言,还能够创建更自然的翻译。
谷歌翻译以前采用了基于短语的机器翻译方式,这种方式会把句子分解成短语,并单独翻译每个部分。虽然每个部分本身的翻译可能是准确的,但当它们被重新组合成一整个句子,就并不是总能够按照适当的方式表达意思了。对于以这种语言为母语的人来说,短语和句子的结构听起来会有点奇怪,即使他们能够大概理解句子的意思。
谷歌翻译(Google Translate)的产品主管Barak Turovsky解释说:“神经翻译比我们之前的技术好多了,因为我们一次性翻译整个句子,而不是句子的一部分。” Barak Turovsky 表示,“这使得翻译通常更准确,更接近人们说语言的方式。”
神经机器翻译试图采用和人类更类似的方式去理解句子,通过消化上下文的线索能够更好地掌握整个句子的意思。谷歌在其研究博客上指出,他们对于从中文到英文的翻译进行了测试,对于相同的文字,神经翻译的错误比基于短语的翻译的错误减少了55%到85%。谷歌承认神经翻译“依然可能会犯下人类翻译永远不会犯的重大错误”,但是该公司将这种方法称为机器翻译发展的一个“重要里程碑”。
Turovsky表示,谷歌将在未来几周内在另外几种语言上推出其改进后的人工智能翻译,而且谷歌希望最终将其推广到谷歌翻译支持的所有103种语言上。
好文章,需要你的鼓励
Adobe 周二宣布推出适用于 Android 系统的 Photoshop 应用测试版,提供与桌面版相似的图像编辑工具和 AI 功能,初期免费使用,旨在吸引更多偏好手机创作的年轻用户。
弗吉尼亚大学研究团队开发了TruthHypo基准和KnowHD框架,用于评估大语言模型生成生物医学假设的真实性及检测幻觉。研究发现大多数模型在生成真实假设方面存在困难,只有GPT-4o达到60%以上的准确率。通过分析推理步骤中的幻觉,研究证明KnowHD提供的基础依据分数可有效筛选真实假设。人类评估进一步验证了KnowHD在识别真实假设和加速科学发现方面的价值,为AI辅助科学研究提供了重要工具。
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
亚马逊Nova责任AI团队与亚利桑那州立大学共同开发了AIDSAFE,这是一种创新的多代理协作框架,用于生成高质量的安全策略推理数据。不同于传统方法,AIDSAFE通过让多个AI代理进行迭代讨论和精炼,产生全面且准确的安全推理链,无需依赖昂贵的高级推理模型。实验证明,使用此方法生成的数据训练的语言模型在安全泛化和抵抗"越狱"攻击方面表现卓越,同时保持了实用性。研究还提出了"耳语者"代理技术,解决了偏好数据创建中的困难,为直接策略优化提供了更有效的训练材料。