美国当地时间3月14日,微软公司的研究人员透露,他们已经开发出了能够一种能够翻译文本的人工智能,它翻译的准确性可以与人类相媲美。
该系统由三个独立的团队构建,旨在将中文新闻文章的句子翻译成英文。它结合了几种新兴的神经网络方法以达到人类的准确性,其中包括微软专门为该项目开发的一些方法。
黄学东(音译:Xuedong Huang)(如图)是负责微软语音、自然语言和机器翻译工作的技术专家,他表示该系统是这个最具挑战的自然语言处理任务中的一个“重要里程碑”。他表示:“让机器翻译能够达到人类的水平是我们所有人的梦想。”他说:“只是我们没有意识到我们能够这么快就实现这一点。”
这个系统在将英文文本翻译成中文的时候,用到了一种被称为双重学习的方法。这种方法提供了一种参考,让人工智能可以检查自己的准确性并从错误中学习。同样是微软发明的另一项技术让这个系统能够通过重复来优化翻译的内容,这种方法类似于人类修改自己写作内容的方式。
该公司已经证明,这个系统可以通过翻译来自被称为newstest2017的研究数据集中的文本达到人类的翻译准确度。测试包含了多轮评估,每一轮评估都会查看人工智能翻译的几百个句子。根据微软的说法,一个由外部语言学家组成的团队将人工智能翻译的结果和人类的翻译结果进行比对,以此进行验证。
让说英语的人能够看懂用中文写就的新闻文章还只是冰山一角。微软计划利用这项创新技术,让这个系统能够在其他语言的翻译上也达到人类的准确度,并将其纳入到该公司的产品之中。
该公司提供了类似于谷歌翻译的免费翻译服务,还有面向企业的商业版本。而且,微软在星期一还透露了计划推出为其团队聊天服务推出内联翻译功能,这样一来,使用不同语言的专业人员就可以更轻松地进行沟通了。
这个新的人工智能系统的技术理论上说也可以应用于语音,但是微软的研究人员周明(音译:Ming Zhou)表示,实时翻译仍然是一个挑战,这个问题还有待解决。无论如何,该公司已经表明人工智能能够媲美人类准确度的这一事实代表了这个研究方向上的一个重大里程碑。
这一事实也标志着微软最近在深度学习领域获得的一系列突破性的成果。此前,该公司开发的人工智能在一项斯坦福大学的阅读测试中达到了人类参与者的平均水平,此项测试被用于评估神经网络的基准。这一成就比来自中国的网络巨头阿里巴巴集团控股有限公司的团队晚了一天,那个团队是首个在该测试中达到这个里程碑的团队。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。