大数据文摘：“细节狂魔”搞定方言文言文，谷歌翻译被碾压！全球首个翻译引擎进化归来( 三 ) 大数据文摘出品

但真正重要的是Linguee的技术积累， Linguee的联合创始人GereonFrahling之前就在谷歌研究院工作， 2007年，他选择开启新的征程，团队数年来一直致力于机器翻译，直到2016年，他们才开始全力开发全新的系统，建设新公司，也就是DeepL 。
【大数据文摘：“细节狂魔”搞定方言文言文，谷歌翻译被碾压！全球首个翻译引擎进化归来】Linguee的核心竞争优势就是爬虫和机器学习系统，前者能够抓取互联网上超过10亿句翻译结果和查询的大型数据库，后者在网页上搜索相似片段的真实翻译方法并对其评估，两者结合使Linguee成为了当时“世界上首个翻译搜索引擎” 。
十年积累下来， Linguee无论在数据和对算法的研究上都不可小觑，而这也直接成为DeepL的绝对优势，为团队训练新模型打好了坚实的基础。

文章图片
DeepL变革性的神经架构在冰岛的一台超级计算机上运行，该计算机能力为5.1petaFLOPS（每秒5100万亿次操作），不到一秒内能翻译100万单词。 “冰岛可再生能源丰富，因此我们可以在这里用非常低廉的成本训练我们的神经网络。我们将继续专注于高性能硬件” ， DeepL的CTOJaroslawKutylowski说。
“我们的神经网络架构已经实现了多个显著改善” ， GereonFrahling表示， “通过用不同的方式安排神经元及其连接，我们的网络比目前其他神经网络更全面地映射自然语言。 ”
大学、研究机构和Linguee的竞争对手发布的研究进展表明，卷积神经网络才是机器翻译的正确道路，而非DeepL之前使用的循环神经网络，但现在不是探讨二者区别的时候，对于相关词语的长、复杂字符串，只要你能够控制其弱点，卷积神经网络效果会更好。
例如， CNN一次处理一个单词，当句末单词决定句首单词的形成时，这就成了问题。查找整个句子寻找句首单词，如果网络获取到的第一个单词是错误的，就太浪费了，还得使用该知识重新开始，因此DeepL和机器学习领域的其他机构在CNN转向下一个单词或词组时，使用能够监控此类潜在问题的“注意力机制”来解决。
DeepL在最新版本增加了对日语和中文（简体）的支持，包括日语汉字，平假名和片假名以及数千个汉字。目前， DeepL支持的语言数量增加到11种，虽然语言支持不如其他翻译服务广泛，如GoogleTranslate和BingMicrosoftTranslator均支持一百多种不同的语言，但翻译精度也是不可忽视的关键点。
掌握多国语言的Techcrunch编辑Frederic曾这么评价DeepL：“谷歌翻译的风格非常直接，但却错过了一些细节和习语（或者把这些习语翻译错了），而DeepL经常可以提供更加自然的翻译效果，就像训练有素的人类翻译一样。 ”

文章图片
说了这么多，还是那句话，真真假假还是自己试了才知道，有兴趣的同学可以亲自动手试试，要是遇到什么好玩的翻译结果还记得告诉文摘菌噢~
最后，官网链接双手奉上：
https://www.deepl.com/translator
点「在看」的人都变好看了哦！