翻栗子量子位 出品 |
昨天，Yann LeCun大神发推宣布，Facebook的两个无监督翻译模型，开源了。
所谓无监督，便是不需要双语对照文本，只用单语语料库 (Monolingual Corpora) 来训练AI的翻译能力。
登上了EMNLP 2018
此次开源的两个模型，一个是基于短语的翻译模型 (PBSMT) ，另一个是神经翻译模型 (NMT) 。
△ 三步如B)C)D)
二者都经历了以下三个步骤：
1.参数初始化
2.语言建模，有去噪效果
3.回译，自动生成双语对照
由此，即便没有双语语料库作为训练数据，AI依然能够学会翻译。
用WMT’14英法和WMT’16德英两个常用基准，评估模型的表现。结果，两个模型的BLEU分值，皆远远高过了此前表现最好的模型。
△ 28.1是引入回译之后的分数
加上回译的PBSMT，几乎比前辈的成绩提升了一倍。NMT的表现也不差。
论文中写到，除了性能更强之外，Facebook团队的模型也更简单，超参数比较少。
两只骄傲的AI翻译官，登上了EMNLP 2018。
代码，终于开源了
NMT和PBSMT两个模型的代码实现，都在GitHub上面了。
NMT：
NMT代码实现支持以下功能。
· 三种机器翻译架构：seq2seq，biLSTM+注意力，Transformer
· 在不同模型、不同语言之间，共享参数
· 去噪自编码器的训练
· 双语对照数据训练
· 反向双语对照训练
· 即时多线程生成反向对照数据
△请注意科学烫手
还有一些论文里面没用到的功能，比如：
· 任意数量的语种
· 语言模型预训练/共同训练，参数共享
· 对抗训练
PBSMT：
PBSMT代码实现支持以下功能。
· 无监督的短语表 (phrase-table) 生成脚本
· 自动Moses训练
△ 这只鸡可能很暴躁
请开始，你的翻译
要训练自己的AI翻译，你需要以下工具：
Python 3
NumPy
PyTorch
Moses（用来清洁和标记化文本/训练PBSMT模型）
fastBPE（用来生成并应用BPE代码）
fastText（用来生成嵌入）
MUSE（用来生成跨语言嵌入）
准备好了的话，就开始吧。
△ 违规者放心，不会有事的
GitHub传送门：
https://github.com/facebookresearch/UnsupervisedMT
论文传送门：
https://arxiv.org/pdf/1804.07755.pdf
△ 字幕组卖萌最为致命
