我是廣告 請繼續往下閱讀
其中，「對偶學習」效果就好像是通過自動校對來進行學習，如把訓練集中的一個中文句子翻譯成英文之後，系統會再翻譯回中文與原始中文句子進行比對，進而成為有用的回饋資訊，對機器翻譯模型進行修正。而「推敲網路」則類似於人們寫文章時不斷推敲、修改的過程，使翻譯品質大幅提升。
而不論是「對偶學習」還是「推敲網路」皆可自動再學習優化翻譯水準。團隊想要證明的是：當一種語言對（比如中英）擁有較多的訓練資料，且測試集中包含的是常見的大眾類新聞詞彙時，那麼在人工智慧技術的加持下機器翻譯系統的表現可以與人類媲美。
微軟技術院黃學東指出，這是對自然語言處理領域最具挑戰性任務的一項重大突破，沒想到這麼快就能實現。不過研究團隊也提醒大家，這並不代表人類已經完全解決了機器翻譯的問題，只能說明離終極目標又更近一步。可以預測的是，新技術的應用一定會讓機器翻譯的結果日臻完善。
