เจาะลึกกิจธุระสิ่งของ ‘Neural Machine Translation’ เทคโนโลยีล่าสุดแห่งหน Google Translate ใช้คืน โดยจำลองกบิลตรึกตรองขนมจากสมองคน

ขนมจากภาษามนุษย์ทั้งผองแห่ง Google Translate แปลความได้พร้อมด้วยการพิมพ์ประกอบด้วยอยู่ 103 ภาษา ครั้นเดือนเดือนกันยายน พรรษา 2016 Google ออกมาประกาศว่ามีการพัฒนาการแปลเพราะนำ Neural Machine Translation (NMT) ลงมาสนับสนุนให้การแปลภาษามนุษย์กระยาเลย ทำได้ทุเลา ซึ่ง ภาษาไทย ได้ใช้กบิลนี้ตั้งแต่วันที่ 30 เดือนมีนาคมที่ผ่านมา ขนมจากเดิมทีแห่ง Google Translate แปลประโยคหรือว่ากรณีภาษาไทยปันออกแจ้งมั่ง คิดไม่ออกบ้าง เรียงลำดับคำพูดไม่รู้กรณีบ้าง ตามที่ Google สร้างสรรค์การถอดความภาษาพร้อมด้วยสิ่งของแห่งใช้คืนโมเดลทางสถิติจำนวนมากเพื่อจะเจาะจงครรลองใจความสิ่งของข้อมูลถือเอาสอดเลี่ยนร่างในที่เว็บ ซึ่งครั้น Google Translate เริ่ม Google Neutral Machine Translation (GNMT) แห่ง 16 หญิบภาษากับดักภาษาอังกฤษ อาทิเช่น ภาษาไทย จีน ญี่ปุ่น เกาหลี โซเวียต ฮินสะอาด ประเทศฝรั่งเศส เยอรมัน สเปน ประเทศโปรตุเกส ตุรกี เวียดนาม เครื่องอุปกรณ์ตรงนี้จึ่งเข้าเอาใจช่วยแปลด้วยกันสื่อสารภาษาที่รูปแบบแห่งเป็นธรรมชาติมากขึ้น เพราะว่าจักถอดความประโยคทั่วประโยคที่คราวเดียว แทนที่จะแปลทีละด้าน ซึ่งจักใช้บริบทแห่งหนกว้างไกลขึ้นเพื่อเอาใจช่วยปันออกแปลได้มาตรงกับดักนัยที่สุด แล้วกบิลก็จักจัดเรียงและทำให้เรียบจ่ายตรงหรือไม่ก็คล้ายคลึงกับดักภาษาปากสรรพสิ่งคนเต็มแรงที่สุด งานแปลข้อความเหลือแหล่ๆ บทหรือข้อเขียนก็จะอ่านต่อจากนั้นเข้าใจได้หวานคอแร้งขึ้นไป ทำได้เพราะคนถ่ายทอด Machine ก่อนกำหนด ไมเคิล ใจกล่าวโทษการซื้อขาย หัวโจกก้ำการตลาด Google แหลมทอง กล่าวว่า แห่งหน Google Translate แปลก้าวหน้าขึ้นเพราะว่าใช้คืน Neural System แห่งปรับปรุงขนมจากเทคโนโลยี Machine Learning ซึ่งดำรงฐานะวิธีทำกิจธุระที่อยู่ใต้ขอบสิ่งของ A.I. (Artificial Intelligence) ศาสตร์สิ่งของการเป็นเหตุให้บางอย่างฉลาดขึ้น เพราะว่าไมเคิลขยายความในแหว Machine Learning รวมความว่างานเป็นเหตุให้ Machine ทำความเข้าใจ ปฏิรูปตัวเอง กับเป็นเหตุให้ตนเองฉลาดเพิ่มขึ้น เช่น Google ก่อ Machine Learning เพราะอยากสร้างหมู่แบ่งออกแจ้ง ‘ประกาศสถานที่มนุษย์พละถาม’ ด้วยกัน ‘อันแห่ง User พละควาน’ ได้ดิบได้ดีเพิ่มขึ้น อาทิเช่น การแห่ง Google เรียงประกาศแห่งประกอบด้วยที่โลก User ก็จะเข้าถึงและรับประโยชน์ขนมจากประกาศแหล่งที่อยู่รอบตัว รอบแหล่งหล้าได้มา ทั้งอีกต่างหากมีกรรมวิธีเข้าถึงประกาศได้มามากช่องทาง อาทิ จัดพิมพ์กรณีส่งเข้าแห่งระบบ เอ่ยปากเพื่อที่จะแผดเสียงเข้าไป ถ่ายรูปส่งเข้า เป็นเหตุให้กบิลแจ้งสิ่งแห่งมนุชกำลังสร้างหรืออยากได้มากขึ้น หลักกระทำของ Machine Learning ลงความว่า ทำความเข้าใจจากการทำอะไรซ้ำๆ ซึ่งเมื่อก่อนการเขียนโปรแกรมคอมพิวเตอร์จักสลัก Logic ร่าง Step-by-step เช่น ถ้าหากอันตรงนี้เกิดขึ้น สมองกลจักต้องทำเช่นนี้ ทว่าก็มีข้อจำกัดอยู่ดุ อันสถานที่สมองกลทำได้ ประกอบด้วยพางอันแห่งผู้แต่งโปรแกรมเขียนวางเท่านั้น ซึ่งคนแต่งโปรแกรมก็เปล่าสมรรถตู่เอาได้ทั้งมวลว่าจักมีกระไรเกิดขึ้นบ้าง ดังนั้น คำสั่งจึ่งไม่สมรรถกว้างขวางทั้งหมดสเต็ปการจัดการสถานที่อาจมีขึ้นได้ แม้ว่าแห่งเวลาสรรพสิ่ง Machine Learning คนแต่งรายการจักถ่ายทอดกรรมวิธีปันออกคอมพิวเตอร์ทำความเข้าใจด้วยตัวเองจากความเชี่ยวชาญสิ่งของหมู่แห่งได้ศึกษาซ้ำๆ สมองกลก็จะประกอบด้วยความประจักษ์แจ้งแห่งอันนั้นจากนั้นหา Pattern แห่งการทำงานของตัวเองได้ เพราะว่าแห่งคนแต่งโปรแกรมไม่ต้องบอกทุกวิธีการ แม่แบบสิ่งของการเรียนรู้ อาทิ เมื่อมองเห็นตัวหมาและแมว ผิเป็นขมองคนก็จะให้คะแนนคว้าเร็วว่าเป็นหมาหรือแมว แม้ว่าสมองกลจักวิเคราะห์ขนมจากทิวภาพ เหลือบเห็นข่าวสีตามพิกเซล ไม่อาจจะระบุขวับแหวเป็นสุนัขหรือไม่ก็แมว จึ่งประกอบด้วยการจด Code จ่ายคอมพิวเตอร์มีระบบแห่งหนจำลองหัวคิดสิ่งของสมองคนเพื่อการประมวลผลสถานที่ทุเลา เพราะว่าสมองมนุชจะประกอบด้วยเซลล์เส้นประสาทโยงใยจองที่เรียกว่า Neuron เป็นตัวเป็นตนสนองตอบต่อแตะต้อง เสียง กับประกาย คอมพิวเตอร์แล้วก็ถูกออกแบบแบ่งออกมีแบบงาน Connect แบบ Neuron ขึ้น ซึ่งข้อความเยี่ยมสิ่งของกบิลถ่ายแบบขมองมนุษย์นี้ สมองกลจักเห็น Pattern แห่งสมรรถจับกุมตัวสัณฐานขึ้นลงมาได้มา และถูกฟ้องสามารถยอดเยี่ยมสิ่งของหมู่ซึ่งการจด Code แบบเก่าก่อนจักไม่เห็น งานแห่งคอมพิวเตอร์มี Computing Unit สัดส่วนกระจ้อยร่อยครอบครอง Neuron คอนเนคชันยาเรือสรรพสิ่ง Neuron ก็จักก่อเกิดดำรงฐานะ Neural Network ซึ่งจะมองเห็น Layer เป็นชั้นๆ ทาบขึ้น กับพอมี Neural Network จึงจำเป็นจะต้องสอนทาบด้วยข่าวมากมาย วิธีตะแคงวุ่นวายรวมความว่า จับร่างกายสุนัขด้วยกันแมวสถานที่มีดำรงฐานะล้านร่างกายส่งเข้าที่ Neural Network ทีละตัว แล้วแบ่งออกสมองกลทำความเข้าใจและพิสูจน์คิดดูว่า อันที่จับได้คืออย่างไร เพราะว่า Layer แต่ต้นรับสารภาพข้อมูลแล้วก็จักส่งต่อเจียรอีกทั้ง Layer ที่สอง กับ Layer ลำดับที่สาม ก่อเกิดการรับรู้หนละสเต็ปแหวครอบครองลำตัว ตา หูสิ่งของแมว จากนั้นระบบก็จักหา Pattern แห่งหนนอกเหนือขึ้นไปอีก เพื่อจะบอกได้ชัดเจนขึ้นไปแหว ทิวภาพใดดำรงฐานะทิวภาพสุนัข ภาพไหนดำรงฐานะภาพเหมียว ทิวภาพขนมจาก Extremetech “เพื่อที่จะบ่งบอกได้ว่าแต่ละร่างกายดำรงฐานะตัวหมาหรือไม่ก็แมว ระบบสถานที่ตู่เอาหรือว่าซูบได้ดิบได้ดีมากชั้นหนึ่งจำเป็นต้องเปลี่ยนการเรียนรู้เป็นสอดเลี่ยนครั้ง คอนเซ็ปต์ตรงนี้มีลงมานานแล้ว ทว่าเพิ่งใช้ได้ที่เปล่ากี่ทอผ้าปีที่ผ่านมาตรงนี้เพราะว่าเทคโนโลยีของ Computing สรรพสิ่งระบบวัดผลที่ตอน 5-สิบ ปีทำได้ลงคอเร็วขึ้นกระทั่งเดิมทีเต็มที่ การประมวลผลข้อมูลมากมายแล้วก็ทำได้ภายในสมัยไม่จำเนียร” ไมเคิลกล่าว ด้วยกันความเก่งกาจแห่งดีกว่านั้นคือ ครั้นทำ Layer รุ่งเรืองขึ้นไปค่อยๆ สมองกลจักเห็นด้วยกันเข้าใจทัศนียภาพแห่งครอบครอง Abstract Pattern หรือว่าแห่งครอบครองอรูปได้มา อาทิ ทัศนียภาพสิ่งของการกฝืดเคืองกัน ทัศนียภาพความเศร้า เพราะหมู่จะเข้าใจคอนเซ็ปต์นามธรรมได้มาจากงานแลดู Layer ของ Pattern สิ่งของ Pattern จากไปค่อยๆ ซึ่งเสร็จลอกการทำงานของสมองมนุษย์สถานที่เหลือบเห็นรัว ก็จักจำได้มา Trick การเรียนรู้เปลี่ยน Neural Network ตรงนี้เองแห่ง Google นำมาใช้ปฏิรูปความถนัดด้านการแปลความภาษามนุษย์สรรพสิ่ง Google Translate โดยจำเป็นต้องป้อนข้อมูลปีกภาษาเพิ่มเข้าไปอย่างมหาศาลเพื่อให้กบิลจำและรู้ภาษาสมบูรณ์ ดึงกรณีเยี่ยมสรรพสิ่งงานจับคู่หลักแหล่งโคนแหวคู่ภาษาลงมาชดใช้ เวลาสอน Machine แบ่งออกเข้าใจหนึ่งภาษา Google Translate จำเป็นต้องใช้ Data ด้านอักษรด้วยกันภาษาอย่างน้อยร้อยล้าน Data ที่ Google ผีันข้อมูลเพื่อจะใช้เอียงวุ่นวายหญิบกับดักอีกภาษามนุษย์หนึ่ง เพราะอนุศาสน์เอ็ดภาษามนุษย์เปลืองเวลากะ 2-3 สัปดาห์ ผินำ 103 ภาษามนุษย์ลงมาจับตัวทีละญิบ Google ก็ต้องสร้างข่าวที่ระดับมหากาพย์ ซึ่งจะต้องใช้คืนทรัพยากรกับยุคอีกช้าเต็มที่ Google จึงซ้อม Machine ปันออกถอดความหญิบภาษามนุษย์แบบ Zero-Shot Translation เพราะว่าไตร่ตรองโมเดลนวชาต ‘Multilingual Model’ ลงความว่างาน Combine ภาษามนุษย์แห่งประกอบด้วยข้อความใกล้เคียงห้ามลงมาถอดความดำรงฐานะ Layer ด้วยกัน เพราะก่อคราวละหลายภาษา เช่น แปลภาษามนุษย์ญี่ปุ่น > ภาษาอังกฤษ, ถอดความภาษาอังกฤษ > ภาษามนุษย์เกาหลี ซึ่งครั้น Machine มีความประจักษ์แจ้งภาษาญี่ปุ่นดีขึ้น ภาษามนุษย์เกาหลีก็จักดีขึ้นจากไปพร้อมด้วยเพราะว่าอยู่ที่ Model เดียวกัน ก่อเกิดดำรงฐานะข้อมูลสถานที่ High Quality ขึ้น ด้วยกันเมื่อจ่ายพิสูจน์ปันออก Machine แปลภาษาญี่ปุ่นเป็นภาษามนุษย์เกาหลีโดยตรง ก็พบพานว่าแปลก้าวหน้าพอสมควร ทั้งๆ ที่ไม่มีข้อมูลการแปลความทางตรงระหว่างคู่ภาษามาก่อนกำหนด Barak บอกเพิ่มขึ้นดุเดิมที Google Translate อุตสาหะนำภาษาไทยจรเข้าคู่กับภาษาเวียดนาม ทว่าด้วย Data ภาษามนุษย์อาเซียนมี Traning Data แห่งหนมนุชแปลส่งเข้าในที่กบิลเพื่อเอียงลนลาน Machine น้อยกว่าริมฝั่งทวีปยุโรปมาก จึงลองจับภาษามนุษย์ Polish ซึ่งมีคนรับใช้มากกับมีความเจริญแห่งหนสะอาดมาชดใช้จับคู่กับภาษาไทย ผ่านพบดุ Neural Machine Translation จัดการด้วยกันเรียนรู้ได้ดียิ่งขึ้น “หญิบภาษามนุษย์นี้ไม่ไหวใกล้เคียงห้ามพ้น แม้ว่า Machine มันเผชิญแหวประกอบด้วยเนื้อความใกล้เคียงกักคุมสิ่งของต้นรากเหง้าภาษามนุษย์ คือ High Level Similarity” ความประพฤติการใช้คืนและ Gap สถานที่ต้องพัฒนาดาม Google Translate รั้งขึ้นแบ่งออกใช้งานผ่าน 4 Platforms เป็นต้นว่า เว็บไซต์ translateมันสมองgoogle.com, Chrome Browser, แอปพลิเคชันที่ Android กับ iOS กับ Enterprise API ซึ่งทางสุดท้าย User แห่งชดใช้เป็นส่วนใหญ่ดำรงฐานะ Developers แห่งหนจับโปรแกรมจรใช้กับการสร้างสิ้นสุด, ก่อสร้างแอปพลิเคชัน Barak Turovsky (บารัค ตูคอยฟสกี), Head of Product and Design, Google Translate Google, Inc. แบ่งออกข้อมูลเกี่ยวพันความประพฤติการใช้งาน Google Translate ดุ ทุกเดือนประกอบด้วยผู้ซื้อเครื่องมือ Google Translate กะ 500 เลี่ยนคนทั่วโลก ประกอบด้วยงานถอดความข่าวปะปนกัน เวลากลางวันเว้น 1,000 กล้อนครั้ง รวมต่อจากนั้นยิ่งกว่ากลางวันละ 140,000 ล้านคำพูด กะ 50% ของเว็บเป็นภาษาอังกฤษ ทั้งๆ ที่ 20% ของพลเมืองในที่โลกเอ่ยปากภาษาอังกฤษ จึ่งไม่น่าแปลกใจแหว 95% สรรพสิ่งการแปลความทั้งผองเกิดขึ้นนอกอเมริกา โดยเฉพาะในประเทศแห่งความแข็งแรงพัฒนา ตำแหน่งงานชดใช้ Google Translate ในประเทศแหลมทอง เติบโตเร็วดำรงฐานะระดับพืชพันธุ์ๆ ของพื้นแผ่นดิน โดยด้านสถานที่เป็นเว็บไซต์เฉพาะที่ดำรงฐานะ Search Function ใหญ่ขึ้น 72% ส่วนแห่งหนดำรงฐานะแอปพลิเคชันในที่ Android ใหญ่ขึ้นไป 50% ด้วยกันสถานที่ใช้เว็บเซิร์ชที่ผึ่งผายโฟนก้าวหน้าขึ้นไปถึง 4 เสมอ หรือว่า 335% ที่ข้างคุณภาพของงานแปลความ Google จ่ายนักภาษาศาสตร์ทดลองเก็บข้อมูลด้านคุณค่าสิ่งของ Google Translate โปร่งแสงภาษามนุษย์ในที่ 3 รูปร่าง เป็นต้นว่า แปลความเพราะว่า Human, แปลเพราะว่าระบบนวชาต Neural (GNMT) ด้วยกันแปลเพราะระบบเก่าก่อน Phrase-based (PBMT) ด้วยกันปันออกจัดคุณภาพผลการเรียนอยู่สถานที่ 0-6 พบพานว่าการแปลแห่งหนสะอาดสรรพสิ่งมนุชก็ยังเปล่าจด 6 แห่งระดับสถานที่เรียกหาดุ Perfect Translation เช่น การถอดความภาษาจีนเป็นอังกฤษ โดยคุณลักษณะสรรพสิ่งภาษามนุษย์แห่งหนคนแปลได้มาผลการเรียนเฉียด 5 ส่วนงานถอดความอีกด้วย Neural (GNMT) ได้เกรด 4 นิดๆ สะท้อนดุประกอบด้วยคุณค่าใกล้เคียงกับดักสถานที่คนแปล ระหว่างที่ถอดความด้วยกบิล Phrase-based ได้มาผลการเรียน 3 กระทั่ง ก้องกังวานความก้าวหน้าข้างการถอดความแห่ง Google Translate ทำกันได้ทุเลากระทั่งเก่าแก่ “Neural Translate พัฒนาชนิดสาวเท้าถลาที่รอบ สิบ ปี อ่อนข้อให้ดำรงฐานะข่าวทั่วประโยค เมื่อก่อนนี้ก็แปลทีละถ้อยคำพร้อมด้วยระบบเก่าแก่ ในเวลานี้มันเท่าเทียมสมองมนุษย์เติบโตคือ ถอดความตลอดประโยคเชียว เพราะว่านำประโยคมาจัดเรียงใหม่ แลดูดุ Make Sense หรือเปล่า เพื่อให้เกิดความเข้าใจเต็มแรงสุดโต่ง ระหว่างนี้ Machine ก็จัก Learn ทุกเวลา อาทิเช่น ภาษาไทย จัดเรียงแล้วจะจำเป็นต้อง Flow แบบไหน Grammar ดำรงฐานะอย่างไร ซึ่งมันจักคล้ายคลึงกับดักสิ่งแห่งคนพูดมากขึ้นไม่รีบร้อน แต่แน่นอนดุเลี่ยนอีกต่างหากมี Gap แห่งจำเป็นจะต้องปรับปรุง ซึ่งจักมองเห็นการพัฒนาแบ่งออกใกล้ภาษามนุษย์แห่งหนคนรับใช้มากมากมายขึ้นไป” Barak เสนอ สาเหตุแห่งมนุชแปลความภาษามนุษย์จากนั้นอีกต่างหากไม่จากไปจด Perfect Translation มุข Google translate อธิบายดุ เพราะงานแปลความตรงนั้นขึ้นอยู่กับ Context, การเลือกสรรใช้คำยากของปัจเจกชน ตามที่เมธาและความชื่นชมในที่ด้านการแปลความไม่เหมือนกัน และแม้แต่แบบการพูดด้วยกันการเขียนสิ่งของมนุชโดดเดี่ยวกันก็อีกทั้งไม่เหมือนกัน จึงเป็นเรื่องทรามที่จะทำให้งานแปลความ Perfect เหตุด้วยทั้งหมด สเต็ปถัดไปของ Google Translate Google Translate อีกต่างหากตั้งหน้าความเจริญแปลความประโยคสั้นๆ ชื่อเสียงเรียงนาม Brand, Idiom พรรษา ค.ศ. ดำรงฐานะ พุทธศักราช ปอนด์สเตอร์ลิงเป็นกิโลกรัม กิโลเมตรดำรงฐานะไมล์ ฯลฯ ปันออกดีขึ้น นอกจากนี้อีกต่างหากรั้งขึ้นปันออกบุคคลทั่วไปเข้าไปเยียวยาหรือเพิ่มขึ้นข้อมูลเข้ากบิล Google Translate เปลี่ยนทาง Suggest an edit ซึ่งครอบครอง Cloud Source Platform กับ Machine ก็สมรรถทำความเข้าใจภาษาผ่านมุขตรงนี้ได้มา ปีกการใช้งานแอปพลิเคชันถอดความภาษามนุษย์แบบออฟไลน์ ช่วงปัจจุบันอ่อนป Google Translate แปลได้มา 52 ภาษามนุษย์ ซึ่ง User จำเป็นต้องดาวน์โหลด Database ภาษามนุษย์เอ็ดกะ 25 MB เข้าไปเก็บที่ดีเร็วซ์ของตนเองก่อน ซีกหมู่ Neural Machine Translation นั้นอีกทั้งไม่ได้นำมาใช้กับแอปพลิเคชัน แม้ว่าพละปฏิรูปบนฐานของ Database 25 MB Google ใช้ Machine Learning กับดักทั้งปวงผลิตภัณฑ์เพื่อทำเอาบริการบางอย่างดีขึ้น อาทิ Search Result, Real-time Translation ประการการรู้ภาพขนมจากกล้องยาเส้นโทรศัพท์เคลื่อนที่แล้วแปลกรณีแห่งเห็นออกมา, Google Photos อาทิ เซิร์ชหาถ้อยคำแหว Beach ก็จักเจอะเจอร่างกายหาดทราย กับ Google ความแข็งแรงพัฒนา Machine Learning จ่ายแจ้งวิดีโอซึ่งประกอบด้วยเนื้อความซับซ้อนมากกว่าทัศนียภาพพร้อมด้วย “เทรนด์เทคโนโลยีที่จะเกิดขึ้นภายภาคหน้าจะมี Machine Learning แห่งการก่อ Service สะอาดๆ อีกเต็มที่ ซึ่งบางอย่างดิฉันจักเห็นผลคว้าอย่างแจ่มแจ้ง เช่น งานเสิร์ชรูปได้จาก Machine Learning ทว่าต่างๆดำรงฐานะอันแห่งหนดิฉันใช้สิงสู่แล้วที่ยุคปัจจุบัน ทว่าได้มาผลแห่งหนดีขึ้น” ไมเคิลกล่าวตบท้าย NewsTechnologydevelopmentNeural TranslateGoogle TranslateMachine LearningNeural Machine Translation