สืบหาการงานของ ‘Neural Machine Translation’ เทคโนโลยีปัจจุบันแห่ง Google Translate ชดใช้ โดยจำลองระบบนึกดูจากสมองมนุษย์

จากภาษาทั้งสิ้นสถานที่ Google Translate แปลความคว้าพร้อมด้วยงานจัดพิมพ์ประกอบด้วยสิงสู่ 103 ภาษามนุษย์ ครั้นเดือนกันยายน พรรษา 2016 Google ออกมาข้อมูลดุประกอบด้วยการพัฒนางานแปลความโดยนำ Neural Machine Translation (NMT) ลงมาช่วยให้การแปลความภาษามนุษย์ปะปนกัน ทำได้ลงคอดีขึ้น ซึ่ง ภาษาไทย ได้ใช้กบิลนี้ตั้งแต่วันที่ 30 เดือนมีนาคมที่ผ่านมา จากเก่าก่อนสถานที่ Google Translate แปลความประโยคหรือไม่ก็คดีภาษาไทยแยกออกเข้าใจบ้าง ไม่เข้าใจบ้าง เรียงลำดับวจีเขลาเนื้อความบ้าง เนื่องจาก Google สร้างสรรค์งานถอดความภาษาพร้อมด้วยสิ่งสถานที่ใช้คืนโมเดลทางสถิติจำนวนรวมเยอะแยะเพื่อจะระบุหนทางเนื้อความสิ่งของข่าวถือเอาร้อยล้านแบบแห่งเว็บ ซึ่งพอ Google Translate เปิดตัว Google Neutral Machine Translation (GNMT) ใน 16 หญิบภาษากับดักภาษาอังกฤษ เช่น ภาษาไทย จีน ประเทศญี่ปุ่น เกาหลี รัสเซีย ฮินบริสุทธ์ ประเทศฝรั่งเศส เยอรมัน สเปน โปรตุเกส ประเทศตุรกี เวียดนาม เครื่องอุปกรณ์นี้แล้วจึงเข้ามาเอาใจช่วยแปลและติดต่อสื่อสารภาษาแห่งหนทางแห่งเป็นธรรมชาติเจริญ โดยจักแปลความประโยคตลอดประโยคแห่งคราวโดดเดี่ยว แทนที่จะแปลความทีละซีก ซึ่งจักชดใช้บริบทที่กว้างขึ้นเพื่อช่วยแยกออกแปลได้ตรงๆกับดักความสำคัญสุดโต่ง หลังจากนั้นระเบียบก็จะเรียงด้วยกันทำให้เรียบแยกออกซื่อหรือคล้ายคลึงกับดักภาษาปากของมนุชยิ่งนักสุดขอบ งานแปลความความมากๆ ข้อความย่อยไม่ก็บทความก็จักอ่านแล้วแจ้งได้มาสะดวกขึ้นไป ทำกันได้เพราะว่ามนุษย์สอน Machine ก่อนกำหนด ไมเคิล จิตใจติการค้าขาย หัวโจกทิศการตลาด Google ไทย กล่าวว่า แห่ง Google Translate แปลความได้ดิบได้ดีขึ้นเพราะใช้คืน Neural System ที่ปรับปรุงจากเทคโนโลยี Machine Learning ซึ่งครอบครองวิธีทำการทำงานที่อยู่ล่างริมสิ่งของ A.Iมันสมอง (Artificial Intelligence) ศาสตร์สิ่งของงานเป็นเหตุให้สิ่งใดสิ่งหนึ่งฉลาดขึ้น เพราะว่าไมเคิลอธิบายว่า Machine Learning ลงความว่างานเป็นเหตุให้ Machine ทำความเข้าใจ เจริญตนเอง กับเป็นเหตุให้ตนเองฉลาดยิ่งขึ้น เป็นต้นว่า Google ก่อ Machine Learning ก็เพราะว่าหวังสร้างกบิลให้เข้าใจ ‘ข่าวสารสถานที่มนุษย์พละถามกลับ’ กับ ‘ชิ้นที่ User พลังควานหา’ ก้าวหน้าเพิ่มขึ้น อาทิเช่น การที่ Google จัดเรียงข่าวสารที่มีแห่งพื้นโลก User ก็จักเข้าถึงและรับประโยชน์ขนมจากข้อมูลถิ่นที่อยู่รอบตัว รอบโลกคว้า ตลอดอีกต่างหากมีวิธีการเข้าถึงข่าวสารได้มากทาง เช่น จัดพิมพ์คดีส่งเข้าที่ระเบียบ เอ่ยปากเพื่อตะโกนเข้า ชักรูปส่งเข้าไป ทำเอาระบบเข้าใจอันที่คนพละทำหรือไม่ก็หวังได้มางอกงาม แนวทำสรรพสิ่ง Machine Learning คือว่า ศึกษาจากการก่ออะไรกระหน่ำ ซึ่งเมื่อก่อนการเขียนโปรแกรมคอมพิวเตอร์จะจารึก Logic ภาพร่าง Step-by-step เป็นต้นว่า ผิสิ่งตรงนี้เกิดขึ้น คอมพิวเตอร์จักต้องก่อเช่นนี้ แต่ก็มีความจำกัดอยู่ดุ สิ่งสถานที่คอมพิวเตอร์ทำกันได้ มีเพียงสิ่งสถานที่คนแต่งรายการสลักเก็บเพียงนั้น ซึ่งคนแต่งรายการก็ไม่สมรรถคาดเดาได้มาทั้งสิ้นดุจักประกอบด้วยอะไรมีขึ้นมั่ง ดังนี้ คำประกาศิตจึ่งเปล่าสมรรถกว้างขวางทุกสเต็ปการปฏิบัติการสถานที่อาจบังเกิดคว้า แต่ว่าแห่งสมัยสิ่งของ Machine Learning ผู้เขียนรายการจักถ่ายทอดวิธีแยกออกสมองกลทำความเข้าใจด้วยตัวเองขนมจากความเชี่ยวชาญสิ่งของกบิลแห่งคว้าทำความเข้าใจกระหน่ำ สมองกลก็จะมีความประจักษ์แจ้งที่อันนั้นแล้วควาน Pattern ในงานสิ่งของตนเองได้มา เพราะแห่งผู้เขียนรายการไม่ต้องบอกทุกขั้นตอน แบบอย่างของการหาความรู้ อาทิเช่น เมื่อเห็นร่างกายสุนัขด้วยกันแมว ผิดำรงฐานะขมองมนุษย์ก็จะประมวลผลคว้าขวับดุดำรงฐานะสุนัขไม่ก็เหมียว แต่คอมพิวเตอร์จักสำรวจจากภาพ เหลือบเห็นข้อมูลถูติดสอยห้อยตามพิกเซล ไม่อาจระบุทันทีดุครอบครองสุนัขหรือแมว จึ่งประกอบด้วยการจด Code ให้สมองกลมีระบบที่ลอกความคิดสรรพสิ่งสมองมนุชเพื่อจะการประมวลผลสถานที่ดีขึ้น โดยขมองมนุชจักมีเซลล์เส้นประสาทโยงใยกันที่เรียกตวาด Neuron เป็นรูปเป็นร่างสนองตอบทาบจับต้อง ความเห็น และแสงแวบ คอมพิวเตอร์แล้วก็ไม่ผิดออกแบบแยกออกมีแบบงาน Connect ภาพร่าง Neuron ขึ้น ซึ่งความดีเยี่ยมสิ่งของระเบียบเลียนแบบสมองคนตรงนี้ สมองกลจะเหลือบเห็น Pattern แห่งสมรรถจับกุมสัณฐานขึ้นลงมาได้ กับถูกฟ้องสมรรถวิเศษสิ่งของระเบียบซึ่งการจด Code ฉบับร่างเก่าจักมองไม่เห็น งานสถานที่คอมพิวเตอร์ประกอบด้วย Computing Unit สัดส่วนเล็กมากดำรงฐานะ Neuron คอนเนคชันของ Neuron ก็จะก่อเกิดดำรงฐานะ Neural Network ซึ่งจะเหลือบเห็น Layer เป็นชั้นๆ ทาบขึ้น และพอมี Neural Network จึ่งจำต้องสอนประกบอีกด้วยข้อมูลมากมาย กรรมวิธีเอียงตะลีตะลานถือเอาว่า จับตนหมาด้วยกันเหมียวแห่งมีเป็นโล้นตนส่งเข้าไปใน Neural Network ทีละร่างกาย แล้วให้สมองกลศึกษาด้วยกันพิสูจน์คิดดูดุ สิ่งมือถือได้คือว่าเช่นไร โดย Layer แรกรับสารภาพข่าวแล้วจึงจะส่งต่อจากไปยัง Layer ที่สอง และ Layer ลำดับที่สาม ก่อเกิดการรับรู้คราวละสเต็ปดุครอบครองลำตัว ดวงเนตร กรรณสิ่งของแมว แล้วระบบก็จักหา Pattern แห่งเหนือขึ้นไปอีก เพื่อจะบ่งบอกคว้าชัดขึ้นไปดุ ภาพใดดำรงฐานะทิวทัศน์สุนัข ภาพใดดำรงฐานะภาพเหมียว ภาพจาก Extremetech “เพื่อบ่งบอกได้มาว่าแต่เว้นร่างกายดำรงฐานะร่างกายหมาหรือเหมียว ระบบที่โมเมหรือไม่ก็ตอบได้ดิบได้ดียิ่งนักชั้นหนึ่งจำต้องผ่านการศึกษาเล่าเรียนดำรงฐานะร้อยเลี่ยนครั้ง คอนเซ็ปต์ตรงนี้มีมานานต่อจากนั้น แม้ว่าพึ่งจะใช้ได้แห่งเปล่าหูกปีที่ผ่านมานี้ก็เพราะว่าเทคโนโลยีของ Computing สรรพสิ่งระบบให้คะแนนที่ช่วง 5-10 ชันษาทำได้ลงคอแจ้นขึ้นไปกระทั่งเดิมเต็มแรง การประมวลผลข้อมูลจำนวนมากจึ่งทำกันได้ข้างในสมัยไม่นาน” ไมเคิลเสนอ และความสามารถสถานที่เหนือกว่าตรงนั้นถือเอาว่า เมื่อก่อ Layer รุ่งเรืองขึ้นเรื่อยๆ คอมพิวเตอร์จักเหลือบเห็นและแจ้งภาพสถานที่ดำรงฐานะ Abstract Pattern ไม่ก็สถานที่ครอบครองอรูปได้มา เป็นต้นว่า ภาพสิ่งของการกอดอยากกักคุม ทิวทัศน์ความโศกเศร้า เพราะว่าระบบจะรู้คอนเซ็ปต์อรูปได้ขนมจากการดู Layer สรรพสิ่ง Pattern สิ่งของ Pattern จรค่อยๆ ซึ่งได้ผลถ่ายแบบการทำงานสิ่งของสมองคนแห่งมองเห็นรัว ก็จะหวนคิดคว้า Trick การศึกษาเล่าเรียนผ่าน Neural Network ตรงนี้เองที่ Google นำมาใช้เจริญความชำนาญปีกงานถอดความภาษามนุษย์ของ Google Translate โดยจำต้องคีย์ข้อมูลด้านภาษามากขึ้นเข้าไปอย่างมหาศาลเพื่อให้ระบบทบทวนด้วยกันแจ้งภาษางอกงาม ดึงดูดคดีเลิศสรรพสิ่งการจับคู่หลักแหล่งฐานตวาดสองภาษามาชดใช้ สมัยถ่ายทอด Machine แยกออกแจ้งหนึ่งภาษามนุษย์ Google Translate จำเป็นจะต้องชดใช้ Data ด้านตัวหนังสือด้วยกันภาษามนุษย์อย่างน้อยสอดล้าน Data ใน Google ภูตันข้อมูลเพื่อที่จะชดใช้ตะแคงวุ่นวายหญิบกับอีกภาษามนุษย์เอ็ด โดยอนุศาสน์หนึ่งภาษามนุษย์กินเวลาคาด 2-3 สัปดาห์ สมมติว่าจับ 103 ภาษามนุษย์ลงมาจับทีละคู่ Google ก็จำเป็นจะต้องสร้างข่าวในระดับมหากาพย์ ซึ่งจะจำต้องใช้ทรัพยากรด้วยกันเวลาอีกช้ามาก Google แล้วก็ฝึก Machine แยกออกถอดความคู่ภาษาฉบับร่าง Zero-Shot Translation เพราะว่าคิดดูโมเดลใหม่ ‘Multilingual Model’ ลงความว่าการ Combine ภาษาสถานที่ประกอบด้วยความคล้ายกักคุมลงมาแปลความครอบครอง Layer ควบคู่กัน เพราะก่อครั้งเว้นเหลือแหล่ภาษามนุษย์ เช่น แปลภาษามนุษย์ญี่ปุ่น > ภาษาอังกฤษ, ถอดความภาษาอังกฤษ > ภาษาประเทศเกาหลี ซึ่งพอ Machine ประกอบด้วยความตระหนักภาษาประเทศญี่ปุ่นดีขึ้น ภาษามนุษย์ประเทศเกาหลีก็จะทุเลาไปเช่นกันก็เพราะว่าสิงสู่ที่ Model เดียวกัน เกิดเป็นข่าวแห่ง High Quality ขึ้นไป กับพอแยกออกทดลองปันออก Machine ถอดความภาษามนุษย์ประเทศญี่ปุ่นครอบครองภาษามนุษย์ประเทศเกาหลีโดยตรง ก็พบว่าถอดความเจริญพอประมาณ ทั้งๆ ที่พ้นไปข้อมูลงานถอดความเส้นตรงระหว่างสองภาษามาก่อน Barak บอกทวีคูณว่าหัสเดิม Google Translate มุมานะนำภาษาไทยจากไปจับคู่กับภาษาเวียดนาม แม้ว่าเช่นกัน Data ภาษาอาเซียนประกอบด้วย Traning Data แห่งมนุษย์แปลความส่งเข้าไปในกบิลเพื่อที่จะเทวุ่นวาย Machine ต่ำกว่าริมทะเลทวีปยุโรปเต็มแรง แล้วจึงลองนำภาษา Polish ซึ่งประกอบด้วยแม่บ้านยิ่งนักและประกอบด้วยความก้าวหน้าสถานที่งดงามมาชดใช้จับคู่กับดักภาษาไทย พานพบตวาด Neural Machine Translation ทำและทำความเข้าใจก้าวหน้ายิ่งขึ้น “สองภาษาตรงนี้ไม่ไหวละม้ายกักคุมเกิน แต่ Machine เลี่ยนพบตวาดมีคดีละม้ายกักคุมสรรพสิ่งต้นไม้รากเหง้าภาษามนุษย์ ลงความว่า High Level Similarity” พฤติกรรมการใช้กับ Gap สถานที่ต้องเจริญทาบ Google Translate เปิดแยกออกใช้งานเปลี่ยน 4 Platforms ได้แก่ เว็บไซต์ translate.google.com, Chrome Browser, แอปพลิเคชันใน Android และ iOS กับ Enterprise API ซึ่งทางสุดท้าย User สถานที่ชดใช้ส่วนมากดำรงฐานะ Developers สถานที่จับโปรแกรมจากไปใช้กับงานสร้างสิ้นสุด, ก่อสร้างแอปพลิเคชัน Barak Turovsky (บารัค ตูรอคอยฟสกี), Head of Product and Design, Google Translate Google, Incมันสมอง แยกออกข่าวเกี่ยวพฤติกรรมการใช้งาน Google Translate ตวาด ทุกเดือนมีผู้ใช้เครื่องใช้ไม้สอย Google Translate กะ 500 โล้นมนุษย์ทั่วโลก ประกอบด้วยการแปลข่าวกระยาเลย เวลากลางวันละ 1,000 ล้านที รวมต่อจากนั้นยิ่งกว่าวันเว้น 140,000 เลี่ยนวจี กะ 50% ของเว็บดำรงฐานะภาษาอังกฤษ ในขณะที่ 20% สิ่งของราษฎรแห่งพื้นโลกเอ่ยปากภาษาอังกฤษ แล้วจึงไม่น่าอัศจรรย์ใจตวาด 95% สรรพสิ่งงานแปลความทั้งสิ้นเกิดขึ้นนอกอเมริกา โดยเฉพาะอย่างยิ่งในประเทศสถานที่พลังปรับปรุง ตำแหน่งการใช้คืน Google Translate ในประเทศไทย เจริญแจ้นครอบครองวรรณะไม้ๆ สิ่งของโลก โดยด้านแห่งดำรงฐานะเว็บไซต์เฉพาะที่ดำรงฐานะ Search Function ใหญ่ขึ้น 72% ด้านที่เป็นแอปพลิเคชันใน Android ใหญ่ขึ้นไป 50% และที่ชดใช้เว็บเสิร์ชที่สมาร์ทโฟนเติบโตขึ้นจด 4 เท่ากัน หรือ 335% ที่ด้านคุณลักษณะสรรพสิ่งงานถอดความ Google แยกออกนักภาษาศาสตร์พิสูจน์เก็บข้อมูลปีกคุณค่าสิ่งของ Google Translate โปร่งแสงภาษาที่ 3 สัณฐาน ได้แก่ แปลความโดย Human, แปลความโดยระบบใหม่ Neural (GNMT) กับแปลความโดยระเบียบเก่า Phrase-based (PBMT) และให้จัดคุณภาพเกรดสิงสู่สถานที่ 0-6 พานพบบริหารถอดความที่บริสุทธ์สิ่งของมนุชก็อีกทั้งเปล่าจด 6 แห่งชั้นสถานที่เรียกตวาด Perfect Translation เช่น งานแปลภาษาจีนครอบครองอังกฤษ โดยคุณลักษณะของภาษาที่มนุชแปลความคว้าเกรดจวนจะ 5 ด้านงานแปลอีกด้วย Neural (GNMT) คว้าเกรด 4 น้อยๆ สะท้อนตวาดประกอบด้วยคุณค่าละม้ายกับดักที่มนุษย์ถอดความ ขณะที่ถอดความพร้อมด้วยระเบียบ Phrase-based ได้มาผลการเรียน 3 กระทั่ง ก้องกังวานความก้าวหน้าด้านงานถอดความที่ Google Translate ทำได้ลงคอทุเลากระทั่งเดิมที “Neural Translate ปรับปรุงอย่างสาวก้าวถลาในรอบ สิบ ปี ต่อให้ครอบครองข่าวสารรวมหมดประโยค เมื่อก่อนก็แปลความทีละวจีพร้อมด้วยระบบเก่าก่อน ตอนนี้เลี่ยนเท่าเทียมขมองมนุชเจริญลงความว่า แปลความรวมหมดประโยคเชียว โดยจับประโยคมาจัดใหม่ แลดูตวาด Make Sense ไหม เพื่อให้เกิดความเข้าใจยิ่งนักสุดโต่ง ระหว่างนี้ Machine ก็จะ Learn ตลอดเวลา เช่น ภาษาไทย เรียงหลังจากนั้นจักจำเป็นจะต้อง Flow ฉบับร่างใด Grammar ดำรงฐานะเช่นไร ซึ่งเลี่ยนจะคล้ายกับสิ่งแห่งคนพูดมากขึ้นไปช้าๆ แต่ว่าแน่นอนตวาดมันยังมี Gap แห่งจำต้องปรับปรุง ซึ่งจักมองเห็นการพัฒนาให้เกือบภาษามนุษย์สถานที่คนรับใช้ยิ่งนักมากมายขึ้น” Barak รายงาน สาเหตุแห่งคนถอดความภาษาต่อจากนั้นอีกทั้งไม่ไปจรด Perfect Translation มุข Google translate ขยายความในว่า เพราะว่าการแปลความนั้นขึ้นกับ Context, การเลือกใช้คำยากสรรพสิ่งปัจเจกชน ตามที่ความฉลาดด้วยกันความชื่นชมที่ด้านการแปลไม่เช่นเดียวกัน และแม้แต่สไตล์งานพูดและการจดสรรพสิ่งมนุษย์ข้างเดียวกักคุมก็ยังเปล่าเหมือนกัน แล้วจึงเกิดเรื่องยากที่จะทำเอางานแปล Perfect เพราะด้วยทุกคน สเต็ปถัดจากสรรพสิ่ง Google Translate Google Translate อีกทั้งมุ่งความก้าวหน้าถอดความประโยคห้วนๆ ชื่อเสียงเรียงนาม Brand, Idiom พรรษา คริสต์ศักราช เป็น พุทธศก ปอนด์สเตอร์ลิงเป็นโล กม.ดำรงฐานะไมล์ ฯลฯ ให้ดีขึ้น ยิ่งไปกว่านี้ยังยกขึ้นให้คนสาธารณะเข้าไปเยียวยาหรือเพิ่มพูนข้อมูลเข้าระเบียบ Google Translate ผ่านมุข Suggest an edit ซึ่งดำรงฐานะ Cloud Source Platform ด้วยกัน Machine ก็สมรรถศึกษาภาษาเปลี่ยนทางตรงนี้ได้มา ข้างการใช้งานแอปพลิเคชันถอดความภาษาฉบับร่างออฟไลน์ ช่วงปัจจุบันเล็กป Google Translate แปลคว้า 52 ภาษา ซึ่ง User จำเป็นจะต้องดาวน์โหลด Database ภาษาเอ็ดกะ 25 MB เข้าไปไว้ที่งดงามไวซ์ของตนเองก่อน ส่วนระเบียบ Neural Machine Translation ตรงนั้นอีกทั้งไม่ได้นำมาใช้กับแอปพลิเคชัน แต่พลังเจริญบนบานกกสรรพสิ่ง Database 25 MB Google ใช้คืน Machine Learning กับดักทั้งหมดผลิตภัณฑ์เพื่อจะทำเอาบริการบางสิ่งทุเลา อาทิเช่น Search Result, Real-time Translation ประการงานรู้ภาพขนมจากกล้องยาเส้นโทรศัพท์เคลื่อนที่หลังจากนั้นแปลความสถานที่เห็นออกมา, Google Photos เช่น เสิร์ชควานวจีตวาด Beach ก็จะเจอะเจอตนหาดทราย และ Google กำลังปฏิรูป Machine Learning ปันออกเข้าใจวิดีโอซึ่งประกอบด้วยเนื้อความ#สลับซับซ้อนยิ่งกว่าทิวภาพเช่นกัน “เทรนด์เทคโนโลยีที่จะเกิดขึ้นในภายหน้าจักประกอบด้วย Machine Learning ในการสร้าง Service งดงามๆ อีกมาก ซึ่งบางอย่างอีฉันจะเห็นผลคว้าอย่างชัดเจน เช่น งานเซิร์ชร่างกายได้มาขนมจาก Machine Learning แต่ว่าหลายชนิดครอบครองอันสถานที่ฉันใช้คืนสิงสู่แล้วในยุคปัจจุบัน แต่ว่าคว้าผลลัพธ์สถานที่ดีขึ้นไป” ไมเคิลบอกปิดท้าย NewsTechnologydevelopmentNeural TranslateGoogle TranslateMachine LearningNeural Machine Translation