微軟剛剛宣布了自家翻譯服務的一項更新，為用戶引入了新的機器學習技術，有望顯著改善多語種之間的翻譯質量。 具體說來是，基于“備用專家混合”（spare Mixture of Experts）方案的 Project Z-Code 項目，可讓新模型在盲測評估中的得分較以往提升 3~15% 。
（來自：Microsoft Research Blog ）
據悉，Z-code 是微軟更廣泛的 XYZ-Code 計劃的一部分，著眼于結合多種語言的文本、視覺和音頻模型，以創建更強大、實用的 AI 系統。
雖然“專家組合”并不是一套新穎的技術，但它在翻譯環境中還是相當實用。該系統的核心，本質上是將任務分解為多個子任務，然后將之委托給更小、更專業的所謂“專家”模型。
Z-code MoE 模型示例：從英語翻譯成法語時，可為每個輸入動態選擇其參數的子集。
各個模型會根據自身特性來預測、并決定將哪個任務委派給哪個專家，從而極大地簡化了開發思路。對于普通用戶來說，你可將之視作包含多個更專業模型的大模型集合。
微軟技術研究員兼 Azure AI 首席技術官黃學東表示：借助 Z-code，我們確實取得了驚人的進步。我們正在利用遷移學習和多任務學習，以從單語言和多語種數據中創建一個極具質量和性能的最佳組合。最終帶來一個最先進的語言模型，并為客戶帶來高效的體驗。
結果是，我們看到了一套全新的系統，現能夠直接在 10 種語言之間進行翻譯，從而消除了對多個系統的需求。
【來源：cnBeta.COM】
