Slator：为什么你会选择聚焦在 NMT 的这一特定的应用场景？
Neubig：首先，因为这是语音翻译的一个非常重要的问题。其次，因为 NMT 非常适于处理这个问题。NMT 的工作方式是预测句子的下一个单词并且一次一个地输出它们这正是我们在同步机器翻译系统中所需要的。在这里也考虑了其他很多有趣的算法。
Slator：因为主语和动词之间间距的长短，所以专门选择了德译英的语言组合（图1）吗？
Neubig：是的，这是选择这个语言对的主要原因。先前的同步翻译的工作也因为这个原因聚焦在大量重新排列的语言对上，例如 德语－英语 和 日语－英语。
Slator：如果在德译英中，一旦真正的动词出现在句末，而模型选择了一个明显被误译了的动词，这样的话会发生什么？
Neubig：这是一个非常有趣的问题，我们之前并没有考虑到。真人的同步翻译会返回并改正他们的错误，但是现在还没有机器可以做到这一点。
Slator：你预计这项研究会有什么影响？另外你打算怎样进行接下来的工作？
Neubig：我希望这项研究最终的影响会是语音翻译，当它实现的时候你就不需要为平滑、流畅的输出结果等待很长一段时间。当然，这项工作仅仅是这个方向的一步，在实现这个目标之前，诸如怎样将现有的方法和语音识别系统和合为一体等考虑是要被处理的事。
Slator：你在论文结尾致谢了 Facebook、三星、谷歌、微软和 Nvidia 这些科技巨头？能告诉我们原因吗？
Neubig：这些公司给予了 Kyunghyun 或 Graham 从事与同步 NMT 密切相关的或是通用的 NMT 研究的赞助。然而我们显然不能够代替这些公司发言，我认为他们有兴趣为推进他们认为有前景的研究或教育领域而向学术界提供赞助。不过他们可能会也可能不会这个特定的项目感兴趣。
Slator：特别的，Nvidia 赞助这样一个研究的利害关系是什么？为神经网络、人工智能等等部署的 GPU 已经成为他们业务的一个如此大的推动力了吗？
Neubig：我认为他们的确为机器学习使用 GPU 而感到兴奋；但是，当然，再次说明，我们不能代替他们发言。
登陆|注册欢迎登陆本站，认识更多朋友，获得更多精彩内容推荐！