通信技術(shù)的進步對各種行業(yè)都產(chǎn)生了重大影響，但也許沒有比教育更大的影響了?，F(xiàn)在，來自世界各地的任何人都可以現(xiàn)場收聽諾貝爾獎獲得者的演講，也可以通過互聯(lián)網(wǎng)訪問最知名的大學而獲得學分。但是，如果聽眾聽不懂講師的語言，將從在線觀看和收聽中獲得的可能的信息丟失。為了解決這個問題，日本奈良科學技術(shù)學院(NAIST)的科學家在日本信息處理學會(IPSJ SIG-)的自然語言處理特別興趣小組第240次會議上提出了一種新的機器學習解決方案。 NL)。

機器翻譯系統(tǒng)使某人以以前從未聽說過的語言向酒店詢問路線變得非常簡單。有時，系統(tǒng)可能會犯出有趣和無辜的錯誤，但總體上實現(xiàn)了連貫的交流，至少對于短時間的交流(通常只有一兩個句子)。如果演示文稿可能持續(xù)一個小時以上，例如學術(shù)講座，那么它們的魯棒性就差很多。

主持這項研究的NAIST教授中村聰解釋說：“ NAIST有20%的外國學生，盡管英語課程的數(shù)量在增加，但這些學生的選擇受到他們?nèi)照Z能力的限制。”

Nakamura的研究小組從NAIST獲得了46.5個小時的存檔演講視頻及其轉(zhuǎn)錄和英語翻譯，并開發(fā)了基于深度學習的系統(tǒng)來轉(zhuǎn)錄日語演講語音并將其翻譯成英語。在觀看視頻時，用戶會看到與講師的口語相匹配的日語和英語字幕。

有人可能希望理想的輸出是可以通過現(xiàn)場演示進行的同步翻譯。但是，實時翻譯會限制處理時間，從而限制準確性。

他說：“由于我們將帶字幕的視頻保存在檔案中，因此，通過創(chuàng)建處理時間更長的字幕，我們發(fā)現(xiàn)了更好的翻譯。”

用于評估的存檔素材包括機器人技術(shù)，語音處理和軟件工程的演講。有趣的是，語音識別中的單詞錯誤率與講師語音中的不愉快程度相關(guān)。錯誤率不同的另一個因素是不停頓說話的時間長度。用于訓練的語料仍然不足，應(yīng)進一步發(fā)展以進一步改進。

他繼續(xù)說：“日本希望增加其國際學生，而NAIST則有很大的機會成為這項工作的領(lǐng)導者。我們的項目不僅將改善機器翻譯，還將為日本帶來光明的頭腦。”