文 | 36氪研究院 李曉曉 報告要點： 人工智慧翻譯目前是機器翻譯的兩大流派之一，主要通過以深度學習演算法為基礎的神經網路增強翻譯的流暢性 機器翻譯（Machine Translation

在GNOME Asia Summit 2017上有這樣一群小仙女，她們為遺憾不能來到現場的朋友們全程直播著整個峰會的盛況，讓天南地北的程式員朋友能夠共同感受山城的熱情。《媛寶》第3期，我們有幸請到了主播之一，來

今天Flood和大家分享一篇Meta Learning在NLP上應用的paper，這應該是我看到的第一篇。 Paper的名稱是《Meta-Learning for Low-Resource

[ 摘要 ]目前機器翻譯仍難以達到接近人類對話的效果，儘管不同企業開始競相研發機器翻譯新品，但如何令翻譯更準確是AI領域待解的一大難題。 近日，人工智慧語音領域領軍企業科大訊飛（002230.

人工智慧不是模仿人腦的工作原理，而是要用機器的方式實現人腦能夠實現的價值或者作用。 紙包不住火。 很顯然，在人工智慧領域摸爬滾打19年的科大訊飛 是熟知這一點的。 在被指 AI 同傳造

本文介紹哈爾濱工業大學社會計算與資訊檢索研究中心（SCIR）錄用於EMNLP 2018的論文《Adaptive Multi-Pass Decoder forNeural Machine Translation

科技雲報道原創。 “2018世界人工智慧大會剛落幕，科大訊飛卻陷入了“AI同傳造假”的風波。9月20日，一位同傳譯員在知乎上發文稱，訊飛的翻譯其實為人工同傳，並非機器智慧翻譯，並且譯文由機器進行朗讀，此事引

當前最優的 NMT 模型都遵循結合注意力的 seq2seq 模型的正規化，但與用於文字和視覺任務的卷積模型相比，NMT 模型仍然太淺。來自 Google AI 的研究者提出對注意力機制進行修改，其類似於建立沿著

原標題：網際網路巨頭瘋搶翻譯3000億市場，未來將是AI翻譯的天下？ 文|AI財經社 田小川 編|祝同 關於未來，愛因斯坦說：我從不想未來，它來得太快了。的確，誰能預料到人工智慧，這個十年前還是科幻電影

介紹如何使用Sequence to Sequence Learning（Seq2Seq）實現神經機器翻譯（Neural Machine Translation，NMT） 原理 之前我們通過序列標註模型實

之前寫過一篇《 AI Challenger 2017 奇遇記 》，記錄了去年參加 AI Challenger 英中機器文字翻譯比賽和英中機器同聲傳譯比賽的過程，得到了一些反饋，特別是一些同學私下留言

今天上午，2018世界人工智慧大會在上海西岸藝術中心開幕，在上午的全體會議上， 科大訊飛創始人、董事長劉慶峰發表了演講，介紹了科大訊飛在AI方面的最新發展。 據劉慶峰介紹,科大訊飛的英語語音到語音翻

9 月  6  日下午，網易有道在京舉辦『 2018  網易有道開放日暨智慧翻譯硬體二代釋出會』，介紹了有道的  AI  技術及在開放賦能方面所做的努力，並現場釋出了一款  AI  硬體新產品：有道翻譯王 

深度模型的訓練時間通常對研究者而言都是很大的挑戰，我們需要花數小時甚至數天才能知道某個小改進到底好不好。然而如果我們從一開始就考慮降低模型訓練時間，那麼很多概念都能迅速驗證。在 Facebook 開發者的試驗中

安徽黃山不少出租車司機經常拉“老外”，不會外文也能交流無礙；去年北京的全球機器智慧峰會上，各國大咖扎堆演講，現場卻不見同聲傳譯者；更多中國人海外遊，面對東京的日文選單不再一頭霧水，漫步在巴黎街頭也不再因不懂法語