Transformer新型神经网络在机器翻译中的应用 | 百万人学AI

于恒：直播间的朋友大家好！欢迎大家来到本次AI科技大本营公开课，我是本次讲师于恒。

在讲课开始之前先简短的做个自我介绍，我是博士毕业于中国科学院计算技术研究所，方向是机器翻译的方向，目前在阿里巴巴翻译平台担任翻译模型组负责人，主要是为阿里巴巴的跨境电商贸易提供丰富的语言支持，让跨境贸易没有语言障碍。

今天非常高兴受到CSDN AI科技大本营的邀请，给大家分享自己在机器翻译方面的研究和工作。大家可以看到我PPT下面的几个 LOGO，我们翻译团队是属于阿里巴巴机器智能技术实验室，中间是阿里翻译的 Logo和我们的口号“Translate and Beyond”。

这次分享的题目是“Transformer新型神经网络在机器翻译中的应用”。

关注AI的同学最近应该会看到，机器翻译是一个比较活跃的领域，很多大公司都争先推出了自己的机器翻译服务，包括还有一些机器翻译的硬件已经在市场上投放，比如翻译笔。

产业的兴旺离不开背后技术的巨大进步，从今天的课程当中，我会给大家介绍背后技术的神秘面纱，然后对Transformer这个神经网络做深入的解析。

神经网络机器翻翻译是目前比较主流的机器翻译方法，它是“Sequence to Sequence”model，也就是端到端的翻译框架。如左图所示，我们输入一个待翻译的句子，通过神经网络编码器，去把这个句子的信息编码成中间状态，就是这个图中红色的部分，它用数值的隐层来表示。经过中间状态、经过神经网络解码器去生成对应的翻译，是编码、解码的过程。翻译的知识和参数都是由神经网络自动进行学习的，它省去了之前传统方法之前的人工干预模块，使整个翻译过程统一化，并且简洁。

随着深度学习发展带来的红利，这个翻译模型的性能有显著提升。如右图所示，这是谷歌翻译当时Release的数据，传统的是基于短语的翻译系统，翻译的性能远低于基于神经网络的翻译，就是那根绿色的线。并且神经网络的翻译在某些语项上是接近人类的水平。我们还可以注意到，在“英语到西语”、“英语到法语”，同样是拉丁语系的翻译上，神经网络的翻译和human的gap比较小，在“英语到汉语”这两者语言差异比较大的、翻译难度大的语种上gap比较大，所以神经网络仍然有比较大的进步空间。这是目前神经网络目前翻译的总体质量情况。

它背后的技术是怎样呢？从这个图可以大概看出来传统的基于RNN的“Sequece to Sequence”model是怎么运行的，这个例子是一个“英文到中文”的翻译，英文“Economicgrowth has slowed down in recent years”通过这个循环的RNN神经网络去逐词读入源端的句子，最终把它编码成红色那个点隐层的信息，根据这个隐层的信息输入到另外一个目标端的循环神经网络，然后逐词生成中文的翻译“近几年经济发展变慢了。”这里的是一个句子结束符的表示，生成的过程在句子末尾添加这样一个标志表示翻译过程结束了。

传统的RNN神经网络结构是可以处理任意长度的输入，它非常适合于自然语言的建模，所以它在一段时间内占据了整个神经网络中的主流。随着学术的发展，我们也会看到RNN有些不足，它的缺点主要有两点：第一点，RNN序列的特性导致其非常难以并行化，从上图可以看出，如果把RNN展开来是一个序列型的网络，比如我要得到X4的结果时，必须先计算出X0-X3的结果，这样的串行关系使它的并行度非常低。举一个例子，谷歌的GNMT的神经网络系统，它是需要96块GPU卡训练一周的时间才能完成一个模型的训练。96块GPU卡对于一个研究机构或者小公司来说是个巨大的开销，基本是负担不起的，并且还要训练一周的时间，所以RNN特性使整体模型训练速度非常慢、成本非常高。

另外在RNN训练中，RNN的网络结构对于长距离和层级化的依赖关系难以建立，比如句法信息、指代信息的关系，由于它只是一个单一的序列 ，所以它很难对这些关系进行建模。举个例子，“The dog didn’t cross street because it wastoo tired”，当我们看到“tired”的时候知道这个it指dog 。如果把最后一个词换了，“The dog didn’t cross street because it was too wide”，这时候如果是人看了这句话就很容易发现it 指的是street，因为street because it was wide，不可能是dog too wide。对于人来说很简单，但是机器要分清楚指代关系是非常难的。如果将这个句子翻译成法文或者德文的话，法文、德文对于dog和street翻译所用的格是不一样的。所以在GNMT或者传统的翻译处理中，这些case时基本是做不对的，如果做对了可能也是蒙的，这是RNN一个比较显著的局限性。

基于以上RNN的缺陷，我们肯定希望有更好的神经网络去代替它。我们期望是这样的：第一，它是可以高度并行化的网络。RNN的特点导致我们要抛弃RNN的结构，实现速度成倍的提升。并且我们需要能够捕捉层次化的信息，就需要建立一个很深层的神经网络，而不是单层的一个序列的LSTM的网络。并且我们需要能够对指代信息丰富的上下文进行建模，这需要Self-Attention、Multi-head Attention这样的技术。左边这个演示的是Transformer整体的训练过程，在Encoding的部分简单可以看到，每个词是很并行化处理的过程。在Encoding之后Decoding是根据深层神经网络当中的输入不断逐词解码，最终生成翻译。

这引出我们今天讲座的主题，将会分四个部分对Transformer进行解析：

• 第一，对网络结构进行解析；
• 第二，对在机器翻译中的应用进行介绍；
• 第三，因为我是从阿里翻译过来的，所以我会从工业实践的角度对Transformer进行介绍。我们最近参加了WMT2018全球机器翻译评测，拿到了比较好的结果。
• 最后，从评测的结果对Transformer的表现进行分析。