{Tech Web Report}9月1日，根據(jù)Techrunch的技術(shù)博客，我們每天使用不同的技術(shù)，但是我們不知道它們是如何工作的。事實上，理解機器學習引擎并不容易。他指出機器翻譯存在的問題和解決方法。

　　機器學習已被證明是一個非常有用的翻譯工具，但它有一個弱點，在翻譯模式中詞對詞翻譯的趨勢就是其中之一，這可能導致嚴重的錯誤。

　　顯然，bank的意思是每個句子都是不同的，但是逐字翻譯算法很可能會選擇錯誤的意思，因為它不知道哪個銀行是正確的，除非它能看到句子的結(jié)尾。

　　Google的解決方案是所謂的聚焦機制，這意味著在翻譯軟件中內(nèi)置了一個轉(zhuǎn)換器系統(tǒng)。它逐個比較句子中的單詞，以確定它們是否以關(guān)鍵方式交互，例如，看他或她是否在說話，或者單詞是否像銀行。用一種特定的方式表達，如下面的圖表：

　　根據(jù)以前的報道，谷歌的競爭對手DeepL也在使用注意力機制。該公司表示，基于神經(jīng)網(wǎng)絡的DeepL翻譯器在翻譯結(jié)果方面優(yōu)于微軟和谷歌。當用戶輸入文本時，DeepL的人工智能捕捉到最小的差異，并且不像其他服務，它在翻譯中盡可能地恢復和模仿。

　　但有趣的是，Google給人們一個機會看看系統(tǒng)是如何工作的，Transformer給每個單詞打分，說明它與其他單詞有多么相關(guān)，你可以看到它認為哪些單詞是相關(guān)的，哪些是潛在的相關(guān)的。