用于卡纳达语到英语机器翻译的深度神经网络（DNNs）：一个突破性进展

提起印度，人们通常会联想到该国的语言多样性。事实上，除梵语外，现代印度语言共有21种。其中包括古吉拉特语、印地语、克什米尔语、马拉雅拉姆语、尼泊尔语、旁遮普语、泰米尔语、泰卢固语、乌尔都语等。当然，这21种语言中有一种是鲜为人知的卡纳达语。

使用卡纳达语的印度当地人大约有4700万人。在印度西南部的卡纳塔克邦，当地人主要使用四种达罗毗荼语，卡纳达语是其中第二古老的语言。卡纳达语还拥有广泛的文学传统，目前发现的最古老的卡纳达语碑文可追溯到公元450年。作为卡纳塔克邦的官方语言，它以前也被称为卡纳雷塞语。

关于英语和卡纳达语之间的互译，该领域的研究很少。然而，五位研究人员在2021年聚集在一起，共同探索与使用深度神经网络（DNN）有关的机器翻译准确性。他们的论文题为“使用深度神经网络进行从卡纳达语到英语的机器翻译”。结果令人印象深刻。下面让我们来详细了解一下。

机器翻译背景下的卡纳达语是什么样的？

卡纳达语的悠久历史可以追溯到几个世纪以前。然而，它被认为“在计算语言学方面”资源贫乏。因此，机器翻译成为一项艰巨的任务，因为卡纳达语文献中的句法和语义语英语存在差异。就统计机器翻译 (SMT) 而言，有关卡纳达语的许多研究和调查都集中在英语和南达罗毗荼语（卡纳达语/马拉雅拉姆语）上，这是一种较为传统的机器翻译方法。

然而，就机器翻译而言，卡纳达语到英语的翻译仍是一个尚未开发的领域。该项目一般涉及，使用词汇分析和短语映射，翻译卡纳达语音译语料库中的简单句子。但是，最近的研究运用了神经机器翻译（NMT），利用编码器-解码器机制（Encoder-Decoder mechanism）将卡纳达语翻译成英语。

什么是深度神经网络（DNN）？

深度神经网络（DNN）被认为是“连接输入和输出的隐藏网络（层）的分等级组织”。一个神经翻译网络一般至少有两层，这使其具有一定的复杂性。

在翻译方面，深度神经网络被用于人工智能、数学建模、统计学、深度学习、机器学习，甚至语言学中。

因此，在本研究中，深度神经网络要寻求正确的数学运算，以便将输入转化为输出。在这种情况下，以实现卡纳达语到英语的翻译，输入的是卡纳达语的部分内容。

研究结果

通过在英语到卡纳达语的机器翻译中应用神经翻译网络，本研究取得了令人印象深刻的成果，对于研究仍然有限的该领域来说是先进的。

在这项研究中取得的一些成果包括：

根据输入句子的长度，该模型的翻译时间在两秒到五秒之间；
获得的验证损失为0.849
最初，第一个历元的验证准确率约为74.84%。不过，随着历时次数的增加，验证准确率也提高到了86.32%。
双语评估研究（BLEU）分数是用来评估预测句子到目标句子的指标，通常用 1 表示完全匹配，用 0 表示完全不匹配。这方面的成果也令人印象深刻。

英语到卡纳达语机器翻译的未来应用范围：能否应用于其他语言？

上述研究结果对于语言学家、翻译、本地化专家、学者、企业以及其他许多在卡纳达语生态系统中工作的人来说意义重大。必须注意的是，卡纳达语的字母与英语的字母、句子结构、词汇差别极大。并且，其他各种各样语言上的细微差别在本质上意味着，在英语和卡纳达语互译过程中，人类和机器都将面临巨大挑战。不过，准确率得分高达86.32%，这一结果非常出色，证明研究人员取得了前人难以企及的成就。

这一突破将来也有可能应用于英语到卡纳达语的机器翻译。尽管这一领域还需要开展更多的研究，但这是一个很好的迹象，表明两种根源完全不同的语言的复杂性可以经受住数学建模的考验，并产生高度精确的最终结果。虽然它并不完美，但这确实意味着需要翻译人员的人工润色来给翻译收尾。但是，只需几秒钟就能获得高度准确的输出结果，所节省的时间、精力和资源确实令人印象深刻。

（机器翻译，轻度译后编辑，仅供参考。）