Facebook今天宣布，他们已经开始使用神经网络系统，在社交网络的后端进行每天超过45亿次的翻译工作。使用复发性神经网络（RNNs）进行的翻译，能够使用Caffe2进行拓展，Caffe2是Facebook于今年四月开放的深度学习框架。
Caffe2团队今天还宣布，关于翻译工作，其框架现在可以与循环神经网络一起使用了。
Caffe2团队在一篇博文中说：“使用Caffe2，提高了Facebook上机器翻译系统的效率和质量。我们的效率已经提升了2.5倍，这使得我们能够将神经机器翻译模型部署到生产中。因此，Facebook上的所有机器翻译模型已经从基于短语的系统转换为所有语言的神经模型。”
循环神经网络（RNN）的使用导致BLEU增加了11%，这是衡量机器翻译的人类语言表现的度量标准。以前使用基于短语的模型进行翻译，这些模型无法翻译文本块，而是翻译单个单词和短语。
软件工程师Necip Fazil Ayan、Juan Miguel Pino和Facebook的应用机器学习的团队成员Alexander Sidorov在一篇博文中说道：“为了弥补这个问题，并构建我们的神经网络系统，我们开始使用一种被成为序列到序列的LSTM（长期记忆）的复发性神经网络，这样一个网络可以考虑到源语句的全部内容以及迄今为止所产生的一切内容，以创建更准确和流畅的翻译。”
这个改变也使得Facebook上的翻译更有可能考虑类似俚语、错别字、上下文不通顺等问题。用于翻译的算法可以在Caffe2 GitHub页面找到。
工程师们还指出，通过与Facebook AI Research（FAIR）团队合作，将来可以使用卷积神经网络。
本文编译自Venturebeat
