近兩年，神經機器翻譯（NMT: Neural Machine Translation）技術異軍突起，翻譯質量取得大幅提升。但不幸的是，NMT系統(tǒng)的訓練成本非常高，限制了這一技術的大范圍使用。

        7月12日，阿里巴巴披露的一份技術資料中顯示，阿里翻譯團隊通過使用阿里云機器學習平臺PAI實現(xiàn)了模型訓練效率5倍的飛躍，并已應用在英俄電商翻譯質量優(yōu)化項目中。

        神經機器翻譯是一種用于自動翻譯的端到端的學習方法，該方法能夠克服傳統(tǒng)的基于短語的翻譯系統(tǒng)的缺點，可以將整個輸入句子視作翻譯的基本單元。從2016年以來的學術界頂級會議上，幾乎全是圍繞NMT相關的創(chuàng)新工作，之后谷歌、微軟等巨頭公司相繼發(fā)布NMT系統(tǒng)。

        在阿里巴巴內部，阿里翻譯負責為1688國際站、全球速賣通等提供多語言服務，中國賣家填寫的一些中文信息會被機器自動翻譯成多國語言。該團隊同時還為釘釘、東南亞電商Lazada等提供服務。

        去年，他們首次將NMT技術應用在通訊場景下。雖然翻譯質量取得很大的提升，但模型訓練耗時太長。3000萬的訓練數(shù)據在單塊GPU卡上一般需要訓練20天以上，才能得到一個初步可用的模型。

        之后，他們嘗試在阿里云機器學習平臺PAI上開發(fā)支持分布式訓練的NMT系統(tǒng)，并于3月底完成了第一個版本。在英俄電商翻譯質量優(yōu)化項目中，分布式NMT系統(tǒng)大大提高了訓練速度，使模型訓練時間從20天縮短到了4天。

        PAI是阿里“NASA”計劃發(fā)布的首個重磅工具，可完全兼容全球主流的深度學習開源框架。同時，底層提供強大的云端異構計算資源，包含CPU、GPU、FPGA。在GPU方面，可靈活實現(xiàn)多卡調度。

        在阿里巴巴內部，PAI已經被廣泛使用。淘寶搜索使用PAI的參數(shù)服務器，可以把百億個特征的模型，分散到數(shù)十個乃至于上百個參數(shù)服務器上，打破規(guī)模瓶頸。最終實現(xiàn)搜索結果基于商品和用戶的特征進行排序。

        現(xiàn)在，阿里翻譯團隊還在破解線上服務處理延時的難題，為神經網絡機器翻譯模型的大規(guī)模應用掃除最后障礙