アリババAIが世界初のリアルタイム翻訳ライブ放送を実現、214言語の翻訳で今年のダブル11をサポート

10月21日、アリババは世界初の多言語リアルタイム翻訳電子商取引ライブ放送を完了し、AIが騒がしい環境、非標準的なアクセント、口語的な言語スタイルを恐れず、中国語のライブ放送コンテンツを英語、ロシア語、スペイン語などの言語にリアルタイムで正確に翻訳できることを実証しました。アリババは、この技術が2020年のダブル11ショッピングフェスティバルで大規模に使用されることを明らかにした。

DAMOアカデミーAIはライブ放送の内容やコメント欄の少数言語をリアルタイムで翻訳できる

「言語」の問題は、異なる地域の商人と買い手の間で乗り越えるのが難しい大きな障害です。データによると、AliExpress の中小企業の約 96% は少数言語に翻訳する能力がありませんが、ライブ放送ルームでは通常 12 以上の言語をカバーしています。このため、中国の商人の82％が国境を越えたライブ放送を断念した。

AI はテキスト翻訳を支援できますが、ライブ放送シナリオでの翻訳タスクはより複雑です。音声認識と翻訳という2つのプロセスが必要であり、非標準的なアクセント、口語表現、騒がしいライブ放送環境、製品の専門用語の多さ、新製品や新語の急速な更新などの問題を克服する必要があります。たとえば、「その後、新製品に関する皆様のコメントを読みました」は口語文であり、正しい翻訳は「その後、新製品に関する皆様のコメントを読みました」であるはずですが、従来の翻訳エンジンではこれを「その後、新製品に関する当社のコメントも確認しました」と誤って翻訳してしまう可能性があります。

機械が聞き取れない、理解できないという問題を解決するために、アリババは業界の一般的なソリューションに基づいて、騒がしい環境でもライブ放送の内容を「明瞭に聞き取る」ことができる、よりスマートな音声モデルを開発しました。同時に、視覚情報の認識結果をAI翻訳タスクプロセスに革新的に統合し、話し言葉の文章を正式な表現に書き換えることができるようになりました。さらに、DAMO アカデミーは複数の分野の知識を翻訳モデルに統合しており、1 つの例から推論を導き出し、再トレーニングなしでさまざまなシナリオで絶えず変化する専門用語をすばやく学習できます。

過去数年間、アリババの AI 翻訳技術は複数の反復とアップグレードを経てきました。現在、214の言語で高品質の翻訳を提供し、1日あたり3000億語を翻訳できます。数多くの世界記録を樹立しており、2018年の国際機械翻訳コンテスト（WMT）では翻訳タスクで5つの言語チャンピオンシップ、品質評価タスクで6つのチャンピオンシップを獲得しました。 30 件を超える関連研究成果が、トップクラスの国際 AI カンファレンスに取り上げられています。同時に、この技術はアリババの内外の法人顧客にも徐々に適用され、1日平均の通話量は13億回を超えています。

DAMOアカデミーの機械翻訳チーム責任者である羅維華氏は、「機械が聞き、理解できるようにすることが、正確な翻訳の基礎です。DAMOアカデミーは、革新的なAIアルゴリズムを通じて、電子商取引、教育、ヘルスケアなどの専門分野における翻訳の困難を克服し続け、人間が言語の壁を乗り越えるのを支援したいと考えています。」と述べました。