机器翻译是非常古老的人工智能问题

机器翻译是非常古老的人工智能问题，然而这个问题一度作为人工智能发展的瓶颈，一直不能达到理想的状态。

早期机器翻译采用“基于语言句法”的翻译方法，但是语言的变数是无限的，“基于语言句法”的方案一直无法达到理想的效果。

基于深度学习的“端到端”的模型在很大程度上解决了机器翻译的瓶颈。

“端到端”的模型将自然语言嵌入到一个语义空间中，人类使用不同种语言表达的语义相同的语句，在语义空间中具有相同或相似的坐标，只要对比语义空间中相同坐标的语句，即可完成相关的翻译。

FAIR的开源序列到序列（sequence-to-sequence）引擎现在可以在PyTorch使用了。FAIR今天发布了fairseq-py，这是一个用PyTorch实现的卷积seq2seq模型。fairseq-py是语言翻译以及其他 seq2seq 的NLP任务的一个很好的模型，新的工具包比以前的更高效率：生成翻译的速度比以前的提高了80%，训练速度提高了50%。