Facebook hat ein Modell zur maschinellen Übersetzung
präsentiert, welches im Vergleich zu Googles System in Sachen Qualität und Geschwindigkeit besser abschneidet. Während
Google zur Übersetzung auf rekurrente neuronale Netze (RNN) setzt, basiert Facebooks neues System auf dem sogenannten Convolutional Neural Network (CNN), welches insbesondere in der Bilderkennung zum Einsatz kommt.
Im Vergleich lassen sich CNN-Systeme viel besser parallelisieren und dadurch sehr schnell auf GPUs ausführen. Da RNNs hingegen auf bereits verarbeitete Information zurückgreifen, sind diese zwar langsamer, hatten aber bislang bei der Qualität in der Sprachverarbeitung und besonders bei der Übersetzung die Nase vorn. In standardisierten Übersetzungstests für Englisch-Französisch, Englisch-Deutsch und Englisch-Rumänisch schneidet Facebooks System leicht besser ab als Googles oder auch andere RNN-Systeme.
Das CNN-Modell von
Facebook bietet zudem auch noch andere Vorteile. So benötige das System bei ungefähr gleicher Qualität wie sehr gute RNN-Modelle in der Trainingsphase rund halb so viel GPU-Rechenzeit, und auch bei der Übersetzung ist das System offenbar um einiges schneller. Google setzt für sein System einen speziell für die Verwendung mit neuronalen Netzen selber entwickelten Chip ein, um die Geschwindigkeit zu optimieren. Der Code für Facebooks System sowie Trainingsdaten sind auf
Github unter einer BSD-Lizenz verfügbar.
(swe)
