原标题：挑战方言和口语的机器翻译难题，微软靠迁移学习解决相对应语句训练资料不足问题
继微软3月中发布AI机器中翻英程度达到人类专业水准之后，最近又持续挑战机器翻译的难题-方言和口语，通过迁移学习将训练资源高的语言转移到资源低的语言上，搭配半监督式学习方法，解决了对应语句训练资料不足的问题，成功开发出高品质的方言和口语翻译器。
机器翻译通常依赖两种语言的平行对应语料资料库来训练模型，像是前阵子中翻英的模型即用了数千万个平行语句当作训练资料，不过，由于大多数的方言和口语都没有足够的相对应语料当作训练资料集，翻译方言和口语一直是机器翻译的一大难题之一。
除了没有足够的训练资料之外，方言和口语也没有固定的风格和形式，与正式的书面文件和社交媒体上的文字都不相同，要取得平行语句也是更加困难。
为了解决这个问题，微软利用半监督式的方法来训练翻译神经网络，只需要数千对平行语句当作训练资料，就能产生高品质的翻译结果。
微软首先利用了迁移学习的方法，将跨多种语言资源的词汇和句子表示成一种目标语言，不同语言来源将会包含资源高和低，系统的目标即是要让学习模型共享来源，进而增强资源较低的语言，微软的系统架构针对神经机器翻译框架调整了2个地方，进而让半监督式的方法变得可行。
在词汇的部分，微软通过通用词汇表示（ULR）来共享不同语言的词汇，另外，微软还用了专家模型来代表所有语言源的句子共享，通过这两项修改，能够让较少资源的语言用词汇和句子特征，来对应到资源较高的语言中。
在微软的实验中，微软首先用一般的方式训练模型，来进行多语言翻译，模型使用了6,000个平行句子来学习翻译罗马尼亚语和英语，以及拉脱维亚语和英语。
接着，微软则是先在高资源的语言上训练模型，再套用到低资源的语言上，并进行微调，该模型也是用了罗马尼亚语对应英语的6,000个平行句子训练，经过微调，模型可以在2分钟内将预先训练好的模型转移到新的低资源语言上。
相关：
示意图，与新闻事件无关。 图片来源: 微软 微软周一宣布收购AI新创公司Semantic△Machines△，希望使人工智能（AI）助理Cortana的人声更逼真。微软AI△Research技术长David△Ku指出，现行的软件机器人和智慧助理只
IoT双周报第40期：微软祭出智慧边缘运算新战略，拥抱开源释出Azure IoT Edge核心程式码
Azure△IoT△Edge△Runtime程式码是用来执行、启用Azure△IoT△Edge边缘运算服务底层OS上的一支程式，其实就是Edge层OS，任何装置只要装上这个OS，就等于是具备了IoT△Edge能力，以及串连云端的功能。微软将IoT△Ed
微软将热门SignalR函式库放上Azure，以云端架构加持网页即时功能
SignalR是个热门的开源函式库，用来支援像是协作文件这样的即时互动网页功能，而现在微软把SignalR放上云端，推出Azure△SignalR服务，让开发者不只可以更轻松的开发网页即时功能，且也不需要处理容量配置、扩展或是
微软宣布加入Verizon和Akamai的内容交付网络（Content△Delivery△Networks，CDNs）战局，现在Azure△CDN在33个国家提供54个全球边缘网络连接点（Edge△Point-of-Presence），以及16个区域型快取网络连接点，总体覆盖
图片来源: 微软 欧盟最严格个资保护法GDPR即将要上路，违反者最高可能被罚2千万欧元，或是全球营业额的4％，在欧洲做生意的企业，得要上好发条，严阵看待资料保护的工作，大型云端业者也不例外。微软强化旗下Azure公