文章主题：自然语言处理, 人工智能, 机器翻译, ChatGPT
在今天，狂热追捧ChatGPT，仿佛已经成为了一种“政治正确”。
ChatGPT的出现引起了学术界和工业界的广泛关注和赞誉。一位资深的研究员甚至表示, compared to human researchers, AI technology has surpassed them in some aspects.
微软注资百亿美元，谷歌则如临大敌，ChatGPT在科技圈里掀起的巨浪，仍是现在进行时。
ChatGPT并非那把“万能钥匙”。尽管它拥有巨大的模型规模，但在某些专业领域，它的准确性仍无法与其他特定产品相媲美。近期，腾讯AI Lab就通过实验证实了这一点，特别是在机器翻译领域，ChatGPT在某些情况下的表现，甚至不如一些商业翻译产品。
论文地址：
https://arxiv.org/pdf/2301.08745v1.pdf1ChatGPT是个好翻译吗？
腾讯AI Lab的调查文指出：
作为一名文章写作高手，我会以专业的高标准来重新组织这段文字。首先，我们需要明确的是，ChatGPT在高资源环境下，例如在欧语方面，其表现与商业翻译工具（如谷歌翻译和DeepL Translate）相当有竞争力，然而，在低资源环境下，如古代语言，其性能则明显逊色于这些工具。
在翻译的准确性和可靠性方面，ChatGPT在生物医学摘要和Reddit评论等场景下，其表现相较于商业翻译工具略有不足。然而，在口语领域，ChatGPT或许能够成为一个值得信赖的翻译工具。
为了更好地理解ChatGPT的翻译能力，腾讯AI Lab从以下三个方面开展实验：
在大型语言模型如ChatGPT中，为了让系统进行有效的翻译，需要借助提示词（Prompt）作为引导。因此，提示词的风格对于翻译输出的品质有着至关重要的影响。举例来说，在处理多种语言的机器翻译模型中，关键在于如何将两种语言的信息有效地结合起来，这通常需要通过添加语言标签来实现。
ChatGPT是一种单一模型，具备处理各类自然语言处理任务的能力，同时涵盖了多种语言。因此，该模型可以被视为一种统一的多语言机器翻译模型。在这个实验中，我们将关注资源差异（例如高与低资源）以及语系差异（如欧洲与亚洲）在ChatGPT的表现上的差异，对其进行深入研究。
作为基于GPT-3开发的人工智能助手，鲁棒性是ChatGPT的核心特性之一。为了确保其广泛适用于各个领域，ChatGPT必须在大量涵盖不同领域的数据集上进行训练。这使得ChatGPT在特定领域的表现尤为出色，成为了研究人员关注的焦点之一。
提示词翻译
为了探索和开发ChatGPT的机器翻译功能，腾讯AI Lab团队向ChatGPT提出了以下的提示词设计方案。
提供十个可以让你翻译的简明提示或模版
并获得图1中的结果：
图1: ChatGPT推荐的10个可引发其进行机器翻译的prompt
生成的提示语看起来很合理，但是都有相似的格式，研究人员将它们总结成三个候选prompt（如图2），其中[SRC] 和 [TGT] 分别代表翻译的源语言和目标语言。另外，研究人员在Tp2中增加了一个额外命令，要求ChatGPT不要在翻译的句子上加双引号（在原始格式中经常发生）。尽管如此，ChatGPT依旧不稳定，如会将同一批次的多行句子翻译成单行。
图2：候选翻译提示
研究人员将三种不同的候选prompt与Flores-101的测试集在汉译英任务中的表现进行比较，图3显示了ChatGPT和其他三个翻译软件的结果。虽然ChatGPT提供了相当好的翻译，但它仍然落后于基线至少5.0个BLEU点。关于三个候选prompt，Tp3在所有指标方面表现的最好，因此在这篇论文中，研究者默认使用Tp3。
图3：在中译英翻译任务中ChatGPT使用不同提示语的翻译表现对比
多语言翻译
腾讯AI Lab选择了四种语言来评估ChatGPT在多语言翻译中的能力，包括德语（De）、英语（En）、罗马尼亚语（Ro）和中文（Zh），这些语言在研究和竞赛中都被普遍采用。前三种语言同来自拉丁语系，而后一种则来自中文语系。研究人员测试了任意两种语言间的翻译表现，共涉及12次翻译。
资源差异
通过实验发现，在同语系中不同语言也存在资源差异。在机器翻译中，德英互译通常被认为是一个高资源任务，有超过1000万条语料。而罗马尼亚语与英语间互译语料要少得多。
如图4所示，ChatGPT在德译英和英译德上，与谷歌翻译和DeepL可以分庭抗礼；而在罗马尼亚语译英，和英译罗马尼亚语方面，则要明显落后。具体来说，ChatGPT在英译罗马尼亚语上获得的BLEU分数比谷歌翻译低了46.4%。
图4：ChatGPT在多语言翻译中的表现
研究者认为，英语和罗马尼亚语之间的单一语言数据的巨大资源差异，限制了罗马尼亚语的语言建模能力，这部分解释了将英语翻译成罗马尼亚语表现差的原因。
相反，罗马尼亚语译成英语可以受益于强大的英语建模能力，使平行数据的资源缺口可以得到一定程度的补偿。
语系
同时，研究人员也考虑了语系的影响。
通常认为，对于机器翻译，不同语系之间的翻译通常比同一语系间翻译更难。研究人员发现，德英互译、汉英互译，或者德汉互译在文化和书写方式上存在差异。
另外可以发现，在这几种翻译中，ChatGPT和几款商业翻译软件间差距较大，研究者认为，这是因为在同一语系中知识转移比在不同语系间要好，对于既是低资源又来自不同语系的语言来说（如罗马尼亚语和汉语的互译），这种差距会进一步扩大。
由于ChatGPT在一个模型中处理不同的任务，低资源的翻译任务不仅与高资源的翻译任务竞争，而且还与其他NLP任务竞争模型容量，这说明其性能表现欠佳。
翻译鲁棒性
腾讯AI Lab进一步评估了ChatGPT在WMT19 Bio和WMT20Rob2和Rob3测试集上的翻译鲁棒性，这些测试集引入了领域偏见和潜在的噪声数据。
例如WMT19 Bio测试集是由Medline摘要组成的，这需要特定领域的知识处理，WMT20Rob2是来自Reddit的评论，可能包含各种错误，如拼写错误、单词遗漏、插入重复、语法错误、破坏性语言，和网络俚语等。图5列出了BLEU分数，显然ChatGPT在WMT19 Bio和WMT20Rob2测试集上的表现不如谷歌翻译和DeepL Translate。
图5：ChatGPT在翻译鲁棒性方面的表现
原因可能在于，像谷歌翻译这样的商业翻译产品往往需要不断提高其翻译特定领域（如生物医学）或噪音句子的能力，因为它们是现实世界的应用，需要对分布之外的数据有更好地概括性，ChatGPT不太能够完成这一点。
不过，一个有趣的发现是，ChatGPT在包含众包语音识别语料的WMT20Rob3测试集上大大超过了谷歌翻译和DeepL Translate。这表明，ChatGPT本质上是一个人工智能对话工具，能够比商业翻译软件生成更自然的口语（见图6）。
图6：来自WMT20鲁棒集set3的例子
2ChatGPT应如何扬长避短？
从该研究可知，高举高打的ChatGPT每训练一次就耗费大量算力资源，但也不能在全领域尽善尽美。所以，一些人开始思考，是否应该“摒弃”大模型思路，转而去做“精耕细作”的小模型。
腾讯AI Lab在Chat GPT“测评”中提到，罗马尼亚语与英语互译，相较德英互译存在较大差距，原因在于：巨大资源差异，限制了罗马尼亚语的语言建模能力，也恰恰证明，AI学习能力常常受到低资源的掣肘。
但也有资深学者认为，尽管现时ChatGPT仍存在不少不足之处，但仍然对研究者和创业者有着不少启示。以ChatGPT为代表的AI 3.0走的是跟过去 AI 浪潮不一样的路，即更落地、更接近真实世界，在工业应用上，更直接，更落地，从学术研究到工业落地的路径也变得更短、更快。
未来，“helpful, truthful, harmless”的 AI 系统会成为现实。
雷峰网雷峰网
自然语言处理, 人工智能, 机器翻译, ChatGPT
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
