自然語言處理的神經(jīng)機器翻譯在亞馬遜研究獎中占有重要地位。
早在2017年年中，亞馬遜就舉辦了2017年第三屆亞馬遜研究獎(ARA)提案。ARA是亞馬遜支持外部研究的方式之一，未來可能會整合到這家科技巨頭的平臺中。2017 ARA提供了11個類別-從機器學習到計算機視覺到多語言理解-收到了來自北美和歐洲研究小組的800多份提交材料。
2018年5月17日，ARA宣布，49個組織將單獨向項目團隊獎勵高達8萬美元的資金。亞馬遜在新聞稿中宣布，來自28機構49個科學團體將共同獲得370萬美元的研究經(jīng)費。
NLP和NMT的獲獎者
在49個項目中，5個與自然語言處理(NLP)有關，另一個與神經(jīng)機器翻譯(NMT)有關。亞馬遜和其他大型技術公司這些技術的重要性顯示了語言相關技術在贏家中的地位。
ARA選擇的內(nèi)容似乎并不公開，但他們的作者以前的工作和以前對同一主題的研究可以揭示他們研究的性質(zhì)。
對于NLP來說，這項研究包括加州大學伯克利分校助理教授大衛(wèi)·巴曼的“文學文本的自然語言處理”。由于語言的創(chuàng)造性使用，文學文本對NLP和NMT都是一個挑戰(zhàn)。
還有一些關于NLP分支的看法，比如回答問題，推薦人。例如，系統(tǒng)會根據(jù)你在《網(wǎng)飛》上的觀看記錄推薦你可能想看的下一部電影。Hannaneh Hajishirzi，華盛頓大學前研究助理教授兼兼職助理教授，題為《關于產(chǎn)品評論的問答與推理》。后者是明尼蘇達大學計算機科學與工程系的研究科學家Max Harper的“自然語言推薦器的構建模塊”。
還有自然語言處理中人機交互的NLP研究，也就是斯坦福大學助理教授Percy Liang的《在變化的網(wǎng)站上學習理解自然語言命令》。
最后，我們通過將自然語言的語言轉(zhuǎn)換為機器可理解的表示的特定方法來研究多語言語言理解:“啟用多語言語言理解:通用類型化語義分析”，該方法由斯坦福大學的Christopher Manning和Thomas M. Siebel在機器學習和語言學以及計算機科學領域講授。
至于NMT，來自約翰霍普金斯大學的高級研究科學家和助理研究教授Kevin Duh提交了“快速準確的神經(jīng)機器翻譯的多目標超參數(shù)搜索”。這個項目的目標是快速和準確的NMT，但杜的其他工作也涉及在適應訓練和低資源環(huán)境領域的NMT。
亞馬遜最近在NMT很活躍。他們最新的大動作是正式推出亞馬遜翻譯，在此期間，他們將翻譯語言學家。公司帶到了舞臺上。即使在2017年底的預覽版發(fā)布期間，亞馬遜也積極地將該語言翻譯成語言服務提供商。
