翻译技术速递低资源语言如何做MT？且看 Masakhane 如何将MT版图延伸到非洲
事实证明，一种语言可用的参考数据越多，该语言的机器翻译(MT)就表现得越强大、改进越快。在全球，有一个区域此前一直缺乏当地语言的参考数据，那就是非洲。当地有2000多种语言，目前在自然语言处理领域都不曾涉及。为此，Masakhane 项目联合创始人兼首席研究员Laura Martinus和Jade Abbott 决心改变现状。
这两位南非人介绍，他们之前处在一种恶性循环中：人们认为他们的语言不会成为主流的交流方式；这反过来又导致翻译项目缺乏资金和语言资源的支持。仅有的一些翻译项目，也只是出现在特定国家的机构中。
Martinus和Abbott受到 Deep Learning Indaba 2018 大会主题的启发，启动了Masakhane项目（其名称在isiZulu语中的意思是“携手共建”），号召不同国家的NLP专业人士参与，最终目标是将互联网“及其内容翻译成我们的语言，反之亦然”。
现在，来自15个国家的60多名参与者着眼于整个非洲大陆，为非洲语言构建机器翻译模型。（Masakhane项目还与金山大学的RAIL实验室和Translators Without Borders机构合作。）
计划：收集语言数据并开发MT模型，然后对模型进行分析和优化。
Martinus和Abbott已经使用卷积序列到序列(ConvS2S)和Transformer架构来训练模型，将英语翻译成南非11种官方语言中的5种（Afrikaans, isiZulu, Northern Sotho, Setswana, Xitsonga）。 他们在2019年计算语言学协会(ACL)年会上展示了其研究成果。
自2019年11月被VentureBeat介绍以来，该小组一直在开展一系列语言方面的工作，并致力于将所有成果公之于众，以应对相关资源的“低可发现性”，这也是许多非洲语言面临的一个重大挑战。
首席研究员Kathleen Siminyu告诉Slator，这个项目现在有16种语言提交了 benchmark，可以在GitHub的Masakhane项目页面上看到。
Martinus告诉Slator说：“我们每天都有人提交，所以这个数字一直在增加。” “有几个我认识的人预计近期就会提交benchmark，目前还在紧锣密鼓地进行。”
2020年1月22日，Abbott 曾在一个非专业领域平台上发布消息称，志愿者Julia Kreutzer是一名德语博士生，她“使用JoeyNMT训练了一个英语到南非荷兰语的模型，并将其作为一个slack机器人部署在我们的@Masakhanemt slack账户上（选择南非荷兰语是因为她说德语，可以检验模型的效果）。”
Kreutzer曾将JoeyNMT（也在GitHub上）描述为“专为新手设计的极简神经机器翻译工具包”。
Masakhane项目计划在定于2020年4月在埃塞俄比亚举行的AfricaNLP 研讨会上进行展示。“目前看来，我们将提交6篇论文，也许更多，”Siminyu说。
Martinus补充说，许多Masakhane参与者目前还在为2020年5月由南非数字语言资源中心（SADiLaR）主办的首届非洲土著语言资源研讨会撰写论文。
以上中文文本为机器翻译，存在不同程度偏差和错误，请理解并参考英文原文阅读。
阅读原文