将一种语言自动翻译成另一种语言一直以来都是难以攻克的问题。但最近几年，谷歌通过开发机器翻译算法改变了传统的翻译过程，通过谷歌翻译从本质上改变了跨文化翻译交流。
如今，谷歌正在运用同样的机器学习技术将图片转变为文字。其结果就是自动产生能够准确描述图片内容的标题。该技术将用在互联网搜索引擎，图片自动发表，视觉受损者的网页浏览，以及其他更为广阔的领域。
翻译语言的传统步骤是一个更迭的过程 - 从个体单词的翻译开始，然后通过重新排列单词和短语的顺序来提高翻译的准确性。但是近几年来，通过完全不同的方式，谷歌已经能够运用自己超大规模的搜索数据库来转换文字。
谷歌运用的方法的本质是统计相邻或相近单词出现的频率，并且在向量空间中定义他们之间的关系。通过这样的方法，每一个单词就可以用一个向量在空间中表示出来，每一个句子则是不同向量的组合。接下来谷歌做了一个重要的假设 - 无论什么语言，特定的单词之间具备相同的关系。例如，在所有语言中，向量“国王-男人+女人=皇后”都应该是一个真命题。
这就使得语言翻译成为了向量空间学里的一个问题。谷歌翻译是通过这一方式实现这一过程的：先把句子转换成向量，然后使用这个向量产生意思相同，另一种语言的句子。
现在Oriol Vinyals 和他在谷歌的合作者们正在使用类似的方法将图片转化为文字。他们的技术是使用神经网络去学习10万个图片的数据集合以及他们的标题，以此来实现如何对这些图片的内容进行分类。
但是除了生成一组可以描述图片的单词，他们的算法同样可以生成代表单词之间关系的向量。这个向量可以和谷歌现有的翻译算法结合起来去生成英语标题，或者任何其他语言的标题。事实上，谷歌的机器学习方法已经可以将图片转换为单词。
为了考量这种方法的效果，他们从亚马逊的”mechanical turk” （提供不同技能的劳动力资源平台）雇佣了评估者来对通过上述方法自动产生的标题，以及其他方法和人工翻译的标题进行评分。
结果显示被谷歌叫做神经图片标题(Neural Image Caption, NIC)的新系统非常成功。使用一个叫做PASCAL的被大家所熟知的图片数据集，神经图片标题的翻译功能明显超出其他的非人工翻译方法。据Vinyals说,NIC的BLEU (wiki) 分数是59，现今最好的非人工翻译技术的分数是25，人工翻译的分数是69。
这是个不错的结果，并且随着训练数据集的增大，这个方法产生的结果会更好。“从实验中我们非常清楚地看到，由于数据集的增大，NIC的翻译功能也相应得到提高。”谷歌团队说。
下图是一组图片翻译结果的示例－按翻译结果评分分组：
很明显，这是另一个在不久的将来机器会超越人类的项目。谷歌原论文题目：Show and Tell: A Neural ImageCaption Generator
论文链接：arxiv.org/abs/1411.4555
编者注：最近升级版的“谷歌翻译“中，已经增加了类似的功能，叫做“Word Lens“，下文摘自雷锋网（leiphone.com）
原文链接 http://www.leiphone.com/news/201501/4d8lzMhsZBfqy1NG.html
iOS版谷歌翻译推出了更新版本，新版本增加了“Word Lens”功能，可以直接对镜头捕捉到的文字图像进行实时翻译，并显示在相机视图上。并且，即使在没有网络连接的时候也能使用。遗憾的是，目前支持翻译的文字有限，仅包括英语、法语、俄语、德语、意大利语、葡萄牙语和西班牙语，不过未来会支持更多语言。
此外，新版本还增加了实时会话模式，可以在双方使用自然语速进行语音对话时，自动识别双方的语种并进行实时翻译。
本文转自：http://www.tuicool.com/articles/FbyUn2B