大家都知道，欧盟拥有24种官方语言，理想情况下，欧盟的翻译官们应该能够随时从一种语言直译到另一种语言，但这种翻译组合实在是太多了，高达576种，所以他们选择英语当做中间语言来解决这一问题。
同样地，我们的谷歌工程师们也面临着同样的问题，但谷歌面临的麻烦要更大一点，因为他们需要翻译的语言种类要比欧盟的官方语言多，达到100多种，（例如：英语翻法语是一种组合，而法语翻英语又是另一种组合），而这些翻译组合会高达上万种。
如果为每一种组合训练一种神经翻译模型的话，那么就需要训练上万个。真的是好多啊！但是现在不要了，我们只需要一个模型就可以解决这些问题。近日，来自谷歌的工程师门发表了一篇论文，上面提到如何只用一个模型实现多语言之间的翻译。这个模型被称为NMT模型。 NMT模型的训练不需要任何语言学知识，且具有模型简单、翻译质量高等优点。它基于原有的单一语言翻译模型，但不需要对原有翻译模型进行任何修改，便可实现多语言之间的翻译。
论文显示这种新方法有三个优点：
一、简单，即减少需要训练的模型数；
二、改善翻译质量。尤其是那些训练语料不足的语言；
三、具有‘zero shot’翻译能力，即如果我们训练一个模型可以将葡萄牙语翻译成英语，然后在训练一下让其可以实现英语到西班牙语之间的翻译，此时神奇的一幕出现了，我们虽然并没有进行葡萄牙语到西班牙语之间的翻译，但是此时模型仍然可以实现葡萄牙语到西班牙语之间的正确翻译。
谷歌宣称这是世界首次研发出zero-shot翻译。很明显，zero-shot 还具有明显的速度优势，它可以使解码时间减半。 其另一个优势就是可以实现句间转换。如果一个句子中包含不止一种语言，它照样可以翻译。这样如果一个大的数据集中如果包含多种语言，那么它照样可以实现翻译。论文的最后，谷歌翻译人员用BLEU方法对翻译结果进行评判，发现结果改善不少。
实际上，神经机器翻译还有很长的路要走。谷歌貌似已经将NMT 推广到了其它语言翻译上，例如英语到德语的翻译。在我们对谷歌翻译进行的随机测试中，我们发现其翻译流畅度有所提升，但仍有一些漏翻或误翻。
