{Tech Web Report}9月1日，根據Techrunch的技術博客，我們每天使用不同的技術，但是我們不知道它們是如何工作的。事實上，理解機器學習引擎并不容易。他指出機器翻譯存在的問題和解決方法。

     機器學習已被證明是一個非常有用的翻譯工具，但它有一個弱點，在翻譯模式中詞對詞翻譯的趨勢就是其中之一，這可能導致嚴重的錯誤。

     顯然，bank的意思是每個句子都是不同的，但是逐字翻譯算法很可能會選擇錯誤的意思，因為它不知道哪個銀行是正確的，除非它能看到句子的結尾。

     Google的解決方案是所謂的聚焦機制，這意味著在翻譯軟件中內置了一個轉換器系統。它逐個比較句子中的單詞，以確定它們是否以關鍵方式交互，例如，看他或她是否在說話，或者單詞是否像銀行。用一種特定的方式表達，如下面的圖表：

     根據以前的報道，谷歌的競爭對手DeepL也在使用注意力機制。該公司表示，基于神經網絡的DeepL翻譯器在翻譯結果方面優于微軟和谷歌。當用戶輸入文本時，DeepL的人工智能捕捉到最小的差異，并且不像其他服務，它在翻譯中盡可能地恢復和模仿。

     但有趣的是，Google給人們一個機會看看系統是如何工作的，Transformer給每個單詞打分，說明它與其他單詞有多么相關，你可以看到它認為哪些單詞是相關的，哪些是潛在的相關的。