我很想与在机器学习、计算语言学或广义的人工智能方面有经验的人交流，具体可以围绕以下例子：
• 如果要尝试构建类似谷歌翻译的东西（通过统计语言学、机器学习），你会应用哪些现有的软件？（请不要误解，我不是只想做这件事，而是试图为这个领域中最复杂的事情构建一个概念框架，如果你有机会领导一个团队来实现它，你会怎么想？）
• 会使用哪些现有的数据库？存储TB级别的数据时，使用哪种数据库技术？
• 除了 C++ 之外，还会使用哪些编程语言？
• Apache Mahout 如何？
• 并且，这些软件组件如何协同工作来驱动整体工作？
回答：
用于自动翻译的最佳技术是基于统计方法。在计算机科学中，这被称为“机器翻译”或 MT。其思想是将信号（要翻译的文本）视为噪声信号，并使用纠错来“修复”该信号。 例如，假设您要将英语翻译成法语。 假设英文陈述最初是法文，但以英文形式出现。 您必须对其进行修复才能恢复它。 可以为目标语言（法语）和错误构建统计语言模型。 错误可能包括遗漏的单词、移动的单词、拼写错误的单词和添加的单词。
更多信息请访问：http://www.statmt.org/
关于数据库，MT解决方案不需要典型的数据库。一切都应该在内存中完成。
对于这项特定任务，最好使用最快的语言。 C对于这个问题来说是理想的，因为它速度快且易于控制内存访问。 但是可以使用任何高级语言，例如Perl，C＃，Java，Python等。
