Skype Translator：實(shí)時(shí)語音翻譯神器能否解除“巴別塔魔咒” ？

長久以來，人類都有一個(gè)共同夙愿：發(fā)明一個(gè)機(jī)器，實(shí)現(xiàn)全人類之間毫無障礙的自由交談。而毫無疑問，自由交談在一個(gè)宣稱自由連接的互聯(lián)網(wǎng)時(shí)代更能彰顯它的價(jià)值——畢竟，同是地球人，同住地球村，當(dāng)你我覓得彼此，卻聽不懂彼此語言，實(shí)在有些尷尬。

事實(shí)上，與那些讓生活變得復(fù)雜的“智能產(chǎn)品”不同，實(shí)時(shí)翻譯是那種讓人在直覺上理應(yīng)擁有的技術(shù)，正因如此，它也一直存在于《星際迷航》《神秘博士》以及《銀河系漫游指南》等科幻作品中。好消息是，人類似乎離這個(gè)夙愿越來越近了。

幾天之前，微軟旗下的Skype（聽起來很久遠(yuǎn)的名字）宣布，具備實(shí)時(shí)語音翻譯技術(shù)的翻譯器Skype Translator中文預(yù)覽版正式在中國市場推出。其實(shí)不同母語間的人直接對話，讓機(jī)器實(shí)時(shí)翻譯，這些技術(shù)微軟早在去年就已與公眾見面，只是那時(shí)還不支持中文——你知道，哪怕是對于機(jī)器，有大約一萬個(gè)常用漢字以及各種語音語調(diào)的中文也頗具挑戰(zhàn)性。但如今，包括微軟和谷歌在內(nèi)的科技巨頭的發(fā)力，使得地球上使用人數(shù)最多的語言和使用最廣泛的語言能直接展開對話。

那么問題來了，作為不同文化之間的擺渡人，倘若實(shí)時(shí)翻譯真能實(shí)現(xiàn)人類的自由交談，這一切意味著什么？

翻譯神器

作為一項(xiàng)長久愿望，在此前數(shù)十年時(shí)間，語音實(shí)時(shí)翻譯的發(fā)展一直受到錯(cuò)誤率高，麥克風(fēng)敏感度差異，噪音環(huán)境等因素阻礙。但近些年來，由于大數(shù)據(jù)的涌現(xiàn)，這項(xiàng)技術(shù)取得了不錯(cuò)的進(jìn)展。而Skype Translator更是凝聚了微軟在語音識別，自動翻譯和機(jī)器學(xué)習(xí)等多領(lǐng)域的成果。

簡單地說，Skype Translator的翻譯邏輯主要分為三步：將你的實(shí)時(shí)語音轉(zhuǎn)成文字；將文字翻譯成另一種語言的文字；將文字轉(zhuǎn)成語音。其中，識別實(shí)時(shí)語音并轉(zhuǎn)成文字是最棘手的部分。

如你所知，精確的實(shí)時(shí)語音翻譯有賴于強(qiáng)大的機(jī)器學(xué)習(xí)——也就是軟件學(xué)習(xí)訓(xùn)練數(shù)據(jù)的能力。這些訓(xùn)練數(shù)據(jù)包括翻譯的網(wǎng)頁，配有字幕的視頻，以及預(yù)先翻譯且轉(zhuǎn)錄成文字的一對一談話。事實(shí)上，已有不少人分享了他們過去的對話記錄。Skype Translator通過記錄對話來分析文本并訓(xùn)練系統(tǒng)更好地“學(xué)習(xí)”語言——當(dāng)準(zhǔn)備好的數(shù)據(jù)錄入系統(tǒng)后，機(jī)器學(xué)習(xí)軟件會在這些對話和環(huán)境涉及到的單詞中搭建一個(gè)統(tǒng)計(jì)模型，當(dāng)你說話時(shí)，軟件會在統(tǒng)計(jì)模型中尋找相似內(nèi)容，然后應(yīng)用到預(yù)先“學(xué)到”的轉(zhuǎn)化程序中，得以讓語音轉(zhuǎn)換為文本，再從文本轉(zhuǎn)換成另一種語言。

值得一提的是，與程序設(shè)定一般的朗誦不同，人會一邊思考一邊說話，會犯錯(cuò)，這種犯錯(cuò)在口語表達(dá)中的體現(xiàn)就是打磕巴，停頓，重復(fù)，或者頻頻出現(xiàn)如“嗯”“啊”“呃”之類的語氣助詞，針對于此，Skype Translator的機(jī)器學(xué)習(xí)模型也會處理這些停頓。在預(yù)覽版中，用戶可以看到部分語氣詞停頓被移除，而未被移除的部分則可能通過用戶反饋進(jìn)行再優(yōu)化。

不過，作為一項(xiàng)不斷優(yōu)化的技術(shù)，無論是微軟的Skype Translator還是“老對手”谷歌的Google Translate，至少在現(xiàn)階段，實(shí)時(shí)語音翻譯技術(shù)應(yīng)該還談不上完美，系統(tǒng)對語音的識別準(zhǔn)確率也有待完善——你知道，語言如一只野獸，時(shí)刻都在變化，哪怕同一國家，因地域不同也有不同口音與俚語文化（有人就非常期待機(jī)器實(shí)時(shí)翻譯以下對話：“約嗎？我在火車站等你。”“我去！太遠(yuǎn)了！我不去！”）。這些問題可以通過更大范圍的數(shù)據(jù)解決么？也許能，但還需要時(shí)間。

然而無論怎樣，就像一位評測者所言：“（如今語音實(shí)時(shí)翻譯）整個(gè)體驗(yàn)就像是兩名電話銷售員在使用對講機(jī)，不過在使用過程中，這樣的抱怨將會被‘奇跡’帶來的震驚所取代。”

地球村

在《圣經(jīng)·創(chuàng)世紀(jì)》中記載，曾有一個(gè)時(shí)代，人類擁有共同的語言，于是有人想在巴比倫造一座通天塔——巴別塔，以便直接跟上帝對話，為了懲罰人類的傲慢與虛榮，上帝讓這些人說不同的語言，導(dǎo)致人們無法溝通，雞同鴨講，人類計(jì)劃失敗，自此各散東西。

那么技術(shù)能解除“巴別塔魔咒”么？倘若語言不再是人類交流的壁壘，會發(fā)生什么？

讓我們先來談?wù)務(wù)Z言的意義。在全球7000多種語言中（盡管有不少“小語種”已日漸枯萎），除了詞匯和語法的表層差異，不同的語言是否能使人類產(chǎn)生不同的思維方式——譬如對時(shí)間與空間概念的認(rèn)知，或者對因果關(guān)系的認(rèn)知，幾千年來就一直是學(xué)者們爭論的主題。神圣羅馬帝國的查理曼大帝就曾在科技還不甚昌明的時(shí)代宣稱：“掌握第二種語言就是擁有第二個(gè)靈魂。”

當(dāng)然，從科學(xué)的角度，斯坦福大學(xué)教授Lera Boroditsky也曾頗具詩意地表達(dá)過語言的意義：“每種語言都包含著一種獨(dú)特的世界觀，反映了使用者數(shù)千年來的思想，傾向和認(rèn)知方式。一種語言就像一個(gè)完整的宇宙，人類有7000多個(gè)平行宇宙，有的彼此相似，有的大相徑庭。這種巨大的多樣性是人類頭腦靈活性和精致性創(chuàng)造出的奇跡。我相信，對人類認(rèn)知世界的認(rèn)識越深刻，就越能更好地理解人類的本質(zhì)。”

嗯，倘若互聯(lián)網(wǎng)發(fā)展的底層邏輯是將全人類更好地連接在一起，形成一個(gè)巨大村落，那么語言也許就是最后一個(gè)技術(shù)障礙。在此之前，圖片作為全世界的通用語言，在社交應(yīng)用上發(fā)揮了巨大作用——無論在哪個(gè)國家，笑容就是笑容，哭泣就是哭泣。當(dāng)然，表情符號也發(fā)揮了類似作用——你知道么，真的有人曾用表情符號聊了45分鐘。

所以，可以肯定的是，當(dāng)人類連接在一起，打破語言的壁壘，更好地理解彼此，勢必將開啟“地球村”的新篇章。

最后我想說，對于那些連四級都沒過的同學(xué)，你們也許真的有福啦。

【李北辰：微信公號：future-is-coming】

（關(guān)注更多鈦媒體作者觀點(diǎn)，參與鈦媒體微信互動（微信搜索“鈦媒體”或“taimeiti”））