長久以來，人類都有一個共同夙愿：發(fā)明一個機器，實現(xiàn)全人類之間毫無障礙的自由交談。而毫無疑問，自由交談在一個宣稱自由連接的互聯(lián)網時代更能彰顯它的價值——畢竟，同是地球人，同住地球村，當你我覓得彼此，卻聽不懂彼此語言，實在有些尷尬。

事實上，與那些讓生活變得復雜的“智能產品”不同，實時翻譯是那種讓人在直覺上理應擁有的技術，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，人類似乎離這個夙愿越來越近了。

幾天之前，微軟旗下的Skype（聽起來很久遠的名字）宣布，具備實時語音翻譯技術的翻譯器Skype Translator中文預覽版正式在中國市場推出。其實不同母語間的人直接對話，讓機器實時翻譯，這些技術微軟早在去年就已與公眾見面，只是那時還不支持中文——你知道，哪怕是對于機器，有大約一萬個常用漢字以及各種語音語調的中文也頗具挑戰(zhàn)性。但如今，包括微軟和谷歌在內的科技巨頭的發(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，倘若實時翻譯真能實現(xiàn)人類的自由交談，這一切意味著什么？

翻譯神器

作為一項長久愿望，在此前數(shù)十年時間，語音實時翻譯的發(fā)展一直受到錯誤率高，麥克風敏感度差異，噪音環(huán)境等因素阻礙。但近些年來，由于大數(shù)據的涌現(xiàn)，這項技術取得了不錯的進展。而Skype Translator更是凝聚了微軟在語音識別，自動翻譯和機器學習等多領域的成果。

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

如你所知，精確的實時語音翻譯有賴于強大的機器學習——也就是軟件學習訓練數(shù)據的能力。這些訓練數(shù)據包括翻譯的網頁，配有字幕的視頻，以及預先翻譯且轉錄成文字的一對一談話。事實上，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練系統(tǒng)更好地“學習”語言——當準備好的數(shù)據錄入系統(tǒng)后，機器學習軟件會在這些對話和環(huán)境涉及到的單詞中搭建一個統(tǒng)計模型，當你說話時，軟件會在統(tǒng)計模型中尋找相似內容，然后應用到預先“學到”的轉化程序中，得以讓語音轉換為文本，再從文本轉換成另一種語言。

值得一提的是，與程序設定一般的朗誦不同，人會一邊思考一邊說話，會犯錯，這種犯錯在口語表達中的體現(xiàn)就是打磕巴，停頓，重復，或者頻頻出現(xiàn)如“嗯”“啊”“呃”之類的語氣助詞，針對于此，Skype Translator的機器學習模型也會處理這些停頓。在預覽版中，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行再優(yōu)化。

不過，作為一項不斷優(yōu)化的技術，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，實時語音翻譯技術應該還談不上完美，系統(tǒng)對語音的識別準確率也有待完善——你知道，語言如一只野獸，時刻都在變化，哪怕同一國家，因地域不同也有不同口音與俚語文化（有人就非常期待機器實時翻譯以下對話：“約嗎？我在火車站等你。”“我去！太遠了！我不去！”）。這些問題可以通過更大范圍的數(shù)據解決么？也許能，但還需要時間。

然而無論怎樣，就像一位評測者所言：“（如今語音實時翻譯）整個體驗就像是兩名電話銷售員在使用對講機，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·創(chuàng)世紀》中記載，曾有一個時代，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，導致人們無法溝通，雞同鴨講，人類計劃失敗，自此各散東西。

那么技術能解除“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？

讓我們先來談談語言的意義。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生不同的思維方式——譬如對時間與空間概念的認知，或者對因果關系的認知，幾千年來就一直是學者們爭論的主題。神圣羅馬帝國的查理曼大帝就曾在科技還不甚昌明的時代宣稱：“掌握第二種語言就是擁有第二個靈魂。”

當然，從科學的角度，斯坦福大學教授Lera Boroditsky也曾頗具詩意地表達過語言的意義：“每種語言都包含著一種獨特的世界觀，反映了使用者數(shù)千年來的思想，傾向和認知方式。一種語言就像一個完整的宇宙，人類有7000多個平行宇宙，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，對人類認知世界的認識越深刻，就越能更好地理解人類的本質。”

嗯，倘若互聯(lián)網發(fā)展的底層邏輯是將全人類更好地連接在一起，形成一個巨大村落，那么語言也許就是最后一個技術障礙。在此之前，圖片作為全世界的通用語言，在社交應用上發(fā)揮了巨大作用——無論在哪個國家，笑容就是笑容，哭泣就是哭泣。當然，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，你們也許真的有福啦。