中國經(jīng)營報：谷歌翻譯的中國基因

中國經(jīng)營報：谷歌翻譯的中國基因

不久前，Google翻譯發(fā)布了iPhone和Android版本，讓用戶能夠隨時使用翻譯服務(wù)，更加輕松便捷地跨越語言障礙。該手機(jī)應(yīng)用可以識別15種語言的語音輸入，朗讀或全屏顯示23種語言的翻譯結(jié)果。對于非拉丁字母語言，例如中文和日文，應(yīng)用將標(biāo)注拼音或羅馬字讀音，便于非母語用戶讀出。與Google翻譯的桌面應(yīng)用相同，移動翻譯也能夠翻譯58種語言書寫的字詞和短語。移動翻譯設(shè)置了一些常用內(nèi)容的翻譯收藏，即便在沒有互聯(lián)網(wǎng)連接的情況下也可讀取，實時翻譯則需通過WiFi或移動網(wǎng)絡(luò)連入Google云端獲取結(jié)果。這款產(chǎn)品對于很多用戶來說非常方便，如果身在國外，不知道某句話用外語該怎么說，只需打開程序，把想說的話念給手機(jī)，然后點(diǎn)擊“翻譯”，手機(jī)就可以把譯文朗讀出來?；诮y(tǒng)計的機(jī)器翻譯Google翻譯產(chǎn)品在全球只有兩個團(tuán)隊，一個是在Google總部，另一個就在中國上海?！癎oogle翻譯在上海成立，主要因為當(dāng)初有兩個人喜歡做翻譯，其中一個就是尹俊(Google翻譯產(chǎn)品研發(fā)領(lǐng)導(dǎo)，作者注)，他可謂是Google上海翻譯團(tuán)隊的創(chuàng)始人。通過美國翻譯團(tuán)隊開展合作，上海的翻譯隊伍越來越大，現(xiàn)在已經(jīng)達(dá)到十幾人的規(guī)模。目前美國總部的翻譯團(tuán)隊主要負(fù)責(zé)后臺的平行語料數(shù)據(jù)，上海翻譯團(tuán)隊負(fù)責(zé)手機(jī)、桌面電腦翻譯應(yīng)用的開發(fā)。Google的創(chuàng)新模式常常是自下而上的，工程師可以在工作中發(fā)揮個人興趣，如果做出成績，就有可能凝聚逐漸擴(kuò)大成一個團(tuán)隊?！痹陉愑簳N看來，上海團(tuán)隊的建立要?dú)w功于Google的創(chuàng)新模式?，F(xiàn)今大部分的商業(yè)翻譯系統(tǒng)都是屬于規(guī)則法機(jī)器翻譯，需要做大量詞匯與語法的工作。Google翻譯則采取基于統(tǒng)計的機(jī)器翻譯，這是IBM科學(xué)家在1993年提出的理念，具有劃時代的意義。Google現(xiàn)在支持58種語言的互譯，翻譯團(tuán)隊的成員們掌握的語言遠(yuǎn)少于這個數(shù)字，這也是統(tǒng)計翻譯的魅力所在。統(tǒng)計翻譯的具體原理是，先往計算機(jī)里輸入大量的文字文本，搭建涵蓋源語言和目標(biāo)語言的平行語料庫，構(gòu)建統(tǒng)計翻譯模型。這些模型可以幫助Google在源語言與目標(biāo)語言中尋找各種相互關(guān)系，得出某些特定單詞、短語或文件的最佳翻譯結(jié)果。針對某種特定語言，Google翻譯分析的翻譯文檔越多，譯文的質(zhì)量就越高。據(jù)陳雍昇介紹，Google翻譯主要有四個步驟：首先，系統(tǒng)需要將源語言句子切分為短語，這是一門復(fù)雜的學(xué)問。英文單詞之間有空格，中文句子則不然。由于統(tǒng)計翻譯系統(tǒng)本身并不具備理解自然語言的能力，在面對“汽水不如果汁好喝”這個句子，“不如”和“如果”都是一種劃分可能；其次，不同語系的組織形式有很大差別，研發(fā)人員必須通過對平行語料的分析來處理詞匯的排序問題。分析平行語料是建模過程，翻譯則是利用模型的過程，前者的算法往往比后者復(fù)雜；然后，系統(tǒng)需要分辨同一個詞的不同形態(tài)，例如過去式和現(xiàn)在分詞，這是一個判斷的過程；最后，將構(gòu)成目標(biāo)語言的詞匯合理聯(lián)結(jié)起來。Google目前能夠翻譯58種語言，如果按排列組合來算，理論上需對應(yīng)近3000種平行語料，事實上Google翻譯的語料庫遠(yuǎn)沒這么多，所以很多語言之間的翻譯是經(jīng)過“橋接”的，這在機(jī)器翻譯中是一種常見技巧。打個形象點(diǎn)的比方吧，目前法英互譯的質(zhì)量肯定比法漢互譯要好，如果遇到法譯漢的需要，翻譯系統(tǒng)可能采取迂回戰(zhàn)術(shù)，先將法語翻譯成英語，再從英語到漢語。比如Google翻譯中關(guān)于泰文和希伯來文的平行語料較少，但卻能夠提供這兩種語言的翻譯，據(jù)陳雍昇透露，“這種偏僻語系的互譯十之八九是經(jīng)過橋接的”?！疤岣叻g質(zhì)量是一個多管齊下的技術(shù)。翻譯的質(zhì)量最主要的還是需要收集平行語料，此外，如果在建模方面可以找到更好的匹配算法或拆分算法，雙管齊下效果更好?！标愑簳N打了個巧妙的比方，“平行語料好比食材，只有材料夠好，廚師的手藝也夠好，而且也有一些調(diào)味料的情況下，才能做出美味的菜肴?！币苿臃g——“20%項目”的產(chǎn)物Google有個20%項目，允許員工拿出20%的工作時間，用來從事本職工作以外的項目，這樣就能開發(fā)出更多種類的產(chǎn)品，移動翻譯可以算作Google“20%項目”的產(chǎn)物。“最初移動這方面有幾個因素，第一個就是因為大家都說移動是未來，這我相信。第二，發(fā)生了一個小故事——有個同事做出了手機(jī)網(wǎng)頁版的移動翻譯，并且發(fā)布出去，結(jié)果那段時間我們的流量呈幾何倍數(shù)的瘋漲?！边@使陳雍昇意識到移動搜索的市場需求之大。他開始在上海研發(fā)中心游說，問誰愿意做這個項目的義工。朱文章(Google翻譯iPhone主導(dǎo)工程師，作者注)對手機(jī)應(yīng)用很感興趣，就在正活之外進(jìn)行iPhone版Google翻譯的研發(fā)，只用兩天時間就做出了產(chǎn)品雛形。“我們第一個手機(jī)翻譯產(chǎn)品的就是這樣誕生的，”談起移動翻譯，陳雍昇的自豪之情溢于言表。上海團(tuán)隊、美國團(tuán)隊對于產(chǎn)品雛形都很滿意，并且為朱文章加撥了人力支持。大概兩三個季度后，由朱文章領(lǐng)導(dǎo)開發(fā)的iPhone版Google翻譯正式發(fā)布。在超過一周的時間里，它一直是全球排名第一的免費(fèi)軟件。理論上來講，Google能在電腦端能夠多少語種的互譯，也能在手機(jī)端提供那么多。而在實際情況中，移動翻譯提供多少語種的語音翻譯，取決于其支持多少語種的語音識別。語音識別需要龐大的數(shù)據(jù)來源，才能建立很好的分辨模型，對此Google早有準(zhǔn)備。2007年，Google開始提供GOOG-411)處理語音搜索。雖然GOOG-411并非Google的重要收入來源，但它為研發(fā)人員收集了海量數(shù)據(jù)，使之能夠不斷完善語音識別算法。一年后Google推出的語音搜索，足以比肩其他公司歷時數(shù)年才搭建起來的類似系統(tǒng)。據(jù)Google稱，這款語音搜索服務(wù)為GoogleAndroid和蘋果iPhone等智能手機(jī)平臺上“更多富有野心的服務(wù)提供了基礎(chǔ)”。例如，裝有Froyo軟件的Android用戶可通過語音控制手機(jī)的絕大部分功能，而Google推出的iPhone應(yīng)用也內(nèi)置了語音識別功能。Google2010年10月關(guān)閉了這項服務(wù)，并在聲明中表示，計劃將相關(guān)資源投入到“使下一代Google產(chǎn)品和服務(wù)支持多語種語音的技術(shù)”中，我們現(xiàn)在看到的語音翻譯即是成果之一。可以預(yù)見，語音識別未來將成為Google更多服務(wù)的特性。雖然移動翻譯接收的源語言多數(shù)具有口語化的特點(diǎn)，在陳雍昇看來，這對翻譯質(zhì)量并不會造成太大影響。首先，用戶使用語音翻譯時，對自己要講的內(nèi)容一般都有明確的認(rèn)識，所以語句的流暢程度跟桌面翻譯的差異不大。其次，人們使用語音翻譯時的說話方式不同于演講，多數(shù)情況下語句簡短，對于語音翻譯來說不難應(yīng)對。“二者最大的差異在于用戶體驗方面。電腦鍵盤使用很方便，而手機(jī)鍵盤很小，我們必須想辦法方便用戶輸入源語言。此外，語音翻譯的使用環(huán)境可能跟辦公室有較大區(qū)別，相對于口語中偶爾出現(xiàn)的停頓和重復(fù)現(xiàn)象，外界雜音對翻譯質(zhì)量的影響更大，所以我們得過濾不必要的訊息?！边^濾雜音的任務(wù)多由翻譯程序完成，研發(fā)人員可以設(shè)定一個音量閾值，將低于此值的雜音篩掉。此外，如果語言出現(xiàn)停頓，將其作為句子結(jié)束還是“正在考慮、尚未說完”來處理，也是翻譯程序可以決定和控制的。再者，“如果用戶說錯了一兩個字該怎么處理？讓其重說一遍還是直接修改那一兩個字，這些用戶體驗方面的問題，都可以通過完善翻譯程序來提升。”陳雍昇表示，“除了之前的語音搜索，Google