在人工智能语音翻译领域，噪音是必须要面对的主要挑战之一。设备或许能够识别出实验室或会议室里的语音，但在日本京都站与我(本文作者马利克·科恩(Marek Kohn))交谈的怀贝尔教授(Professor Waibel)周围，我仍能听到那种背景噪音。我正努力用英语跟上他的思路，但潦草的线条提醒我，我们相距近1万公里，即使我们说的是同一种语言，这段距离仍然成为交流的重大障碍。
毕竟，我们还没有实现科幻小说中描述的那种无缝交流。在这些描述中，怀贝尔教授可以用其母语德语作出解释，而我听到的却是英语。或许，他也可以不用手就能与周围的日本人进行无缝交谈，即使所有人都在用母语，也不影响他们之间的对话。
怀贝尔是德国卡尔斯鲁厄理工学院的计算机科学教授，他和同事们已经可以用德语授课，学生们则可以通过电子翻译器用英语听课。该系统生成学生可以在笔记本电脑或手机上阅读的文本，因此这个过程有点类似于字幕。不过，这有助于讲师将课程讲得更清楚，不需要担心背景差异。
人工智能语音翻译的想法由来已久。
怀贝尔同时也是美国卡内基梅隆大学的计算机科学教授，他甚至可以被称之为人工语音翻译的创造者。1978年，他在麻省理工学院(MIT)提出了这个想法。道格拉斯·亚当斯(Douglas Adams)差不多也是在同一时期想到了这个主意。
《银河系漫游指南》(The Hitchhiker’s Guide to the Galaxy)中有一种名为“巴别塔鱼”(Babel)的生命形式，当把它放在耳朵里时，听者能够听懂宇宙中的任何生命种族的语言。这代表了一种技术爱好者渴望已久的设备，比如便携式语音通信设备和可以挂在墙上的平板电视，这是一种早就应该存在的东西，且总有一天会成为现实。
1991年，怀贝尔构建了头一个语音翻译系统，该系统拥有500个单词的词汇量，可以在大型工作站上运行，需要几分钟来处理所听到的内容。他承认:“当时还没有为迎接语音翻译的黄金时代做好准备。”如今，随着人工翻译和语音识别技术的不断进步，类似于巴别塔鱼的原型设备已经开始出现。
谷歌使用Google Translate，在Pixel耳机中加入了翻译功能，它还可以通过智能手机应用进行语音翻译。Skype有Translator功能，可以处理10种语言。有些规模较小的公司，如总部位于纽约布鲁克林的初创公司韦弗利实验室(Waverly Labs)，已经开发出了耳机翻译器。科技媒体上的评论可以被合理地总结为“实际上还不错”。
目前可用的系统已经证明了这一概念，但在现阶段，它们似乎被视为引人注目的新奇事物，而不是朝着怀贝尔所称的“建立语言透明社会”的方向迈进。推动人工语音翻译的一个主要发展趋势是，鼓励人们使用该技术进行交流。Google Translate的产品总监巴拉克·图罗夫斯基(Barak Turovsky)表示:“我们通常在语音设备的范例中处于非常早期的阶段，但它发展得非常迅速，翻译将是这段旅程的关键部分之一。”
上个月，谷歌为其家庭设备引入了解释器模式，只要说:“嘿，谷歌，做我的法语翻译器”，就能激活语音，并在智能显示屏上进行文本翻译。谷歌建议将酒店登记作为可能的用例。这可能是个明显的例子，它可以充当“旅行者英语”，无论是以英语作为母语还是其他语言的人都可使用。
如果你的手机上有翻译软件，你已经可以这么做了，尽管它的屏幕和扬声器都很小。这种简单的公共互动在很大程度上利用了这款应用的对话功能。但是另一个流行的用例是图罗夫斯基所谓的“浪漫”。数据日志揭示了“我爱你”和“你有一双美丽的眼睛”等语句的受欢迎程度。其中很多可能并不代表什么新东西。毕竟，几十年来，搭讪语始终是标准常用语手册中的内容。
韦弗利实验室利用聊天功能为其在Indiegogo上的融资活动做宣传。该公司创始人兼CEO安德鲁·奥乔亚(Andrew Ochoa)在一段视频中讲述了自己的灵感来源：当时他在度假时遇到了一名法国女性，但无法与她很好地沟通，于是他产生了做翻译的想法。尝试使用翻译应用让人产生“可怕的体验”。手机会碍手碍脚，但耳机不会挡住脸。这段视频展示了可能的情况：他向法国女人展示耳机，然后他们一起去喝咖啡、观光。演示非常成功的，奥乔亚筹集到440万美元资金，是其最初目标的30倍。
韦弗利实验室的Pilot耳机(红色和白色)与谷歌的Pixel耳机(黑色)
一位顾客说，韦弗利实验室的Pilot耳机使他能够头一次和女朋友的母亲通话。有些人甚至说，这使他们能够与配偶交谈。奥乔亚指出说:“每隔一段时间，我们就会收到有些人发来的电子邮件，说他们正在用这种设备和讲西班牙语的妻子交谈。我真搞不懂他们当初是怎么走到一起的!”我们可能会猜测，他们是通过互联网和婚介机构相识相恋的。奥乔亚承认，“在你通过耳机找到真爱之前，这项技术还需要进一步改进，但距离目标已经不再遥远。”
许多早期的采用者将Pilot耳机用于完全不够浪漫的用途，并将其用于组织机构中。韦弗利实验室现在正在为专业用例开发新的模型，该模型需要在语音识别、翻译准确性和提供译文时间方面提高性能。奥乔亚称:“职场人士在谈话中往往不太有耐心。”
新版本还将对卫生设计进行改进，以克服Pilot耳机最缺乏吸引力的地方。谈话时，双方都需要佩戴Pilot耳机。奥乔亚说:“我们发现，在与陌生人共用耳机时存在障碍。”这可能并不出人意料之外。如果耳机翻译变得足够普及，陌生人的耳朵里可能已经有了自己的耳机，那么这个问题就会得到解决。这种情况是否会发生，以及多快发生，可能并不完全取决于耳机本身，而是取决于语音控制设备和人工翻译的普及程度。
在这方面，主要推动力似乎是进入亚洲新兴市场。谷歌估计，互联网上50%的内容是英语，但世界上只有20%的人说英语。图罗夫斯基说:“如果你看看互联网使用率增长迅猛的地区，比如亚洲国家，那里的大多数人根本不懂英语。因此，打破语言障碍对每个人来说都是一个重要的目标，显然对谷歌来说也是如此。这就是为什么谷歌在翻译系统上投入这么多资源的原因。”
怀贝尔也强调了亚洲的重要性，指出语音翻译在日本和中国已经真正起步。不过，还有很长的路要走。翻译需要同步进行，就像电视上的同声传译翻译需要与外国政客讲话时的步调一致，而不是让发言者每说几句话就要停顿一下，等着翻译表现。在无法上网的情况下，它需要能脱机工作，并解决人们对云端积累的私有语音数据量的担忧，这些数据已被发送到服务器进行处理。
怀贝尔建议，系统不仅需要应对诸如噪音等物理方面的挑战，还需要具有社会意识，比如了解人们的举止，并恰当地与人交谈。当我头一次给怀贝尔发电子邮件时，我意识到他是一位德国教授，而且欧洲大陆的传统要求对学术地位给予严肃的尊重，我犯了个偏颇的错误，称他为“亲爱的怀贝尔教授”。
正如我所料，他用国际标准英语回答:“你好，马利克。”对礼仪敏感的人工翻译可以让人们不再需要了解不同的文化规范，它们将促进交流，同时减少误解。与此同时，它们可能有助于保护当地的风俗习惯，减缓与国际英语相关的习惯的传播。
不过，教授和其他人不会将语言意识外包给软件。如果这项技术成熟到无缝、无所不在的程度——简而言之，就像巴别塔鱼，那它实际上会增加语言技能的价值。自动翻译将提供一种商品，即基本的、实用的信息，帮助人们购买东西或找到目的地。它是否会帮助人们管理家庭生活或恋爱关系，这是个有待探讨的问题。但这是值得注意的一种可能，它可能会克服移民后几代人之间经常出现的语言障碍，那使得孩子和祖父母没有共同的语言。
然而，无论如何使用人工智能语音翻译技术，它永远不会像真正的巴别塔鱼那么好。即使语音变形技术能模拟说话人的声音，但它们的嘴唇动作不会匹配，而且看起来就像在配音电影里。这种对比将强调共享语言的价值，以及学习它们的价值。
努力学习别人的语言是一种承诺，是被视为值得信赖的象征。分享一门语言还可以促进归属感和社区意识，就像与那些把英语作为通用语的国际科学家一样，而他们的前辈曾使用拉丁语。学习顾客语言的移民店主不仅使销售更容易，他们还显示出希望与客户所在社区拉近距离的意愿，并礼貌地宣称自己已经融入其中。
当机器翻译成为一种无处不在的商品时，人类的语言技能将会受到重视。掌握多门语言的人总是比那些依赖于设备的人更有优势，就像那些有数字头脑的人比那些需要使用计算器的人有优势一样。虽然对一种通用语言的实际需求将会减少，但分享这种语言的社会价值将会持续存在。软件永远不会取代语言知识所带来的那种微妙而重要的理解体验。毕竟，要从纷扰中找出细微差别，总是需要这些知识。
![[[257914]]](https://s4.51cto.com/oss/201902/22/5af9bb3d53bdfdf71ace92c5a3a0b9f0.jpeg){kind=link}