张斌

    微软日前发布了可支持多人多语言沟通的微软翻译　(Mi crosoft Transl ator)　现场翻译功能( Li ve Feature，简称LF)。通过LF功能，用户可借助个人已联网的智能设备　(智能手机、平板电脑和个人计算机等)　实现多人、多语言、跨设备且面对面交谈的现场翻译。目前支持包括中文普通话在内的9种语言的语音输入，近60种语言的文字翻译。这一创新技术将让人类进一步接近彻底打破语言障碍的终极目标。

    詹姆斯·瑞德在伦敦的儿童福利会工作，他的工作是向移民和难民提供帮助，而他工作对象中的大多数是贩卖人口罪行的年轻受害者。对于瑞德而言，克服语言障碍是至关重要的。

    “他们都是来寻求避难的，其中相当多数人都面临语言障碍，”他说，“我们不得不频繁借助翻译。”然而，人工翻译的介入又带来了额外的挑战，因为它意味着这些年轻人必须面对第三方译员说出一些敏感信息。

    最近，儿童福利会找到了一个更好的解决方案。他们开始使用微软翻译的LF功能。瑞德表示，这项技术让他不再需要第三方译员，就能与这些曾经备受摧残的年轻人直接沟通。

    支持多人、多语言、跨设备的现场翻译技术由微软雷德蒙研究院机器翻译组开发。这项技术提供了丰富多样的使用场景，解决了用户在面对面时由于语言不通而导致交流不畅的痛点，例如帮助身处异国的旅行者更方便地与酒店前台、出租车司机和博物馆导游等进行交流；教师也可借助该项技术与只会说其他语言的学生家长进行沟通。在纽约市的一个试点项目中，这项技术还被用于帮助非英语人群申请由州政府颁发的身份证。

    微软翻译产品战略总监奥列弗方塔纳表示：“我们的终极目标是打破语言障碍。”这项技术适用于一对一交谈(例如旅行者向酒店前台问询)、一对多互动(例如一名导游与一群游客交谈)以及多对多沟通　(例如多语言的商务会议和学术讨论)。只需要每个人在手机上打开微软翻译移动端的App，扫描二维码并进入聊天界面，就可以开始交流了。

    个人通用翻译器

    据介绍，LF服务以微软翻译语音翻译技术为基础，该技术最早使用在“Skype　翻译”服务上，后者让使用不同语言的人群能在网上进行实时交流，不过，“Skype　翻译”无法满足面对面交谈的需求。微软人工智能专家梅内兹表示，面对面跨语种交流所要用到的技术，其核心部分又被称为“神经网络”，它应该更接近于　《星际迷航》　和其他科幻作品中随处可见的“通用翻译器”。

    对于“个人通用翻译器”，微软的研发团队决定利用业已广泛采用的移动设备，而不再开发专用的翻译硬件。团队开发了一项技术，让现有的微软翻译手机应用与网站形成了一个整体。新功能使用起来非常简单：首先，用户通过手机端应用或网站登录这项服务，选择自己的语言并发起新会话。这一过程将生成一个代码以及一个二维码，其他参与者可以输入这个代码或扫描二维码加入，然后选择自己的语言，对话就可以开始了———交谈一方在发言时要按下键盘空格键或屏幕上的虚拟按钮，就像使用对讲机一样。几秒钟后，他们所说话语的翻译文本就出现在其他对话参与者的设备屏幕上，当然是以其各自的母语呈现。对于部分语言，系统还提供有声的语音翻译。

    深层神经网络

    “神经网络”翻译技术本身是由运行在云中的算法所驱动的，与先前所谓的“统计型机器翻译”相比，由于使用基于人工智能深层“神经网络”的各种应用，它能够提供更流畅、听起来更有“人味”的翻译。

    技术专家指出，两种方法都涉及根据早前经专业人士翻译的文档文本数据对算法进行训练，以便让系统了解一种语言中的单词和短语如何用另一种语言来表达。然而，统计型方法局限在由一两个邻近词语形成的上下文范围内对某个单词进行翻译，这可能会导致翻译出来的语句“笨拙而迂回”。

    在此背景下，“神经网络”受到了掌握多门语言的人类在翻译过程中大脑中发生的模式识别过程的启发，实现了更自然的语音翻译。例如，在非神经世界中，“一群猫”和“一只猫”被视为不同的实体；而人类大脑以及“神经网络”则把这两者视为密切相关的词。神经网络也可以解析“住宿”和“星宿”两个词中“宿”字的含义区别。专家梅内兹解释说：“单词已经不再被视为它所代表的事物，而是一个包含500个维度的向量，其本质是500组数字，而每一个数字都反映了这个单词的某一个方面。”具体而言，“神经网络”在开始翻译之前，首先用1000个维度的向量对每个单词在整个句子语境下的含义进行建模，无论这句话有5个词还是20个词都是这样处理的。这一包含1000个维度的模型　(而非单词)　随后被翻译成另一种语言。

    专家同时表示，随着该技术被使用的次数更多，翻译的质量也会不断提高。微软研究院希望看到微软翻译能被包括旅行者、导游、教师和社会工作者在内的广泛的用户群体所采用。