发明一种机器，使所有的人都能毫无障碍地自由交谈，这一直是人类的共同抱负。毫无疑问，在一个宣称自由和联系的互联网时代，自由对话可以突出其价值。毕竟，我们是地球上同样的人，生活在同一个地球村。当我们找到彼此，却听不懂对方的语言时，真的有点尴尬。

事实上，与让我们的生活变得复杂的“智能产品”不同，实时翻译是一种让我们本能地想要拥有的技术，这就是为什么它在科幻小说中出现了这么久，比如《星际迷航》、《神秘博士》和《银河系漫游指南》。好消息是，人类似乎离这个目标越来越近了。

几天前，微软的Skype(听起来很古老的名字)宣布，具有实时语音翻译技术的中文版Skype Translator正式在中国推出。事实上，人们用不同的母语直接交谈，让机器实时翻译，微软去年向公众推出了这些技术，但当时它们不支持中文。你知道，即使是对机器来说，汉语，它有大约一万个常见的汉字和各种各样的语音和语调，是相当具有挑战性的。但现在，包括微软和b谷歌在内的科技巨头正在使直接与地球上使用最多、使用最广泛的语言对话成为可能。

那么，作为文化之间的摆渡人，如果实时翻译真的能让人们自由交谈，这意味着什么呢？

翻译工件

长期以来，实时语音翻译的发展一直受到高错误率、不同麦克风灵敏度和嘈杂环境的阻碍。但近年来，由于大数据的出现，这项技术取得了很好的进展。Skype翻译是微软在语音识别、自动翻译和机器学习方面工作的巅峰之作。

简而言之，Skype翻译的翻译逻辑有三个主要步骤：将您的现场语音转换为文本；翻译：将文本翻译成另一种语言；把单词转化为语言。识别实时语音并将其翻译成文本是最棘手的部分。

如你所知，准确的实时语音翻译依赖于强大的机器学习，即软件学习训练数据的能力。训练数据包括翻译后的网页、字幕视频和预翻译、转录的一对一对话。事实上，相当多的人分享了他们过去谈话的笔记。Skype翻译转录对话来分析文本和训练系统，以更好地“学习”语言。当数据输入系统准备就绪时，机器学习软件会为这些对话和环境中涉及的单词建立一个统计模型。当你说话时，Translator会在统计模型中寻找相似之处，然后将其应用于预学习的转换程序，该程序将语音转换为文本，并从文本转换为另一种语言。

值得一提的是，与程序化背诵不同的是，人们会边说话边思考，犯一些错误，这些错误在讲话中表现为结巴、停顿、重复或频繁使用“um”、“ah”、“uh”等情态助词。为此，Skype Translator的机器学习模型也可以处理这些停顿。在预览版中，用户可以看到一些模式暂停已经被删除，而那些没有被删除的可能会根据用户的反馈重新优化。

尽管如此，作为一项不断完善的技术，无论是微软的Skype Translator还是长期竞争对手谷歌Translate，实时语音翻译可能并不完美，至少在现阶段，系统准确识别语音的能力仍需要完善。语言是一只随时在变化的野兽，即使在口音和俚语文化不同的国家也是如此。(有人希望机器能实时翻译下面的对话：“你有预约吗？我在火车站等你。”“我去!太远了!我不去!”)。这些问题可以用更大范围的数据来解决吗？也许吧，但这需要时间。

无论如何，正如一位评论者所说：“整个体验就像两个电话推销员使用对讲机，但在这个过程中，抱怨被‘惊奇’的震惊所取代。”

地球村

记载于《圣经创世纪》年，有一段时间人类有一种共同的语言，所以有人想在巴比伦建造一座巴别塔——号巴别塔，为了直接和上帝对话，为了惩罚人类的傲慢和虚荣，上帝让这些人说不同的语言，导致人们无法交流，鸡和鸭说话，人类的计划失败了，从此一切都散落了。

那么，科技能打破巴别塔的诅咒吗？如果语言不再是人类交流的障碍会发生什么？

让我们先谈谈语言的意义。在世界上7000多种语言中(尽管许多“小语种”已经消亡)，除了词汇和语法上的表面差异外，不同的语言是否会导致不同的思维方式，比如对时间和空间的认知，或者对因果关系的认知，这是几千年来学者们争论的话题。“掌握第二门语言，就拥有了第二个灵魂，”查理曼大帝在没有技术的时代如是说。

当然，从科学的角度来看，斯坦福大学教授Lera Boroditsky诗意地表达了语言的意义：“每种语言都包含着独特的世界观，反映了使用这种语言的人几千年来的思想、倾向和认知风格。语言就像整个宇宙，人类有7000多个平行宇宙，有些相似，有些截然不同。这种巨大的多样性是人类思维的灵活性和微妙性的奇迹。我相信，你对人们如何看待世界了解得越多，你就越能理解什么是人类。”

好吧，如果互联网发展的根本逻辑是为了更好地将人类连接起来，形成一个巨大的村庄，那么也许语言是最后的技术障碍。在此之前，图片作为世界通用语言，在社会应用中发挥了巨大的作用，无论哪个国家，笑就是笑，哭就是哭。当然，表情符号也扮演着类似的角色。你知道有人用表情符号聊了45分钟吗？