即時翻譯的新時代有機會到來嗎？

語言隔閡是人類永遠的遺憾。打從數千年以前，人類便為了跨越語言隔閡而盡心盡力，成效卻不盡理想。千年後的現在，在 Google 與微軟等科技大廠的努力下，翻譯科技擁有長足進步，即時語音翻譯也不再遙不可及，這是否意味著即時翻譯的新時代即將到來呢？人類真的有辦法突破語言的障礙嗎？

▲ 理想的即時翻譯功能。

自從電腦問世後，「即時翻譯」就一直是人類的努力的目標，然而世界上的語言種類繁多，語言結構又不盡相同，即時翻譯的實踐難度遠比想像中更加困難。即使是主流的英語，利用翻譯軟體將其翻譯成其他國家的語言，仍然會出現不少錯字與文法錯誤，結構複雜的中文就更不用說了。

縱然即時翻譯目前的成果談不上盡善盡美，還是比以前更為進步。對手機講出一句話，Google 翻譯就可以將其翻譯成其他語言的語音或文字，用於旅遊觀光十分便利。微軟則是於今年 5 月全面開放 Skype 即時口譯功能，允許通話者將通話轉換成其他語言，將來還能夠支援德語與法語等主流語言。

▲ 伍爾弗漢普頓大學的計算語言學研究首席──羅斯蘭．密克夫。

英國伍爾弗漢普頓大學的計算語言學研究首席，羅斯蘭．密克夫（Ruslan Mitkov）指出，早在 70 年前的 1947 年，已故美國數學家，瓦倫．偉佛（Warren Weaver）就已經展開機械翻譯的相關研究，可惜結果以失敗收場。

偉佛之所以失敗，癥結在於他將語言翻譯視為數學問題，問題是語言具有很大的不確定性，遠比數學來得複雜，加上當時無論是科技或是觀念都不甚成熟，失敗的結果並不意外。

就這樣，機械翻譯的議題被擱置了十幾年。到了 60 年代，計算機技術蓬勃發展，人類開始研究人工智慧，機械翻譯順勢成為研究主題，但是並沒有值得一提的研究成果。直到 90 年代，計算機技術擁有長足進步，運算速度大幅提升，足以處理資料龐大的語言資料庫，各種翻譯概念與演算法接連問世，機械翻譯才正式嶄露頭角。

▲ 機械翻譯的先驅者──瓦倫．偉佛。

「現在，統計機器翻譯（Statistical Machine Translation）已經成為重要的科技領域。在幾個知名大廠的積極投入下，機器翻譯的成果突飛猛進，即時翻譯也不再是遙不可及的夢想。」密克夫說。

談到當今最負盛名的機器翻譯，首推 Google 翻譯。Google 翻譯的效能與泛用性極高，幾乎遠遠凌駕其他的競爭者，Google 究竟是怎麼辦到的？密克夫解釋說，Google 利用將他們在自然語言領域與搜尋領域的優勢來鑽研即時翻譯，經過長時間的研究，才能夠獲得現在的成就。

▲Google 翻譯成就斐然。

現在的 Google 翻譯平均每天處理 1 億次翻譯，而且從 2011 年起提供語音翻譯服務。除了單純的翻譯功能外，Google 翻譯能夠掃描手機所拍攝的照片，辨識出其中的外國文字並加以翻譯，用來翻譯餐廳菜單或路牌非常實用。當然啦，用戶也可以自行輸入詞彙或句子，將其翻譯成對應的語言，或是利用語音翻譯與外國人溝通，超酷的！

「我們早在數十年前，就殷切期盼這些翻譯功能的問世。」Google 的產品管理員，巴洛克．圖洛斯基（Barak Turovsky）表示，「在那之前，如果你告訴別人，你只靠一支手機，就能與講外國語的外國人毫無障礙地對話交流，對方一定會說你瘋了。」

▲ 在手機上使用 Google 翻譯。

即使 Google 翻譯的成就已經非常耀眼，他們仍舊有許多工作要做。圖洛斯基指出，若要將語音翻譯弄得盡善盡美，必須要有更多的語音資料，開發團隊的工程師還得「煞費苦心」地從語音資料中擷取有效的語音樣本，將其加入 Google 的語音資料庫。

▲ 告示牌也能使用 Google 翻譯閱讀。

「要教導機器了解人類的語言，以及語言中的重音與發聲習慣，無疑是一件複雜無比的事，我們每天都在努力改善機器的表現。若我們替機器加入更多的語音樣本，人們使用 Google 翻譯就能獲得更正確、更有用的結果。」圖洛斯基說。

圖洛斯基點出 Google 翻譯所碰上的難題：語音資料的不足。族群龐大的語言並沒有這種問題，可是對於族群較小（如波斯語），或是不常使用語音翻譯的族群（如許多亞洲國家），Google 翻譯就顯得力有未逮，正確率也不盡理想。Google 必須想辦法鼓勵用戶使用他們的語音翻譯，才能夠帶來更完美的翻譯結果。

▲ 用德語和英語交談也沒問題。

2014 年 5 月，微軟公開一段 Skype 的即時口譯演出，讓美國人與德國人藉由即時口譯來交談。雖然口譯結果並不十分正確，兩位當事人還是能夠暢談甚歡。微軟研發部門主管的彼得．李（Peter Lee）表示，Skype 口譯的用法就和一般的 Skype 差不多，唯一的差別是彼此不需要會講對方的語言。

「想像一下，你可以將口中的德語，轉換成文法與意義皆正確無誤的英語，Skype 口譯就是你所期待的未來。藉由 Skype 口譯，你幾乎可以跟世界上的任何一個人溝通。」李這麼表示。

▲Skype 口譯不完美，卻極富潛力。

微軟研究機器翻譯已超過十年，Skype 口譯是最近才展現的成果。工程師原本使用高斯混合模型（GMM，一種古典的語音辨識方法）來建構語音資料，屬於靜態的機率函數。幾年前，工程師認為高斯混合模型的應用效果不佳，便改採類似人腦運作的深度神經網絡（Deep Neuron Networks，DNN），成為微軟的新標準。

2010 年，微軟獲得一次成功的技術躍進。開發部門的法蘭克．賽迪（Frank Seide）等人開發出一套新技術「The Translating Telephone」，能夠將語音即時翻譯為文字，或是口譯為對應的語言。後來微軟便以該系統為基礎，反覆投注語音樣本，使得系統效能提升了 42%，進而促成語音助手 Cortana，以及 Skype 口譯的問世。

▲ 藉由 Skype 口譯與外國人溝通。

就和 Google 翻譯一樣，微軟花了許多心思，蒐集到數量龐大的語音樣本，從社群網路中尋找用戶書寫文字的語言習慣，利用這些資料持續訓練系統，才讓 Skype 口譯具備現在的表現。

文字和語音本質上仍是不同的東西，其中的差別在於語音具有不流暢的混沌本質。舉例來說，我們說話時經常用到發語詞「嗯」、「喔」、「那個」，系統必須將其視為發語詞，避免將其視為口譯目標。

「那些發語詞不屬於語音的字。」微軟的機器翻譯首席，艾盧．曼尼茲（Arul Menezes）在部落格上表示，「有時候，人們會講幾個字，隨後又從頭講出完整的語句。對於幾種特定的語言，像是西班牙語，這種狀況可能正好符合文法架構，要過濾這種狀況十分棘手。我們過去幾年持續努力，部分理由就是為了釐清語言的矛盾，填補文字和語音之間的鴻溝。」