正文

独步天下的谷歌算法(13)

星球Google 作者:(美)兰德尔·斯特罗斯


谷歌在机器翻译方面的成就还不能被说成是获得了足以养活自己的收益。谷歌在服务领域的拓展中所遇到的最复杂的问题就是,许多拓展项目对公司毫无贡献,至少没有直接贡献。尽管如此,机器翻译仍是一个恰当的项目。谷歌并没有急于将它的机器翻译能力投入商业性应用。它的机器翻译团队还只是谷歌实验室的一部分,而且其主要精力都放在研究上。在实验的基础上,团队在2007年为使用谷歌搜索引擎的用户提供了三种语言――阿拉伯语、汉语、俄语――的英语翻译服务。

随着谷歌的翻译工作不断取得进展,它的翻译结果也远不止于经过了润色和符合语言习惯。当《华尔街日报》的双语(英语、阿拉伯语)记者萨马德?阿里(Sarmad Ali)于2007年12月在试用谷歌、Systran和另外两个竞争者的阿-英在线翻译服务时,他为这几家公司的翻译结果中的语法错误和语义错误列了一张表,按照错误的程度排列顺序,从“值得斟酌”到“荒唐可笑”都有。

那一年的早些时候,谷歌的奥奇在一个公开的场合谈及机器翻译的结果时,谈到了谷歌最好的一面:这个组织致力于不断开拓信息传播的广度,看不出它对自己的商业利益的关心。他说,如果听众中有人打算亲手建设一个机器翻译的算法,谷歌很愿意提供帮助。谷歌同非营利性的宾夕法尼亚大学的语言数据联盟(Linguistic Data Consortium)合作,一开始就以运费的名义提供了一套包含必要的基础训练数据的DVD,这套数据列举了各种词语组合――其长度(技术术语表示为precounted n-grams)从1个词到5个词不等――的使用频率,它们的基础就是谷歌的爬行器从Web中搜集来的上万亿个词汇量的英语文献。

统计机器翻译依靠平行文本向“算法”输入信息――奥奇说,至少要输入1亿字左右的平行数据,才能建立一个能够产生理性可以接受的结果的翻译系统。对于平行文本的这种依赖,限制了适用于机器翻译的语言配对的数量。目前,还没有足够的双语文本可赖以创建一个(比如说)直接从希腊语翻译为泰语的系统,所以在这样一个过渡时期,桥梁性语言――如英语――就必不可少。机器翻译最终能否将任何语言的文本直接翻译成任一其他语言?采用基于理解语言学和建立中介性源语言等方法有无必要?这些问题都还没有明确的答案。迄今为止,人们看到的是,似乎只要有了足够大量的数据,不可能的任务也会变为可能。

谷歌程序的速度令人震惊,人们也有理由对它持乐观的期待。它的统计机器翻译所提供的服务从2007年春天的3种源语言增加到了13种,然后是23种,这都是在不到一年的时间内取得的。公司不仅能提供从非英语到英语的翻译,而且能在这23种源语言中的任两个语言之间实现互译。截至2008年5月,这些语言是:阿拉伯文、保加利亚文、中文(包括简体中文和繁体中文)、克罗地亚文、捷克文、丹麦文、英文、芬兰文、法文、德文、希腊文、印地文、意大利文、韩文、日文、挪威文、波兰文、罗马尼亚文、俄文、西班牙文、瑞典文和葡萄牙文。

机器翻译项目证明了谷歌是如何被“更多的数据是更好的数据”这一信条所驱动的。在信息产业,完全性――无论是就一个信息目录的完整性而言还是就包括的目录的穷尽性而言,都是至为关键的因素,因为数据达到前所未有地多,只会使算法的智能化水平变得前所未有地高,这反过来又巩固了谷歌的领先地位,把对手更远地甩在身后。

谷歌以免费电话为基础的信息服务,1-800-GOOG-411就是一个很好的例证。这项服务运用声音识别软件来提供本地企业的电话号码咨询。这项服务不收费,也不夹带广告。谷歌的玛丽莎?梅耶尔在2007年10月的一次谈话中承认,她也怀疑谷歌是不是会变成一个公益性机构。但她并不担心,因为谷歌是利用这项服务搜集音素,而不是赚取利润。她说:“我们必须建成一个可用于各种不同事物(包括视频搜索在内)的更大的从话语到文本的模型。”谷歌的话语识别专家曾对她说:“如果你们要我们去建立一个真正强有力的话语模型,我们就需要很多的音素……人们怎样交谈、怎样说事儿。有了这些,我们最终就可以训练软件来掌握并应用它们。”还是那句话:“更多的数据是更好的数据。”

谷歌知道,算法的结果不是没有瑕疵,但公司将算法的缺陷视为数据量不够大而导致的局限,是其内部工作有待完善而出现的微调,绝不会将它当作自动化程序固有的问题。公司已经决定向算法输入更多的信息,这些信息必须以前所未有的力量进一步搜索才能得到。它已经可以充满自信地宣布,已经拥有了所能找到的一切图书,拥有了它的用户可能点击的一切视频,拥有了能够覆盖天空和大地的各类地图。

在这些额外添加到谷歌信息库的东西中,有一些对它可能显得无关紧要,因为它的核心兴趣是网络搜索及相关广告;有些可能会被证明属于浪费性的实验,有些可能会被证明为广受欢迎却最终无法得到回报的服务。它们或许会――或许不会――反过来对谷歌的前途产生重大影响。每一项都有自己的故事,但主题却是共同的:谷歌对新的信息种类的热切追求没有减退也没有动摇;即使在它的公众形象被它的行动所引起的争论所损害的时候,也一如既往。

当每一个展开的故事都受到仔细检查时,谷歌这块巨石的光滑表面就会消退,随时调整决定的更加复杂的面目就会浮现。私人公司和小型团队在起步阶段最为重视的企业文化就可以从这些故事中解读出来。但这也有一个未经调查的信任度,即谷歌的利益与其客户的利益是完全一致的。在谷歌看来,每个新的服务项目都是人类的一个进步。有一天,当实验过程全部结束,它们便可以被视为谷歌“组织起全世界的信息”这一使命的精彩实现,被视为有远见的幻想;但也可能完全相反,同样的故事在某一天被读作浪费资源的纪录,被读作刚愎自用的铁证。


上一章目录下一章

Copyright © 读书网 www.dushu.com 2005-2020, All Rights Reserved.
鄂ICP备15019699号 鄂公网安备 42010302001612号