Google 的使命是匯集全球資訊，并且讓所有人都能使用這些資訊，不過要能理解各式資訊，最困難的就是語言隔閡，因此在東京舉辦#MadeWithAI 亞太區(qū)媒體活動(dòng)請(qǐng)來了Google 語言研究計(jì)畫總經(jīng)理Linne Ha 來談?wù)勗趺磳I 應(yīng)用到語言翻譯上，進(jìn)而彌平語言不通的問題。

受惠于智慧型手機(jī)的普及，網(wǎng)路人口在最近這幾年高速成長，不過網(wǎng)路上有接近50% 的內(nèi)容仍是以英文為主，對(duì)于非以英文為母語的人來說，想要獲得資料就多了一道門檻，能讓每個(gè)人自在的用自己的原生語言在網(wǎng)路上搜集或提供資料是Google 的目標(biāo)，因此在推動(dòng)語言翻譯或發(fā)展上Google 做了非常多的努力。

▲Google語言研究計(jì)畫總經(jīng)理Linne Ha。

推動(dòng)各種語言上網(wǎng)，統(tǒng)一碼（Unicode）是重點(diǎn)

不同語言要能在網(wǎng)路上流動(dòng)，最重要的就是該語言要能被閱讀，若是出現(xiàn)亂碼或空白文字就容易成為閱讀或理解的障礙，因此Google 長期和統(tǒng)一碼（Unicode）聯(lián)盟合作，鼓勵(lì)更多國家利用統(tǒng)一碼的編碼系統(tǒng)上網(wǎng)，例如Google 大力鼓勵(lì)緬甸不要再使用非統(tǒng)一碼的字型。

有了統(tǒng)一碼這項(xiàng)文字系統(tǒng)后，電腦文字編碼就有了一套標(biāo)準(zhǔn)，下一個(gè)挑戰(zhàn)就是要確保自行能正確地被轉(zhuǎn)為網(wǎng)路或手機(jī)上的文字，去年Google 推出開放的Noto 字型，可以支援800 種語言、11 億個(gè)文字，可呈現(xiàn)各式各樣的文字。

但這樣還不夠，雖然文字能呈現(xiàn)，但卻不是每個(gè)人都知道如何輸入文字，因此除了Gboard 提供300 多種鍵盤、 97 種手寫系統(tǒng)、語音輸入等方法讓使用者可以依照自己方便的方式來輸入文字。

在開發(fā)手寫系統(tǒng)上，Google 也花了一番心力，由于每個(gè)人的字跡都不同，因此Google 導(dǎo)入人工智慧技術(shù)，搜集很多自愿者的手寫范本，讓機(jī)器學(xué)習(xí)來辨認(rèn)文字和書寫風(fēng)格，進(jìn)而達(dá)到更精確的手寫辨識(shí)。語音輸入方面則是透過GOOG-411 的服務(wù)來搜集語音資料，類似我們的查號(hào)臺(tái)，當(dāng)有人打電話進(jìn)去問問題查電話，GOOG-411 就會(huì)幫忙轉(zhuǎn)接，在這樣的過程中Google 建立了大量的語音資料庫范本，英文語音搜集還算滿順利的。不過其他語言就沒這么容易了，雖然說Google 有和專門經(jīng)營文字和語音資料庫的業(yè)者合作，但有些語言本身的資料庫就較少，例如廣東話，因此Google 又開啟了下一階段的任務(wù)。

語音搜尋實(shí)驗(yàn)，搜集準(zhǔn)確的語音資料

既然缺乏語音資料，Google 就開始想方法來搜集各種語言的語音訊息，比方說2010 年Google 推出了荷蘭語的Word of Mouth 計(jì)畫，提供參與實(shí)驗(yàn)的使用者手機(jī)來搜集他們和親友間的對(duì)話樣本，進(jìn)而得到準(zhǔn)確的語音資料。

有了語音資料之后下個(gè)問題則是口音和俗語，關(guān)于這方面的資料目前Google 仍正在努力發(fā)展中，不過經(jīng)過過去這么長一段時(shí)間的努力，到2012 年之后，語音搜尋已可支援到50 種語言，Google 也導(dǎo)入了深度神經(jīng)網(wǎng)路提升語音辨識(shí)的準(zhǔn)確性，今年則再新增30 多種的語音輸入，甚至包含了非洲兩種主要語言，斯瓦希里語（Swahili）和阿姆哈拉語（Amharic），對(duì)于彌平語言隔閡來說，這是一個(gè)重要的里程碑。

怎么將機(jī)器學(xué)習(xí)應(yīng)用在語音服務(wù)上

既然有了機(jī)器學(xué)習(xí)這項(xiàng)技術(shù)，也就意味著Google 能透過演算以及建構(gòu)更有效的模型來解決語音辨識(shí)問題。

Google 這回用了一個(gè)超級(jí)低成本的預(yù)算（2000 美金）來增加孟加拉語的文字轉(zhuǎn)語音服務(wù)，首先先準(zhǔn)備一套麥克風(fēng)、USB 轉(zhuǎn)接器和前置聲音放大器，并建立一組便攜式的錄音工作室「ChitChat」讓實(shí)驗(yàn)者可以錄音。

工具有了，下一步就是找來15 名孟加拉的Googler，錄制了2000 多個(gè)從維基百科擷取出來的孟加拉語和英語，實(shí)驗(yàn)者每隔30 分鐘至60 分鐘就錄制250 多個(gè)句子，平衡的混音成幾個(gè)不同的聲音后，再交給Google 社群投票看看大家最偏好哪一個(gè)聲音，最終產(chǎn)出的聲學(xué)模型剛好就可以代表平均型的人聲，成功推出了孟加拉語的文字轉(zhuǎn)語音服務(wù)。

除了把更多語言放到網(wǎng)路上，Google 也著手發(fā)展方言領(lǐng)域，像是英文就分成美式英文、英式英文、澳洲英文等等，最近Google 正著手處理新加坡式英語，另外，西班牙語、阿拉伯語也是Google 努力的方向。

Google 的中文語音什么時(shí)候會(huì)有更多突破？

至于***人最常用的中文呢？Google 語言研究計(jì)畫總經(jīng)理Linne Ha 不諱言，中文真的是很有挑戰(zhàn)的語言，比方說中國人說著中文、寫著簡體中文，***人說也說著中文、但寫的是繁體中文，香港人寫的也是繁體中文、不過說的是廣東話，繁體中文、簡體中文、廣東話間各有連結(jié)但又不盡相似。

過去Google 是使用「單一語言模式」來處理，比方說***人說的中文就套用繁體中文資料庫，香港人說廣東話則套用另外一個(gè)繁體中文資料庫，但這樣的語音辨識(shí)效果發(fā)展有限，近期Google 嘗試著將相近的語言加進(jìn)同一個(gè)模型中，目前的實(shí)驗(yàn)結(jié)果還不錯(cuò)。