211service.com
Något förlorat i Skype-översättning
Det verkar ibland som om det högsta beröm en innovativ ny teknik kan få är en trovärdig jämförelse med Star Trek . Oculus Rift är som Holodäck ; 3D-skrivare är som materia replikatorer ; Qualcomm sponsrar till och med en X-Prize-tävling för att bygga en fungerande tricorder .
Och nu Skype-översättare , en app för översättning av röst- och textspråk i realtid som för närvarande är tillgänglig för Windows 8.1-användare som en offentlig betaversion, jämförs i stor utsträckning med universell översättare som kaptenerna Kirk och Picard använde för att enkelt kommunicera med främmande samtalspartner. Skype Translator är mindre kapabel än vad pat sci-fi-analogin antyder, men dess begränsningar är lika fascinerande som dess formidabla tekniska prestationer.
Skype Translator utför omedelbar översättning av textchatt på över 40 språk, men dess markeringsfunktion är talad översättning i realtid mellan engelsk- och spansktalande. (Microsoft, som äger Skype, skulle inte kommentera vilka andra språk man planerar att införliva i programvaran eller när vi kan förvänta oss dem.)
Till skillnad från Star Trek Skype Translator, den fiktiva översättaren, är designad för att efterlikna en mänsklig tolk som fungerar som en mellanhand mellan de två huvudtalarna. Denna virtuella tolk är anpassningsbar: jag kunde välja en manlig eller kvinnlig röst och till och med ställa in dess tolerans för att översätta svordomar (jag testade inte den funktionen). Sedan, precis som en mänsklig översättare, lyssnade den på mitt tal, väntade på en paus och talade mina ord på spanska till Microsoft-konsulten i andra änden av samtalet. Den talade översättningen var hörbar för oss båda. Och det var ofta förvånansvärt korrekt.
I teorin kan Skype-översättning vara transformerande. Det är som en version av den diskreta liveöversättning som världsledare tycker om när de besöker FN. I praktiken kan det dock vara mer som att ha Apples Siri (eller Microsofts Cortana ) ständigt avbryter din konversation och pratar över dig.
Även en sådan grov automatiserad översättning är ganska anmärkningsvärd. Det är notoriskt svårt för maskiner att känna igen ord och fraser snabbt och exakt, och Skype Translator uppnår en hög nivå av noggrannhet med en teknik som kallas djupinlärning. Programvara som körs på Microsofts servrar tränades att känna igen ord med hjälp av metoder för informationsbearbetning löst modellerade på hur en biologisk hjärna fungerar (se 10 Breakthrough Technologies 2013: Deep Learning).
Deep learning låter Microsofts datorer på ett tillförlitligt sätt omvandla en ström av ljudtal till bitar av text, som sedan kan analyseras med standardöversättningsmetoder. När fler människor använder programvaran borde detta system bli mer effektivt för att känna igen egenheter av accent och kadens, vilket potentiellt gör Skype Translator – och Skype självt – mer användbara.
Microsofts programvara försöker filtrera bort störningar (som um, ah och upprepningar) på ord- och meningsnivå. En del av dessa störningar tog sig igenom under mitt samtal, men översättningen skedde ändå med imponerande snabbhet och precision.
Begränsningarna för Skypes översättningsprogram är också avslöjande, eftersom de visar hur svårt det är för även den smartaste maskinen att efterlikna subtiliteterna i ett effektivt mänskligt samtal. Att avgöra vilken betydelse av ett ord som är lämplig i olika sammanhang kan vara irriterande. Om programvaran översätter mellan amerikansk och brittisk engelska, och den känner igen ordet 'fotboll', måste den också veta när den ska ändra den till 'fotboll' och när den ska behålla den som 'fotboll' eller 'gridiron', säger Christopher Manning , professor i lingvistik och datavetenskap vid Stanford Universitys Natural Language Processing Group.
Skype Translator är också döv för rytmerna av normal talad konversation, så du kan inte vara helt säker på när dess okroppsliga robotröst kommer att bryta sig in och börja slänga ut sin översatta version. Detta är också något som vi människor ibland tycker är utmanande. Även med mänskliga översättare måste du lära dig när du ska pausa för att låta tolken ta till sig det du just sa och upprepa det, säger Vikram Dendi, strategichef på Microsoft Research.
Med övning skulle jag förmodligen kunna lära mig Skype Translators rytm på samma sätt, vilket kan göra ljudupplevelsen mindre distraherande. Att introducera en avatar på skärmen för boten kan också hjälpa till att förstärka metaforen om en tredje person i samtalet, vilket kanske gör det lättare för de två mänskliga högtalarna att modulera sin konversation på ett sätt som ger plats för programvaran som talar för deras räkning.
Men Skype Translator har faktiskt redan en ganska elegant lösning inbyggd: på skärmen översatt text från den talade konversationen, genererad i realtid. Det här gränssnittet är mindre öppet futuristiskt än talad översättning, men det känns mer naturligt. Och uppenbara misstag är lätta att rätta till, eftersom båda parter kan skriva in i chattfönstret där översättningarna visas.
Dendi medger att Skype och Microsoft fortfarande inte vet hur en idealisk användarupplevelse för programvaran ser ut. När vi ser dessa saker i aktion på TV [som på Star Trek ], det verkar så självklart: du bara pratar och det kommer ut översatt, säger han. Men när du börjar gräva i själva implementeringen och lägger den i folks händer att använda, finns det så många små detaljer som kan göra eller bryta upplevelsen.
Andra ansträngningar för att utnyttja djupinlärning kan hjälpa. Forskare vid Google och University of Montreal tillämpar sådana metoder på själva talöversättningen (i motsats till bara taligenkänning) med fantastisk framgång, enligt Stanfords Manning. Ytterligare framsteg kan en dag göra maskinöversättning i realtid praktiskt taget perfekt. Eller så kan framsteg träffa en vägg. Juryn är fortfarande ute, säger Manning. Jag tror att det fortfarande är oklart var gränserna för djupinlärning går för att lösa kognitiva processproblem på högre nivå.
Skype Translator har verkligen inte löst problemet ännu. Men det är en bra början på att bryta ned några språkbarriärer för nu.