有了机器学习后，语言还会是隔阂吗

Google 的使命是汇集全球资讯，并且让所有人都能使用这些资讯，不过要能理解各式资讯，最困难的就是语言隔阂，因此在东京举办#MadeWithAI 亚太区媒体活动请来了Google 语言研究计画总经理Linne Ha 来谈谈怎么将AI 应用到语言翻译上，进而弥平语言不通的问题。

受惠于智慧型手机的普及，网路人口在最近这几年高速成长，不过网路上有接近50% 的内容仍是以英文为主，对于非以英文为母语的人来说，想要获得资料就多了一道门槛，能让每个人自在的用自己的原生语言在网路上搜集或提供资料是Google 的目标，因此在推动语言翻译或发展上Google 做了非常多的努力。

Google语言研究计画总经理Linne Ha。

推动各种语言上网，统一码（Unicode）是重点

不同语言要能在网路上流动，最重要的就是该语言要能被阅读，若是出现乱码或空白文字就容易成为阅读或理解的障碍，因此Google 长期和统一码（Unicode）联盟合作，鼓励更多国家利用统一码的编码系统上网，例如Google 大力鼓励缅甸不要再使用非统一码的字型。

有了统一码这项文字系统后，电脑文字编码就有了一套标准，下一个挑战就是要确保自行能正确地被转为网路或手机上的文字，去年Google 推出开放的Noto 字型，可以支援800 种语言、11 亿个文字，可呈现各式各样的文字。

但这样还不够，虽然文字能呈现，但却不是每个人都知道如何输入文字，因此除了Gboard 提供300 多种键盘、 97 种手写系统、语音输入等方法让使用者可以依照自己方便的方式来输入文字。

在开发手写系统上，Google 也花了一番心力，由于每个人的字迹都不同，因此Google 导入人工智慧技术，搜集很多自愿者的手写范本，让机器学习来辨认文字和书写风格，进而达到更精确的手写辨识。语音输入方面则是透过GOOG-411 的服务来搜集语音资料，类似我们的查号台，当有人打电话进去问问题查电话，GOOG-411 就会帮忙转接，在这样的过程中Google 建立了大量的语音资料库范本，英文语音搜集还算满顺利的。不过其他语言就没这么容易了，虽然说Google 有和专门经营文字和语音资料库的业者合作，但有些语言本身的资料库就较少，例如广东话，因此Google 又开启了下一阶段的任务。

语音搜寻实验，搜集准确的语音资料

既然缺乏语音资料，Google 就开始想方法来搜集各种语言的语音讯息，比方说2010 年Google 推出了荷兰语的Word of Mouth 计画，提供参与实验的使用者手机来搜集他们和亲友间的对话样本，进而得到准确的语音资料。

有了语音资料之后下个问题则是口音和俗语，关于这方面的资料目前Google 仍正在努力发展中，不过经过过去这么长一段时间的努力，到2012 年之后，语音搜寻已可支援到50 种语言，Google 也导入了深度神经网路提升语音辨识的准确性，今年则再新增30 多种的语音输入，甚至包含了非洲两种主要语言，斯瓦希里语（Swahili）和阿姆哈拉语（Amharic），对于弥平语言隔阂来说，这是一个重要的里程碑。

怎么将机器学习应用在语音服务上

既然有了机器学习这项技术，也就意味着Google 能透过演算以及建构更有效的模型来解决语音辨识问题。

Google 这回用了一个超级低成本的预算（2000 美金）来增加孟加拉语的文字转语音服务，首先先准备一套麦克风、USB 转接器和前置声音放大器，并建立一组便携式的录音工作室「ChitChat」让实验者可以录音。

工具有了，下一步就是找来15 名孟加拉的Googler，录制了2000 多个从维基百科撷取出来的孟加拉语和英语，实验者每隔30 分钟至60 分钟就录制250 多个句子，平衡的混音成几个不同的声音后，再交给Google 社群投票看看大家最偏好哪一个声音，最终产出的声学模型刚好就可以代表平均型的人声，成功推出了孟加拉语的文字转语音服务。

除了把更多语言放到网路上，Google 也着手发展方言领域，像是英文就分成美式英文、英式英文、澳洲英文等等，最近Google 正着手处理新加坡式英语，另外，西班牙语、阿拉伯语也是Google 努力的方向。

Google 的中文语音什么时候会有更多突破？

至于中国台湾人最常用的中文呢？Google 语言研究计画总经理Linne Ha 不讳言，中文真的是很有挑战的语言，比方说中国人说着中文、写着简体中文，中国台湾人说也说着中文、但写的是繁体中文，中国香港人写的也是繁体中文、不过说的是广东话，繁体中文、简体中文、广东话间各有连结但又不尽相似。

过去Google 是使用「单一语言模式」来处理，比方说中国台湾人说的中文就套用繁体中文资料库，中国香港人说广东话则套用另外一个繁体中文资料库，但这样的语音辨识效果发展有限，近期Google 尝试着将相近的语言加进同一个模型中，目前的实验结果还不错。