星球Google:我們的生活將怎樣被一家公司徹底改變

第12部分 (第1/4頁)

那一年的早些時候，谷歌的奧奇在一個公開的場合談及機器翻譯的結果時，談到了谷歌最好的一面：這個組織致力於不斷開拓資訊傳播的廣度，看不出它對自己的商業利益的關心。他說，如果聽眾中有人打算親手建設一個機器翻譯的演算法，谷歌很願意提供幫助。谷歌同非營利###的賓夕法尼亞大學的語言資料聯盟（Linguistic　Data　Consortium）合作，一開始就以運費的名義提供了一套包含必要的基礎訓練資料的DVD，這套資料列舉了各種詞語組合——其長度（技術術語表示為precounted　n…grams）從1個詞到5個詞不等——的使用頻率，它們的基礎就是谷歌的爬行器從Web中搜集來的上萬億個詞彙量的英語文獻。

統計機器翻譯依靠平行文字向“演算法”輸入資訊——奧奇說，至少要輸入1億字左右的平行資料，才能建立一個能夠產生理###可以接受的結果的翻譯系統。對於平行文字的這種依賴，限制了適用於機器翻譯的語言配對的數量。目前，還沒有足夠的雙語文字可賴以建立一個（比如說）直接從希臘語翻譯為泰語的系統，所以在這樣一個過渡時期，橋樑###語言——如英語——就必不可少。機器翻譯最終能否將任何語言的文字直接翻譯成任一其他語言？採用基於理解語言學和建立中介###源語言等方法有無必要？這些問題都還沒有明確的答案。迄今為止，人們看到的是，似乎只要有了足夠大量的資料，不可能的任務也會變為可能。

谷歌程式的速度令人震驚，人們也有理由對它持樂觀的期待。它的統計機器翻譯所提供的服務從2007年春天的3種源語言增加到了13種，然後是23種，這都是在不到一年的時間內取得的。公司不僅能提供從非英語到英語的翻譯，而且能在這23種源語言中的任兩個語言之間實現互譯。截至2008年5月，這些語言是：###文、保加利亞文、中文（包括簡體中文和繁體中文）、克羅埃西亞文、捷克文、丹麥文、英文、芬蘭文、法文、德文、希臘文、印地文、義大利文、韓文、日文、挪威文、波蘭文、羅馬尼亞文、俄文、西班牙文、瑞典文和葡萄牙文。

機器翻譯專案證明了谷歌是如何被“更多的資料是更好的資料”這一信條所驅動的。在資訊產業，完全###——無論是就一個資訊目錄的完整###而言還是就包括的目錄的窮盡###而言，都是至為關鍵的因素，因為資料達到前所未有地多，只會使演算法的智慧化水平變得前所未有地高，這反過來又鞏固了谷歌的領先地位，把對手更遠地甩在身後。

谷歌以免費電話為基礎的資訊服務，1…800…GOOG…411就是一個很好的例證。這項服務運用聲音識別軟體來提供本地企業的電話號碼諮詢。這項服務不收費，也不夾帶廣告。谷歌的瑪麗莎·梅耶爾在2007年10月的一次談話中承認，她也懷疑谷歌是不是會變成一個公益###機構。但她並不擔心，因為谷歌是利用這項服務蒐集音素，而不是賺取利潤。她說：“我們必須建成一個可用於各種不同事物（包括影片搜尋在內）的更大的從話語到文字的模型。”谷歌的話語識別專家曾對她說：“如果你們###們去建立一個真正強有力的話語模型，我們就需要很多的音素……人們怎樣交談、怎樣說事兒。有了這些，我們最終就可以訓練軟體來掌握並應用它們。”還是那句話：“更多的資料是更好的資料。”

谷歌知道，演算法的結果不是沒有瑕疵，但公司將演算法的缺陷視為資料量不夠大而導致的侷限，是其內部工作有待完善而出現的微調，絕不會將它當作自動化程式固有的問題。公司已經決定向演算法輸入更多的資訊，這些資訊必須以前所未有的力量進一步搜尋才能得到。它已經可以充滿自信地宣佈，已經擁有了所能找到的一切圖書，擁有了它的使用者可能點選的一切影片，擁有了能夠覆蓋天空和大地的各類地圖。

在這些額外新增到谷歌資訊庫的東西中，有一些對它可能顯得無關緊要，因為它的核心興趣是網路搜尋及相關廣告；有些可能會被證明屬於浪費###的實驗，有些可能會被證明為廣受歡迎卻最終無法得到回報的服務。它們或許會——或許不會——反過來對谷歌的前途產生重大影響。每一項都有自己的故事，但主題卻是共同的：谷歌對新的資訊種類的熱切追求沒有減退也沒有動搖；即使在它的公眾形象被它的行動所引起的爭論所損害的時候，也一如既往。

當每一個展開的故事都受到仔細檢查時，谷歌這塊巨石的光滑表面就會消退，隨時調整決定的更加複雜的面目就會浮現。私