吴大力

当谷歌的工程师2014年11月在他们的官方博客上宣布他们的图像翻译系统“小有成就”时，也许面部表情里颇有自得。这一可以不断自我学习的系统（machine-learning system），可将图像用文字的方式描述出来。人们会发现，这项技术虽然继承自早已研究多年的图像识别和图像检索技术，但早期的搜索系统不得不使用关键词，归根结底是一些人通过文字的方式来查找另一些人设置好的文字，而最初的那些图像识别系统，也只能蹦出几个冷冰冰的词句。谷歌开发新系统的初衷，是为那些有视觉障碍的人提供帮助，同时也让图像检索变得更加便利，当然，成型之后，它必然会有更广阔的应用空间。背靠着庞大无比的搜索数据库，新的系统已将原先的词句矢量化，并善于利用矢量空间里的词句与词句的关系，重新组装成人类熟悉的语句。这时，这套系统与早期的系统相比就有了质的变化，计算机可以智能地描述图片，还可以通过接入更多的数据集来完成自我学习，语言与语言之间的互译曙光出现了。

在《圣经》里记载的巴别塔的故事中，上帝带给人类的语言隔阂的确制造了很大的麻烦，这其中不仅包括了因地域、种族、文化差异导致的人类自身的语言差别，还包括人与兽、人与物之间的语言隔阂，以及图像、文字、声音等这些人类根本性语言之间的断裂。科学家们在图像翻译方面的尝试，对视觉领域而言，是既有的、不断积累而成的阅读经验推倒，重新将话题拉回到原始的、初级的、哲学性的层面上了。……