AI重建“巴别塔”
撰文 | 李信马
题图 | DoNews制图
《圣经·创世记》中记载，所有的人类曾经说同一种语言，他们计划合力建造一座通天巨塔，工程如火如荼之际，上帝耶和华降临察看，说：“看哪，他们成为一样的人民，都是一样的言语，如今既做起这事来，以后他们所要做的事就没有不成就的了。”
上帝让人类变得言语不通、彼此无法沟通，于是工程中止，人们四散各方，这座未完成的巨塔便被称作“巴别塔”。
故事是假的，但语言不同对人类造成的困扰是真的。就连美国总统卡特，1977年访问波兰时，因为翻译的水平不行，也曾闹了笑话，甚至影响了美国和波兰的外交关系。
《亮剑》中攻打平安县城的剧情，是全剧的高潮所在，被剧迷们戏称为第二次世界大战的转折点，不过，这场仗差点没打起来，原因在于我军虽然监听到了敌人通话，但“咱们的电报员日语是个二把刀，只能听个大概。他发现他们反复提到一个地名，但他不知道这代表了什么”，后来问了日本翻译，才知道这是平安县城。
从古至今，要解决语言不通这个大难题，基本就两个办法：一是你自己学，但费时费力，而且不一定学会；二是找个翻译，但昂贵又麻烦，还不一定翻译的对。
人工智能的发展，却在今天大大降低了我们听懂另一门语言的门槛，重建“巴别塔”这一故事中的不可能，成为了可能的未来。
01、一副耳机，跨国无障碍交流
不久前，在上海的世界会客厅，戴着一副AI翻译耳机的演讲者，远程连线了迪拜Gitex Global展会的现场。
DoNews拍摄
两人跨越大半个亚洲，隔着足够马可·波罗走上好几年的距离，操着不同的语言，却在流畅清晰地交流。
其中用到的机器，就是新一代讯飞AI翻译耳机。据了解，这款耳机支持：
- 通话实时翻译，支持跨洲际对话与多任务并行；
- 面对面翻译，可双人无按键互译，且支持18组语种对的离线使用；
- 线上同传，具备双语转译与录音复盘功能；
- 旁听同传，凭借5-8米定向拾音适配会场需求。
除此之外，它还能语音唤醒 “小飞” ，实现口语陪练、资讯查询等服务，还能生成专属语音播客。
这件事的重要性毋庸置疑，科大讯飞副总裁、消费者事业群常务副总裁赵翔在会后的采访中表示：“现在中国依然坚持对外开放，即便全球有一些地缘因素的不确定性，但国与国之间的交流其实是更紧密的。虽然局部地缘政策影响明显，但‘开放式人员交流深化’是大趋势。不管是中国还是全球，翻译市场其实一直在增长，核心原因就是 ‘交流反向促进需求’——翻译做得越好，人们越愿意深入交流，进而带动翻译需求进一步扩大。”
比起要堆人力的人工翻译，AI翻译显然更有想象力，意义也更大。比如科大讯飞发现，随着 “一带一路” 推进，中国企业出海越来越多，跨国商务沟通的需求激增：海外展会洽谈、工厂跨境协作，这些场景需要 “即时、准确、便携” 的翻译工具。这也推动科大讯飞针对性地开发了翻译机、翻译耳机，还做了会议室同传系统。
还有他们发现，企业在跨境沟通中，不仅需要语言翻译，还需要文化解读 —— 比如某些国家的商务礼仪、专业术语的本地化表达，所以在产品里加入了 “文化相关知识训练”，并提供轻量化的行业术语库。
科技的发展，让人类的幻想变成了现实，不过，这样的产品又是如何实现的呢？又为什么现在才出现？
02、AI翻译是怎样炼成的？
早在人工智能诞生之初，科学家们就尝试用AI来代替人做翻译。1954年，美国乔治敦大学与IBM合作完成英俄翻译实验，标志着机器翻译研究的正式启动，不过，早期的AI翻译主要依赖词典和语法规则生成翻译，质量只能说……惨不忍睹。
直到神经网络机器翻译（NMT）的出现，解决了长句翻译问题，才使AI翻译的质量大幅提升；大模型时代，生成式AI又让AI翻译的水平大幅提升，变得更加流畅自然，“机器味”显著减少。
今天，科大讯飞也自主研发了大模型，“如果只是在别人的开源模型上做微调，很难做到国际领先。因为我们的很多产品应用，需要大量场景化数据（在保护隐私的前提下）不断打磨，没有自主可控的模型底座，进度和效果都无法保证，也没法适配真实场景的需求。”
不过赵翔也表示，科大讯飞的AI翻译不是靠大模型这两三年 “一蹴而就” 的。“我们的优势来自20多年的技术积累，从底层的语音识别、语音合成，到中间的语音翻译算法，再到上层的语音平台，整个技术链条是自然衔接、持续迭代的。”
下面这张图可以看到，科大讯飞的语音同传在历经了十余年的发展后，终于达到了专业译员的水平，期间，讯飞从语音技术起家，形成了“语音识别 - 翻译 - 语音合成 - 端侧产品” 的完整技术链条。
据国际权威咨询机构 IDC最新发布的《中国 AI 翻译技术评估，2025》报告显示，科大讯飞在AI翻译速度、效果、专业度、拟人度、产品应用成熟度、商业化规模、研发投入及用户推荐度8大核心维度中排名第一，其中6项满分。
DoNews拍摄
值得一提的是，语音识别的准确率，成了当下制约语音翻译大规模应用的关键。科大讯飞的解决方案覆盖了全国202个地市级方言，并在小语种上，支持101个语种的识别、55个语种的合成。大模型的迁移学习能力在这方面帮了大忙，以往一个新语种的识别，可能需要上千乃至上万小时的标注数据，现在需要的资源量大幅减少。
最后，还要打磨对应的硬件，落地到具体的行业场景。比如，上文提到的耳机，其降噪技术就经历了十余年的研发，以做到在工厂、展会等嘈杂场景精准降噪；医疗、金融、法律等行业在翻译上存在高壁垒，科大讯飞的新模型也通过将专业词库扩充至10万+来攻克。
DoNews拍摄
不过，正如我们对自动驾驶的要求不仅仅是超过人类司机的平均水平，而是追求“0事故”，对AI翻译，我们也希望精益求精。赵翔表示，目前在方言、小语种的翻译准确率上，和中英这种大语种还有差距。未来，科大讯飞计划将持续打磨核心技术，投入大量资源做 “脏活累活”，比如覆盖更多小语种、方言的数据积累，在语音识别、多语种翻译的准确率上不断突破，并针对工厂跨境沟通、国际展会洽谈等具体场景做定制化开发，解决真实场景里的痛点。
在我们的有生之年，甚至更近，在不久后的未来，我们也许就能看到，地球上任何的两个人，都可以通过设备进行无障碍的沟通。神话时代建不成的“巴别塔”，终会在人类的科技时代矗立。
(来源：DoNews)
