第12部分(第1/4 页)

那一年的早些时候，谷歌的奥奇在一个公开的场合谈及机器翻译的结果时，谈到了谷歌最好的一面：这个组织致力于不断开拓信息传播的广度，看不出它对自己的商业利益的关心。他说，如果听众中有人打算亲手建设一个机器翻译的算法，谷歌很愿意提供帮助。谷歌同非营利###的宾夕法尼亚大学的语言数据联盟（Linguistic　Data　Consortium）合作，一开始就以运费的名义提供了一套包含必要的基础训练数据的DVD，这套数据列举了各种词语组合——其长度（技术术语表示为precounted　n…grams）从1个词到5个词不等——的使用频率，它们的基础就是谷歌的爬行器从Web中搜集来的上万亿个词汇量的英语文献。

统计机器翻译依靠平行文本向“算法”输入信息——奥奇说，至少要输入1亿字左右的平行数据，才能建立一个能够产生理###可以接受的结果的翻译系统。对于平行文本的这种依赖，限制了适用于机器翻译的语言配对的数量。目前，还没有足够的双语文本可赖以创建一个（比如说）直接从希腊语翻译为泰语的系统，所以在这样一个过渡时期，桥梁###语言——如英语——就必不可少。机器翻译最终能否将任何语言的文本直接翻译成任一其他语言？采用基于理解语言学和建立中介###源语言等方法有无必要？这些问题都还没有明确的答案。迄今为止，人们看到的是，似乎只要有了足够大量的数据，不可能的任务也会变为可能。

谷歌程序的速度令人震惊，人们也有理由对它持乐观的期待。它的统计机器翻译所提供的服务从2007年春天的3种源语言增加到了13种，然后是23种，这都是在不到一年的时间内取得的。公司不仅能提供从非英语到英语的翻译，而且能在这23种源语言中的任两个语言之间实现互译。截至2008年5月，这些语言是：###文、保加利亚文、中文（包括简体中文和繁体中文）、克罗地亚文、捷克文、丹麦文、英文、芬兰文、法文、德文、希腊文、印地文、意大利文、韩文、日文、挪威文、波兰文、罗马尼亚文、俄文、西班牙文、瑞典文和葡萄牙文。

机器翻译项目证明了谷歌是如何被“更多的数据是更好的数据”这一信条所驱动的。在信息产业，完全###——无论是就一个信息目录的完整###而言还是就包括的目录的穷尽###而言，都是至为关键的因素，因为数据达到前所未有地多，只会使算法的智能化水平变得前所未有地高，这反过来又巩固了谷歌的领先地位，把对手更远地甩在身后。

谷歌以免费电话为基础的信息服务，1…800…GOOG…411就是一个很好的例证。这项服务运用声音识别软件来提供本地企业的电话号码咨询。这项服务不收费，也不夹带广告。谷歌的玛丽莎·梅耶尔在2007年10月的一次谈话中承认，她也怀疑谷歌是不是会变成一个公益###机构。但她并不担心，因为谷歌是利用这项服务搜集音素，而不是赚取利润。她说：“我们必须建成一个可用于各种不同事物（包括视频搜索在内）的更大的从话语到文本的模型。”谷歌的话语识别专家曾对她说：“如果你们###们去建立一个真正强有力的话语模型，我们就需要很多的音素……人们怎样交谈、怎样说事儿。有了这些，我们最终就可以训练软件来掌握并应用它们。”还是那句话：“更多的数据是更好的数据。”

谷歌知道，算法的结果不是没有瑕疵，但公司将算法的缺陷视为数据量不够大而导致的局限，是其内部工作有待完善而出现的微调，绝不会将它当作自动化程序固有的问题。公司已经决定向算法输入更多的信息，这些信息必须以前所未有的力量进一步搜索才能得到。它已经可以充满自信地宣布，已经拥有了所能找到的一切图书，拥有了它的用户可能点击的一切视频，拥有了能够覆盖天空和大地的各类地图。

在这些额外添加到谷歌信息库的东西中，有一些对它可能显得无关紧要，因为它的核心兴趣是网络搜索及相关广告；有些可能会被证明属于浪费###的实验，有些可能会被证明为广受欢迎却最终无法得到回报的服务。它们或许会——或许不会——反过来对谷歌的前途产生重大影响。每一项都有自己的故事，但主题却是共同的：谷歌对新的信息种类的热切追求没有减退也没有动摇；即使在它的公众形象被它的行动所引起的争论所损害的时候，也一如既往。

当每一个展开的故事都受到仔细检查时，谷歌这块巨石的光滑表面就会消退，随时调整决定的更加复杂的面目就会浮现。私