當電腦具備和人相近的語言能力時，會是怎樣的景象？這個問題或許在未來三年內，就有機會得到解答。而在這個答案的背後，更關鍵的其實是一個叫作「機器學習」的東西。
「三年內就有機會看到突破性進展。」在微軟位於美國西雅圖雷德蒙德的總部裡，微軟副總裁暨微軟研究院院長Peter Lee接受《今周刊》訪問，並且帶來令人振奮的消息。
Peter 口中的突破，指的是電腦對自然語言辨識的錯誤率，將有機會在三年內降低至四％左右；四％的意義是什麼？用最簡單的解釋加以說明：「 這個錯誤率，幾乎已經接近人類的水準。」 他說。
雖然Peter 立刻補充，這指的是在實驗室內可望得到的結果，但也已經讓人工智慧的未來發展存在無窮無盡的各種可能。
自然語言辨識能力的提升意味著什麼？可以想像，在物聯網的時代，你的辦公室、住家、道路，甚至是你的身體裡，愈來愈多物品都具備電腦的運算能力，但卻不是每樣東西都有鍵盤、滑鼠，或是足夠大的觸控螢幕可以做指令輸入，所以一個必須要解決的問題是：「電腦怎麼知道我們在說什麼？」
過去錯誤率25％ 像雞同鴨講
要讓機器讀懂人類的語言可一點都不容易。根據美國國家標準與技術研究院（NIST）語言辨識大挑戰評測的數據，從一九九三年開始，機器的自然語言辨識錯誤率從一○○％，一路往下降，在二○○○年降至約二五％，但之後有長達近十年時間，幾乎沒有進展，彷彿是進入了人工智慧的冬天。
但隨著雲端和大數據的發展，一○年終於再看到新突破，將錯誤率降低至二○％以下，甚至在一二年一舉降到約七％。「當有這樣的成績，很多事情都變得可能。」Peter說。因為機器讀懂訊息之後的下一步，就是主動回應。就好像時下相當熱門的機器人Pepper，就具備了與人溝通的基本能力。
而這背後的祕密之一，是「機器學習（Machine Learning）」。Peter說：「這是非常難的題目，也可能是微軟研究院現在投資規模最大的研究項目。」
什麼是機器學習？簡單來說，電腦就像人一樣，必須經過不斷地教育學習，才能成長，「當我們餵養愈多訓練資料（Training Data）給電腦，電腦的表現就會愈好。」舉例來說，阿拉伯數字「2」在不同人的筆下，因為下筆力道與習慣等不同，形態各異，但如果能給予足夠多的範例，並一一告知電腦：這些都是「2」，那電腦就可以自己從中找出規則。
以微軟研究院研發的Skype Translator功能為例，一開始，微軟餵給電腦非常大量的英文資訊，如電影、法院證詞和各種演講等，超過數千小時的資料，當輸入的資料量愈多，語音辨識的結果也愈好。
然後他們嘗試加入中文資料，而這時神奇的事發生了，「 不只中文辨識度提升，英文學習能力竟然也會跟著成長。」 Peter說，當他們再餵以法文資料時，中、英文的學習能力也跟著增加。
即席英翻中 電腦感動人腦
一二年，微軟研究院創辦人理查．瑞歇爾（Richard Rashid）大膽地在中國做了一項公開測試。他當時的目標是全程用英文演說，要讓電腦在現場為他即席翻譯成中文。結果，就在演講的最後五分鐘，他真的做到了。當他以英文說完一段句子後，立刻有一個男生的聲音，用中文翻譯了他剛剛所說的話。
當時坐在台下的Peter印象非常深刻，「有一些坐在第一排的中國學生都激動地哭了。」其實Peter自己也深受感動：「你看到可能性，世界的語言障礙可能被打破！」他說：「我們想要讓人們看到全新的可能性，我們想要拓展人類的想像。」
目前Skype Translator已經可以做六國語言的「 即時翻譯」 ，而且幾乎每個月都在增加一種新語言。而《 今周刊》 記者在現場也以中文與一位義大利人進行「 中義雙語對話﹂測試，真的完成了一段約莫一分鐘，絕非雞同鴨講的有效對話。
挑戰「說廢話」 更接近人性
不過微軟研究院產品策略總監Olivier Fontana不否認，「現在的即時翻譯還不完美。眼前仍然有許多挑戰要克服，其中一項就是『聽廢話』。」
與日本軟銀對Pepper機器人的期待類似，為了增加「人性」，Pepper的未來挑戰是「說廢話」，能夠說出更接近一般人口語的表達方法；但要做到這一點，先決條件是人工智慧必須先能「聽出哪些是廢話」。
Olivier解釋，人們在對話時，很容易出現沒有意義、例如「啊」、「耶」之類的語助詞，講話的音調也各有不同，再加上對話經常會有停頓、重複等狀況，這些，目前的技術都未必能夠明確分辨。
當機器人可以聽懂人話，就能做出最基本的適當反應；而當人工智慧讓機器人可以聽懂「廢話」，不但可以更精準無誤地解讀，甚至有可能進展到推敲你的「言下之意」，愈是這麼想，科幻電影的場景似乎也就愈加真實了。而這一切，正在快速進行中。
