因此，他们创建了一个名为“平行《圣经》语料库”的数据库，这其中包含了用1169种语言翻译的《新约》。然而这个数据集还不足以用于Google和其他商用机器翻译系统。所以，Asgari和Schutze提出了另一种方法：分析不同语言中，各种时态的表达方式。

大多数语言都会使用特定的单词或字母组合来表示时态。所以这个新方法的小技巧是利用人工去识别一些语言中时态出现的信号，然后采用数据挖掘来搜索其他语言，找到扮演相同角色的单词或字符串。

例如，在英文中，进行时是用“is”来表示，将来时态用“will”，而过去时用“was”。当然这些词也有其他含义。

Asgari和Schutze的想法是在《圣经》的英文翻译中找到所有这些词，以及其他语言中相对应的例子。然后查找在其他语言中扮演相同角色的单词或字母串。例如，字母“-ed”在英语中也表示过去时态。

值得注意的是，Asgari和Schutze不是以英语作为一开始的基准。因为英语是一种比较古老的语言，有许多例外的情况，这会使得机器很难学习。

　　图丨古英语写成的文章

相反，他们从根据其他语言混合发展而成的克里奥尔语系（Creole Language）开始。因为这种语言出现得较晚，它还没有足够长的时间来发展出丰富的语言特质。这意味着它们通常包含更明显的语言特征标记，譬如时态。

两位德国学者表示：“我们的依据是，克里奥尔语比其他语言更为规范，因为这个语系很年轻，并没有积累那些容易让计算分析更复杂的‘历史包袱’。”

图丨克里奥尔语于17-18世纪出现于北美和加勒比海地区，用于欧洲殖民者与奴隶的交流

这其中之一是塞舌尔（Seychelles）克里奥尔语，它使用“ti”这个词来表示过去时。例如，“mon travay”是指“I work”，而“mon ti travay”意味着“I worked”，“mon ti pe travay”意思是“I was working”。所以对于判断过去时来说，“ti”是一个很好的指示符列表。

Asgari和Schutze编译了10种其他语言的过去时态指示符列表，然后在“平行《圣经》语料库”中，把用于执行相同功能的其他语言的单词和字符串挖掘出来。对于现在进行时和一般将来时他们也采用了相同的方法。

实验的结果非常有趣，这项技术揭示了与一般常用语言有关的语言学结构，并创建一张关联图，显示使用相似时态结构的语言是如何联系的（如下图）。

　　图丨上图显示了100种语言的过去时态指示符是如何聚类在一起的

Asgari和Schutze开发的机器学习算法可用来分析人们在超过1000种语言中使用过去、现在和未来时态的方式。这是迄今为止最大的跨语言计算研究，所涉及的语言数量比其他类型的研究甚至大一个数量级。

这项工作有很重要的应用价值。语言时态关联图允许研究人员快速找出不同语言之间的关系以及它们是如何联系的，这可以用来更好地理解语言的进化与演变。Asgari和Schutze表示：“我们所需的只是几千种语言的语言特征，而不是要求这几千种语言被完全标记。”

机器学习在语言学领域的应用，对我们理解语言本身、世界变化的方式，以及“机器如何理解语言”将产生深远的影响。这个新兴的学科使得许多语言能够直接以文字和语音的形式翻译成其他语言。

事实上，这个新兴学科的目的就是通过人工智能技术，来实现机器的即时翻译，最终胜过人类的同声传译，甚至更进一步帮助全球各种语言使用者们实现无障碍交流。

编辑：王凯立

参考网址：

https://www.technologyreview.com/s/607825/new-software-program-translates-thousands-of-rare-languages/

https://code.facebook.com/posts/1978007565818999/a-novel-approach-to-neural-machine-translation/

https://arxiv.org/abs/1704.08914