崔正熹  >>  正文
大数据让跨界更容易
崔正熹
04月08日

大数据图

上个世纪中叶,计算机还是一个要占据整个房间的庞然大物。在冷战期间,美国获取了大量前苏联的各方面资料,但苦于翻译人才不足,只能求助于计算机技术来解决翻译压力。1954年IBM公司将250个单词和语法规则搭配,将60个俄语断句翻译成了英语。当时有乐观派专家对媒体称“三年后的机器翻译一定会非常成熟”。

但这种思路很快就被证明是种误导。因为语言的变化是极其灵活的,一个单词在不同的语境和情绪下有着截然不同的含义。就像是中文的“哪里”,可以是询问位置,也可以是一句客套话。而IBM的单词配语法有着很大的局限性,语料库始终在追求精确的语法,而人们的表达却越来越随意。到20世纪90年代,IBM投入了大量的资金挑战机器翻译,却收效甚微,最终项目无奈终止。

2006年谷歌公司开始涉及机器翻译。谷歌的语料库跳出了两种语言互相对等匹配的传统文本翻译思路,不再仅依靠两种语言之间严谨的语法词法联系。开始基于全球互联网,利用一个更大更庞杂的数据库来进行翻译。

如果只追求单词和语法的准确,那谷歌语料库只能算是一堆残渣废料。因为谷歌语料库的内容既有来自国际组织的标准文件,也有来自网络论坛的“闲言碎语”和大量其他未经处理的互联网讯息,它掌握了不同语言质量参差不齐的文档大约有几十亿页,其中包容了大量的拼写错误。这海量的“原版”语言构成了跨语言表达的“训练集”,可以正确地推算出词汇搭配在一起的可能性。谷歌翻译出来的文字从语言美学角度来看确实没有美感,但语义沟通还是不成问题的。学会一门语言到通读文献的水平需要数年的时间,而在这种机器翻译的辅助下只需要一瞬间,细想起来运用大数据手段解决沟通壁垒的效率还是立竿见影的。

大数据的成功运用打破了不同语言之间的交流壁垒,提高了两种语言的沟通效率。在现实的经济活动中,去理解一个陌生领域的难度不亚于理解一门全新的语言。这样的问题在银行风控部门的工作中表现最为突出。各个行业发展迅速,银行面对的申请贷款企业来自各行各业,每个行业的特点迥异。尤其现在跨行业经营的现象与日俱增,这大大提升了对银行客户经理本身的素质要求。当银行面对一个全新的行业时,跨行业的理解难度就像是面对一门新语言。其次出于成本的考虑,银行负责贷后监管的人手毕竟有限,即便每个责任人再努力也不可能有充足的时间对手上的若干家贷款企业逐一跟踪。所以在短时间内有效了解该行业的管理特点,风险易发节点、频率对银行的贷款风控至关重要。简而言之,银行风控部门亟待解决的问题就是如何降低跨界沟通难度、提高跨界沟通效率。银行和企业的“跨界沟通”也需要一种有效的“翻译”手段。

大数据手段冲破语言沟通障碍案例对经济领域的跨界沟通有着重要的指导意义。传统的思路中,资方会通过财务报表来衡量一个企业的优劣,但事实证明这种办法是“小数据”思路,在数据采集手段更为便利的今天,似乎财报的短板在日益凸显,毕竟财报的三张表是可以用PS手段来美化的,并不能如实反映企业情况。

谷歌语料库包含了互联网上的各种语言“细节”,在翻译的过程中会甄选最贴近真实情况的平行文本,所有能最大限度反映语言的本意。一家企业的财报数据量一般是几十个KB,而如果统计几年的明细数据可以到十几个GB,这写明细数据包括企业订单、库存、下线、结算、付款这些核心环节的所有数据。通过相应的大数据算法模型来进行清洗和分析后“翻译”成银行或相应部门能够“理解”的版本,是解决信息不对称问题的有效途径。

李克强总理在刚刚结束的两会上也提到了“互联网+”和“大数据”的概念,未来几年的大数据和互联网的发展基调非常明显。事实上国内已经有企业在“大数据金融”领域走在了世界的前列,通过大数据手段为中小企业争取了数十亿的纯信用融资,并且至今没有发现一笔不良。大数据的概念在深入人心,大数据成功实践的案例也在不断增加。

大数据的魅力在于“通达”,大数据手段可以提高两种不同语言的沟通效率,可以降低不同经济领域的跨界难度。尤其对于金融部门,大数据手段恰可以真实反映企业状况,提前判断未来可能发生的经营风险。大数据时代来了,谷歌让两种语言的沟通更顺畅,经济领域的跨界沟通还会远吗?

媒体人,中国日报网专栏作家。
互联网举报中心 防范网络诈骗 法律顾问:炜衡律师 视听节目许可证0108263京公网安备110105000081号京网文[2011]0283-097号
中文 | English