路易斯･范･安：大型在线共同创作

有多少人在填写网页表格时 需要识别像这样扭曲的词语？ 有多少人觉得很烦人？ 哇，不少呢。我就是发明这个的人。 （笑声） 或者说我是其中之一

这个称作验证码 其理由是保证填写表格的是一个真人 而不是什么电脑程序在操作 可以不停地填写表格 这是因为人类 至少是没有视力问题的人 可以识别这些扭曲的文字 而机器做不到 比如说在票务大全网站上 你输入这些扭曲字符的原因 是防止黄牛写一个电脑程序 一次购买上万张票

验证码在网络上普遍应用 因其普遍性 很多时候使用者就会看到一些 异常搭配的文字排序 这个例子来自雅虎注册网页 使用者看到的这几个随机字母 W，A，I， T，正好组成了“等” 最有意思的是 这是20分钟后的帮助页面 文字：“帮忙！我已经等了二十多分钟，没有任何变化。” （笑声） 这人以为网站让他等着 当然还有更倒霉的

（笑声）

验证码计划是我们十多年前在卡内基梅隆大学做起来的 并被广泛应用 现在谈谈几年后我们做的一个项目 算是验证码的新生代版本 这个计划我们称之“reCAPTCHA” 这个计划是从卡内基梅隆大学起步 成为我们的启动公司 一年半前 谷歌收购了这个公司

现在我来说说这个项目的初始 这个项目是出于以下认识： 每天全球范围内有大约2亿次 验证码输入 我头次听到的时候还挺自豪 我想 我们的研究影响力不小啊 接着我就感觉很难受 因为每次你输入一个验证码 你就浪费了10秒钟 这个乘以2亿 全人类每天就浪费了50万个小时 来输入烦人的验证码 我就很难受了

（笑声）

我开始思考 既然不能放弃验证码 因为网页安全依赖于此 那么有什么方法可以利用它 来做点好事呢？ 关键在于 当你在10秒钟内输入验证码的时候 你的大脑在做了不起的工作 这是电脑目前尚无法做到的 那么能不能让这10秒钟的工作变得有意义呢？ 也就是说 有没有什么目前电脑无法解决的难题 但是可以分割成10秒的单位小块 这样每个人通过验证码 解决这个问题的一个小单位？ 答案是肯定的话 这就是我们目前在做的

也许你不知道 如今当你输入一个验证码 不仅仅是在证明你是真人 也是在把书电子化 我来解释一下 目前有很多书籍电子化的项目 谷歌有一个。 “互联网档案”有一个 现亚马逊的Kindle也有一个 方法就是 从一本旧书开始 你见过书对吧？一本书？ （笑声） 首先扫描一本书

扫描就是 相当于把每一页照一张数码照片 你就有了这本书每一页的照片 这是一本书每一页文字内容的照片 下一步就是 电脑得解读这些照片上的每一个字 这涉及到一个叫做OCR的技术 也就是光学字符识别 拍下一段文字的照片 然后识别出文字内容 问题是光学字符识别的技术并不能解决所有问题 特别对于旧书 墨水褪色，书页泛黄 很多字OCR无法识别 比如，五十多年前的书 有百分之三十的单词电脑无法识别 我们做的就是 摘录出电脑无法识别的单词 通过真人在网上输入验证码时 阅读识别出来

下次当你输入一个验证码时，你输入的那个单词 实际是我们电子化书籍里 电脑无法识别的单词 现在我们使用两个而非一个单词的理由是 其中一个词是 系统把一个电脑无法识别的单词 提供给你 因为系统不认识这个单词 所以无法判断你的答案 我们就加入另一个单词 一个系统已经认识的单词 不告诉你哪个是已知的，哪个是未知的 请你将两者都输入 如果你能拼写正确 系统已认知的那个单词 就判断你为真人 这样对你输入的另一个单词就有所把握 我们把这个过程让十个人重复进行 如果他们对不识别单词的答案一致 我们就得到了一个准确电子化的新单词

这就是这个系统的工作原理 大约三四年前我们导入这个系统 许多网站已经从旧的验证码 换成新的来帮助书籍电子化 而不是浪费人们的时间 比如“票务大全” 每次你在它的网站上购票 就在帮助把书籍电子化 脸书：每次你加好友或者打招呼 你就帮忙在把书籍电子化 推特和其他350,000个网站都在用reCAPTCHA 现在使用reCAPTCHA的网站是如此之多 每天我们电子化的单词数量惊人 大概是每天一亿 这就是每年大概250万本书 而这一切仅仅都是通过人们在网上 输入验证码来做到的

（掌声）

当然 因为每天处理的词是如此之多 难免有搞笑的状况 特别是现在我们给出的单词是 两个随机组合的英语单词 就出现了有意思的事 比如 我们给出了这个词 “基督徒” 这没什么问题 问题是另外一个随机抽取的词 就把事情搞糟了 比如这个 （恶基督徒） 更糟的是 出现这个的网站 正好是“神之国度大使馆” （笑声） 糟了 （笑声） 这儿还有一个 JohnEdwards.com （该死的自由主义者） （笑声） 我们就这么每天不停地羞辱别人

当然 不仅是人 其他东西也难逃厄运 因为我们是随机选取的单词 就有了很有趣的结果 这个正在成为 互联网上一个流行趋势 无数的人参与这个 所谓的验证码艺术 肯定有人听说过 是这样 假设你在上网看到一个验证码 你觉得很特别 比如这个 （隐形的烤面包机） 你要做的就是截图 然后当然就是输入验证码 因为你在帮我们电子化书籍 接下来 你截了图 就画出与它相关的图像 （笑声） 就是这样 这样作品大概有一万个 有些很可爱 （握紧它） （笑声） 有些很好玩 （大醉的创始人） （笑声） 还有一些 比如 “古生物学的史维凿” 说不定那儿有史诺谱･道格（美国说唱歌手）

（笑声）

这是我最喜欢的reCAPTCHA数字 这是我最喜欢的这个项目的部分 这个数字是 通过reCAPTCHA帮助我们电子化书籍中单词的人数 7.5亿 多于世界总人口的十分之一的人们 帮助我们电子化人类的知识 正是这样的数字激励我的研究进程 那激励我研究进程的问题如下： 试想人类的大型成就 人类共同 创造的那些大型历史性事物－ 比如 建造埃及金字塔 开凿巴拿马运河 或者把人类送上月球－ 这些工程都有个奇怪的事实 就是它们基本都是由一样数量的人们完成的 这很奇怪 这些工程都是由大概十万人完成 因为在互联网出现之前 整合十万人 这十万人的巨大酬劳基本上是无法支付的 但是有了互联网 刚刚展示的这个项目 就找到了7.5亿人 来帮助我们电子化人类知识 那么 激励我的研究的问题就是 如果十万人能把一个人送上月球 一亿人能做到什么呢？

基于这个问题 我们有很多项目在进行中 下面介绍一个最令我兴奋的项目 这是过去一年半里 我们低调进行的一个项目 还没有真正投入使用 它叫做Duolingo 因为我们还没有投入使用 嘘！ （笑声） 我相信你们都会保密的 这个项目是这样开始的 它始于我向我的一名研究生提的问题 塞韦林･骇客 这就是他 我向他提了一个问题 另外你确实没听错 他姓骇客 我向他提了个问题： 怎么才能找到一亿人 把互联网上的内容免费翻译成所有的主要语言？

这个问题有好几个方面 首先是翻译网页 现在的网页内容主要分为几大语言 其中一个大的分支是英语 如果你不会英语就无法使用 但是还有其他几种不同的语言 如果你不会那几种也无法使用 我打算把所有网页 大部分网页 翻译成主要语言 这是我想做的

也许有人会说 怎么不用电脑翻译？ 为什么我们不用机器翻译？ 机器翻译已经在应用中 为什么不用它来翻译所有网页呢？ 问题就是机器翻译还不够好 也许将来的15到20年内都不行 机器翻译有很多错误 甚至就算它翻对的时候 因为它的错误率太高 你也不敢相信它

比如这个例子 是由机器翻译的 这是个论坛帖子 有人提了关于Java语言的一个问题 是从日语翻译成英语 你可以读一下 他首先道歉 这是机器翻译的内容 下一个句子开始涉及问题 他开始说明 记住 这个问题是关于Java语言的 （文字：常常，山羊时间启动错误被吐出来） （笑声） 接下来是问题的第一部分 （文字：有多少次像风，像杆子，像龙？） （笑声） 接下来是最好玩的部分 （文字：这是对父亲的石头的侮辱？） （笑声） 接下来是结尾 我最喜欢的部分 （文字：请为你的愚蠢道歉，很多谢谢） （笑声） 可见 机器翻译 还不够好 回到问题上去

我们需要人来翻译所有网页 下一个问题是 为什么不付钱找人做呢？ 我们可以找专业翻译人员来翻译整个网页 可以这么做 但是 这会无比昂贵 比如 翻译互联网很小很小的一个部分 维基百科 英语翻译成西班牙语 维基百科有西班牙语 但是相比英语部分小多了 大概是英语内容的百分之二十 如果我们把剩下的百分之八十翻译成英语 就得至少五千万美元－ 这还是在最便宜的服务外包国家 所以这个方法很昂贵 我们要的是一亿人 免费把网页内容翻译成 所有主要语言

如果你要这么做的话 就会意识到面临两个非常 巨大的障碍 首先是缺乏掌握双语的人 我甚至不知道 是否有一亿个互联网使用者 掌握双语来进行翻译 这是个大问题 另一个问题是缺少鼓励机制 怎么才能让人们 甘愿免费翻译网页？ 通常你得付钱请人干活儿 那么怎么才能让他们无偿劳动呢？ 当我们着手考虑这个项目的时候这是拦在面前的两大问题 后来我们意识到 有一个方法可以一举解决这两个问题 一箭双雕 这就是把翻译转化成 无数人想做的事情 同时解决双语人员人手不够的问题 这就是语言学习

当今 有超过12亿人口在学习外语 人们迫切得想学习外语 而且这不是学校里不得不做的功课 比如在美国 有超过五百万的人在为外语学习软件 每人支付超过五百美元 所有人们非常想学外语 过去一年半里我们建立的新网站 叫做Duolingo－ 就是基于这个让人们免费学习外语 同时翻译网页的想法 就是让他们学以致用

使用方法是这样 如果你是个新手 我们会给出非常非常简单的句子 网页上有很多简单的句子 我们给出非常简单的句子 以及句中单词释义 然后你翻译一下 并且可以看到别人是如何翻译的 这样学习外语 当你级别提高后 我们会给出越来越复杂的句子让你翻译 这整个过程 你都是边学边用

这个方法令人疯狂之处 是它居然确实有效 首先 人们可以通过它学外语 我们建完了网站，它现正在测试中 人们可以用它学习外语 完全可以跟外语学习软件媲美 所以用它确实可以学外语 不仅可以学好 而且更有趣味性 因为通过Duolingo人们学的是真正的语言使用内容 而不是编造的句子 通过学习真正的文本内容，趣味性大大提高 这样人们就实实在在学习外语

最令人惊讶的是 网站使用者的翻译 甚至是初学者的翻译 和专业的翻译人员几乎不相上下 这很让人惊讶 让我给你们看一个例子 这是一个从德语翻译成英语的例子 上面是德语 中间是一名专业英语翻译人员 翻译的句子 一个词二十美分的价钱 下面是Duolingo使用者的翻译 他们在使用该网站前 不会任何德语 可以看到 几乎很完美 当然 为了让翻译达到专业水准 我们也想了个办法 我们把多名翻译者的翻译结合起来 得到专业人员的水准

即使我们要结合翻译 这个网站仍然可以迅速翻译 让我展示一下 这是我们对维基百科翻译工程的预计 从英语翻译成西班牙语 要记住 这可是价值五千万美元的工程 如果要把维基百科从英文翻译成西班牙语 十万名活跃用户可以在五周内完成 一百万活跃用户可以在八十小时内完成 现在我们的项目小组已经有了上百万使用者 我们希望可以以极快的速度 进行这个翻译工程

现在我对Duolingo最兴奋的就是 它为外语教育创造了一个公平的商业模式 是这样： 目前外语教育的商业模式是 学生付钱 主要就是学生购买罗赛塔石碑五百美元的软件 （笑声） 这是目前的商业模式 这个模式的问题是 世界人口的百分之九十五没有五百美元 所以这个模式对穷人极度不公平 这是个面向富人的模式 而Duolingo 因为你学习的时候 也创造价值，你在翻译东西－ 因为比如我们得付钱给人翻译东西 这样你的学习过程就货币化了 因为人们学习的时候同时创造价值 他们就不用付钱 而是付出时间 最妙的是 虽然人们得付出时间 但这个时间是他们学习外语无论如何 都会付出的那部分时间 所以Duolingo做的好事就是提供了一个公平的商业模式－ 这个模式对穷人一样敞开机会

这就是这个网站 谢谢 （掌声） 这个网站 我们还没有投入应用 但是如果你去我们的页面的话可以注册 也许三四周后就可以开始了 我们还没有投入使用Duolingo

另外 虽然是我在这里介绍Duolingo 但这个网站是一个优秀的团队的成果 这是其中一些人 谢谢你们

（掌声）