8 ]+ V' h: g- @! c K/ o' C ! |7 x- t/ Y- I9 }; |% Q, Z云计算使这一切成为可能) K0 u5 \. R5 k. S3 Y
. l" y; m1 I X. E
% I' @9 I6 @$ `$ K
7 r. A' K" S+ d, `4 I
网络协作平台和统一共享记忆数据库的概念很吸引人, 那么为什么这麽多年来并没有哪个公司将这一产品推出呢? 这里面主要是技术瓶颈. 建立这么大规模的数据库和协作平台不是以往的技术架构可以承担的. 这一切都在云计算的时代才成为可能. 云计算进入商用也只是近一年来的事情. SilverCAT算应该是第一个利用云计算技术用于翻译软件行业的项目了. - _, X$ e9 [% ]; e( e, u4 R
$ Z2 K# Y1 d( K7 w7 Y; F
' f f. {* }1 ~# s" B核心的技术是智能语言匹配算法 : M+ W L1 a) ]8 Q 2 H0 b5 s9 ^2 ]! ^2 y0 {" O. n5 E' \* ^- p. s& K
数据库内容足够多会产生一个明显的副作用. 就是一个语句的翻译可能不同的人不同的时间给出不同的版本. 这些不同的版本在当时那个文章中应该是准确的, 但是是否放在现在这个特定的文章中是否仍然匹配就很难由计算机来判断了. 以往的方式是将搜索到的结果提供给人类进行判断. 这种方案在数据库规模小, 而且大部分数据都是由本人曾经输入的情况下是可行而且有效的. 但是一旦到了云规模的数据库, 这个方案就不好用了. 因为可能的选项太多了, 如果都提供出来给翻译去选择那还不如不要提供. 必须有一个智能的语言匹配算法将不太可能的选择想去不过滤掉, 将最可能的选项给予最高评分放在最前面. 仅提供很少数量但是最大可能的选项给翻译人员去选择. 一旦翻译人员做出选择, 这个选择结果要反馈回算法以便于算法自我优化以便于提高以后的准确程度. + U1 V7 X; O" v8 ^ " Z, y* O2 j `4 Q/ r ] 2 b& L/ F- c5 N" ` X" X* J这种"分析-过滤-评分-选择-反馈-优化"的循环是只智能语言匹配算法的方法论, 也是本系统最核心的部分. 事实上是利用大众的选择来对算法进行优化, 从而提高准确度来更好的服务大众. 这就是所谓的"大众智慧". 6 J# q4 e$ _9 p# k 1 L( f5 f. C) s" M8 u0 ^: ^ w+ [5 g" ? 运营一个平台而不是卖一个软件; r! l. @. D; i0 i
, s Z. L/ ~5 Q- u; C% W* z% P* M6 R2 B" _) N4 h0 |
& Z$ H( r3 Z% w$ S2 V
在上个世纪, 登峰造极的微软公司依靠销售软件License这个边际效益最佳的方法成就了世界首富. 一时间无数软件公司都按照类似的模式试图和微软进行竞争. 挑战者前仆后继, 但是始终未能撼动微软公司的老大地位. 这一切终于终结在Google的崛起. Google能够成功的第一重要的因素就是它不是按照微软一样的模式去盈利. 也就是说 Google不买软件License, 它卖的是服务. + R& e O, R, w0 N$ ?/ x9 K$ C. @( v ) H# G" }" t2 u1 B. C + b5 |/ J7 M5 F( D: M; WSilverCAT也是走的"软件即是服务"的思路. SilverCAT不是一个被销售的软件, 它是一个服务平台. 它位于翻译行业的产业链中央. 它将客户, 个人翻译, 翻译团体三者联系起来, 用一种全新的方式从端到端的解决方案. ) m2 `7 Q1 R) e0 G: A
! V$ L- [/ Z e' P1 |4 o6 Q) k$ y% B8 e* \. w* Y. v7 K
在SilverCAT系统中, 翻译工作是通过如下方式进行的: 1 B0 A5 {! ~% `3 a( g# o' k% u ) ~. x0 d. K. n
