對于寵物翻譯器的需求與肯定。
如果按斯洛波奇科夫教授所說的，這項技術(shù)能在十年內(nèi)成為現(xiàn)實，小范圍滿足的是人與寵物的交流溝通，大范圍可能是人類一統(tǒng)動物世界的溫和策略與夢想。
自動語音識別技術(shù)和語音翻譯技術(shù)助力，寵物情緒傳達不再是鏡中花、水中月
智能相對論發(fā)現(xiàn)，低配版寵物翻譯器運用的技術(shù)原理就是對狗狗的叫聲、動作等生物信號進行采樣，對獲取的數(shù)據(jù)進行頻譜分析，對姿勢動作DSP運算數(shù)字化處理，把得到的翻譯語言以中文形式語音播報出來，但是由于采樣的范圍和機器內(nèi)存等的局限性，這種低配寵物翻譯器在翻譯的準確度和豐富性方面尚有待提高。
不過，現(xiàn)在也有了好消息，為實現(xiàn)人狗溝通而設(shè)計的“No More Woof”耳機就是其一。
“No More Woof“是由北歐發(fā)明與發(fā)現(xiàn)協(xié)會( NCID )開發(fā)的，應用的是三個不同技術(shù)領(lǐng)域的最新技術(shù)的組合，即腦電圖( EEG )傳感、微計算和專用腦-機接口（BCI）軟件，主要由腦電圖耳機、Raspberry Pi 處理器和一款便攜音箱組成。
這些傳感器是腦電圖記錄器，可以降低讀數(shù)，減少離子電流在狗腦中的電壓波動。然后由微型計算機拾取波動，在這種情況下形成一個覆盆子pi，并對它們作出解釋。
例如，大腦中有一種特定的電信號來定義疲勞感，還有一些最容易被發(fā)現(xiàn)的神經(jīng)模式：“我餓了”，“我累了”，“我很好奇那是誰？”，“我想尿尿”……耳機中的傳感器會捕捉這種特殊的電信號，并將它們轉(zhuǎn)化為人們能夠聽懂的語言。
再結(jié)合基礎(chǔ)的自動語音識別技術(shù)和語音翻譯技術(shù)，計算機算法可以大致地分辨出寵物的情緒，這是短時間內(nèi)寵物語言翻譯能達到的制高點，至于要通過寵物翻譯器來了解動物伙伴們真正的內(nèi)心世界，還期待人類進一步的大動作。
如要完成精確翻譯，還需要解決哪些問題
需要指出的是，動物的大腦并不如人類的大腦復雜，人腦的活動通常有一個明確的目標導向，動物的大腦卻不一定，人的各種語言之間的轉(zhuǎn)換也具有相對窄范圍的對應關(guān)系，而動物的語言與人類的語言則對應范圍很寬。
比如，狗會發(fā)出急促的叫聲，可能是因為想要向主人乞食，也可能是因為警惕陌生人，還可能是對主人不陪自己玩的責怪。如果它想表達的是這一種，而AI的翻譯器卻傳達為另一種，那么就容易將人和寵物之間的溝通引入“歧途”，從而完全喪失了寵語翻譯的意義了。
那么有沒有可能通過AI實現(xiàn)完全精準的寵物語言翻譯呢？目前來說還有一定難度，在智能相對論看來，AI在寵物語言翻譯上如要突破，就還得克服這些：
1. 數(shù)據(jù)關(guān)，要明確動物語言所表達的具體意義，需要先對動物的叫聲和即時腦電波動進行完整的采樣比對，再在這些數(shù)據(jù)的基礎(chǔ)上建立數(shù)據(jù)庫。
而這兩種數(shù)據(jù)都存在著廣泛性和多樣性，以犬類為例，不同的犬種聲帶粗細寬窄各不相同，針對同一情景發(fā)出的叫聲分貝高低和尖細情況也不同，而刺激犬類發(fā)出叫聲的場景又是難以窮盡的，單單收集犬類的聲音樣本就是一個無比巨大的工程了，數(shù)據(jù)庫自然也難以完善。
2. 技術(shù)關(guān)，一個AI翻譯產(chǎn)品做到翻譯精確至少需要攻破幾個難題：形式端，拍譯要攻克圖像識別，同聲翻譯要攻克語音識別：內(nèi)容端，攻克文本語言分析、大數(shù)據(jù)。而AI還沒有發(fā)展到能夠極為精確地處理這些問題的階段，機器缺乏對視覺場景、聽覺場景、自然語言處理的常識判斷。
如搜狗搜索在2017年6月的分享會上發(fā)布了創(chuàng)新產(chǎn)品搜狗翻譯APP，應用了基于生物學習的神經(jīng)網(wǎng)絡機器翻譯（NMT）系統(tǒng)，將翻譯精確度提升到一個前所未有的高水準，然而在翻譯效果的“信達雅”上，仍然只做到了“信” 的層面，對語言背后的幽默、情感等豐富含義的解讀離人們所期待的水準還有些距離。
3.語義關(guān)，語料積累、場景收集和副語言與文化背景成痛癢之地。AI翻譯在文本或語言的寓意分析方面還強差人意。與人類語言相比，動物語言都是即時信號，信息內(nèi)容全部關(guān)于當下，或示威，或示警，或示愛……從中看不到用語言來激起對過去的聯(lián)想的跡象，并且單個個體能發(fā)出的聲音形式太單一了，蘊含在其中的豐富信息難以明確表達。
寵物翻譯的難點不僅在于聲音的收集，更在于聲音背后具體含義的對應。
這種對應是寬范圍的，難以精確的，機器缺乏對視覺場景、聽覺場景、自然語言處理的常識判斷，無法精確理解語音所表達的內(nèi)涵，甚至在這個方面還比不上人類對動物語言的理解，人可以根據(jù)生活經(jīng)驗來理解動物語言，比如看到狗狗沖著陌生人吠叫，人們可以推測它是在防備這個陌生人，而機器可能就沒辦法很好地理解這個畫面，從而做出錯誤的判斷。
4. “歷史包袱”，AI難以跟上生命體的學習進程。狗的叫聲在一定歷史時期并不是一成不變的，狗憑借自身的靈性以及主人的后天馴養(yǎng)，具備有學習能力，例如狗類中智商排名第一的邊境牧羊犬智力水平已經(jīng)相當于6—8歲的小孩，經(jīng)過學習，在放牧時它會用不同的叫聲來驅(qū)使羊群，控制羊群走向。
還有一些寵物狗，甚至會在人類的刻意訓練下發(fā)出類似“媽媽”的叫聲，寵物語言在日新月異的變化，計算機卻很難抖掉語言的“歷史包袱”，這些也造成了AI寵物翻譯的困境。
總之，AI所能做的，是不斷改進自身的功能，用科學手段完善數(shù)據(jù)庫、內(nèi)容、語料和場景，形式和內(nèi)容雙管齊下，在堅實的地基上建立起實現(xiàn)人和動物“有效溝通”的“巴別塔”。