← Browser AI From First Principles

语言检测是决策,不是答案

运行一个分阶段的 Language Detector 与 Translator 实验室:保留带排序的不确定性、应用可见的置信度与间隔阈值、显式弃权,并在翻译前检视具体语言对的可用性。

翻译看起来是一条两步的浏览器 AI 流水线:

文本
  ↓
检测语言
  ↓
翻译到目标语言

实现短到可以放进一个事件处理器。

const candidates = await detector.detect(text);
const sourceLanguage = candidates[0].detectedLanguage;
const translator = await Translator.create({
  sourceLanguage,
  targetLanguage: "en"
});
const output = await translator.translate(text);

危险的那行不是模型调用。

是那个数组下标。

candidates[0] 是检测器返回的排名最高的语言。这不使它正确、不使它受翻译支持,也不使它置信到足以证明一次自动动作的合理性。

本章讲的是两个 API 之间的那个决策。


1. 检测返回的是排序

Language Detector API 返回形如这样的候选项:

[
  { detectedLanguage: "de", confidence: 0.9993 },
  { detectedLanguage: "en", confidence: 0.0004 },
  { detectedLanguage: "nl", confidence: 0.0001 }
]

这个列表表达的是相对证据。第一项是模型在其可表示的语言中最好的候选项。

它不表达日常意义上的确定性。

检测器是在一个有限的语言集合上训练的。输入可能太短、包含多种语言、主要由名字或代码组成,或属于该集合之外的语言。即使每个候选项都很差,排序模型仍可能把某一个排在第一。

应用需要一条策略:

带排序的候选项
      ↓
决策策略
      ├── 选择语言
      ├── 询问用户
      └── 弃权

没有这中间一层,不确定性会静默地变成事实。


2. 短文本是另一个问题

考虑这些输入:

Gift
Chef
Chat
No

每一个都出现在多种语言中,或在不同语言中有不同含义。检测器可以返回一个排序,但输入中可用的证据很弱。

Chrome 的文档明确警告:非常短的短语与单个词会产生低准确率。经常收到短文本的产品,不应把用于完整段落的同一阈值当作够用。

我们可以同时用置信度与输入证据来为决策建模:

function chooseLanguage(candidates, text, {
  minimumConfidence = 0.8,
  minimumMargin = 0.2,
  minimumCharacters = 20
} = {}) {
  const [first, second] = candidates;
  const chars = [...text.trim()].length;

  if (!first || chars < minimumCharacters) {
    return { kind: "unknown", reason: "insufficient-text" };
  }

  if (first.confidence < minimumConfidence) {
    return { kind: "unknown", reason: "low-confidence" };
  }

  const margin = first.confidence - (second?.confidence ?? 0);
  if (margin < minimumMargin) {
    return { kind: "unknown", reason: "ambiguous-ranking" };
  }

  return {
    kind: "selected",
    language: first.detectedLanguage,
    confidence: first.confidence,
    margin
  };
}

这些数值默认值是假设,不是普适真理。它们必须在产品的输入分布上校准。

有价值的架构动作是那个显式的 unknown 状态。


3. 置信度不等于校准

如果检测器在一百个用例上给出置信度 $0.9$,一个校准过的分数应当意味着在可比条件下大约九十个是正确的。

这个属性必须被测量。它不因为该字段名叫 confidence 而自动成立。

对一组带标签的样例,把预测按置信度分箱,比较预测置信度与经验准确率:

$$ \operatorname{ECE} = \sum_{b=1}^{B} \frac{|S_b|}{n} \left| \operatorname{acc}(S_b) - \operatorname{conf}(S_b) \right| $$
期望校准误差只是一个汇总,分箱也有局限。更大的点在于:这个分数需要经验解释。

Browser AI Observatory 应当记录:

  • 完整的带排序候选列表;
  • 被选中的候选项(如有);
  • 策略阈值;
  • 弃权原因;
  • 用户更正(如有);
  • 浏览器与环境元数据。

如果我们只存储被选中的语言,之后就无法更改阈值并回放该决策。


4. 检测与翻译有各自的可用性

检测器可用,并不意味着每个翻译语言对都可用。

翻译要求显式的源与目标:

const options = {
  sourceLanguage: "de",
  targetLanguage: "en"
};

const availability = await Translator.availability(options);

完整流水线需要两次能力决策:

    flowchart TD
    T[输入文本] --> D[检测候选项]
    D --> P{策略选择?}
    P -->|否| U[未知或询问用户]
    P -->|是| A{语言对可用?}
    A -->|否| F[解释或回退]
    A -->|是| X[翻译]
  

UI 应当区分:

  • 语言检测不可用;
  • 语言检测不确定;
  • 翻译语言对不可用;
  • 翻译模型可下载;
  • 翻译进行中;
  • 翻译失败;
  • 翻译完成但未通过评估。

“翻译失败"抹掉的信息太多,因而没有用。


5. 专家模型有自己的生命周期

语言检测与翻译使用浏览器管理的任务聚焦模型。它们可能更小,或与生成式文本 API 使用的基础模型有不同的获取行为。

这意味着即使成功使用过 Prompt API,用户仍可能遇到第二次下载。

观测站在获取事件上记录 apiId 与创建选项:

{
  "type": "model.download.progress",
  "correlation": {
    "sessionId": "translator-de-en-01"
  },
  "data": {
    "apiId": "translator",
    "loaded": 0.62
  }
}

我们不应把这个事件标为 “Gemini download”,也不应假定某一份资源。受支持的公开事实是:浏览器正在获取所请求能力所需的东西。

这是 API 契约比猜出来的实现细节更重要的又一个理由。


6. 构建组合操作

更安全的流水线保留每个阶段:

async function detectAndTranslate(text, targetLanguage, policy) {
  const detectorAvailability = await LanguageDetector.availability();
  if (detectorAvailability === "unavailable") {
    return { outcome: "unavailable", stage: "detection" };
  }

  const detector = await LanguageDetector.create();
  const candidates = await detector.detect(text);
  const decision = chooseLanguage(candidates, text, policy);

  if (decision.kind !== "selected") {
    return {
      outcome: "abstained",
      stage: "selection",
      decision,
      candidates
    };
  }

  if (decision.language === targetLanguage) {
    return {
      outcome: "unchanged",
      stage: "selection",
      decision,
      candidates,
      output: text
    };
  }

  const options = {
    sourceLanguage: decision.language,
    targetLanguage
  };
  const translatorAvailability = await Translator.availability(options);

  if (translatorAvailability === "unavailable") {
    return {
      outcome: "unavailable",
      stage: "translation",
      decision,
      candidates,
      options
    };
  }

  const translator = await Translator.create(options);
  const output = await translator.translate(text);

  return {
    outcome: "completed",
    stage: "translation",
    decision,
    candidates,
    options,
    output
  };
}

这个函数比给第一个候选项做下标长。多出来的代码代表短版本忽略的真实状态。完整路由可以放进一张表:

检测 决策 翻译 终结状态
检测器不可用 — — 检测处 unavailable
带排序候选项 弃权(低置信度、短文本) — 选择处 abstained
带排序候选项 选中,与目标相同 — unchanged,返回原文
带排序候选项 选中,不同语言 翻译器不可用 翻译处 unavailable
带排序候选项 选中,不同语言 翻译器可用 completed 并带输出

每一行都是上面那个组合操作可达的返回值,不是假设。


7. 运行语言路由实验室

从第 08 章选择 Run with Browser AI 以打开:

/tools/ai/browser-ai-from-first-principles/08-chapter/

实验室把组合操作变成三个可见阶段:

  1. 检视并准备 Language Detector;
  2. 检测完整排序列表并应用策略;
  3. 只有在选中之后,才检视并准备确切的 Translator 语言对。

默认策略要求报告的置信度至少为 (0.8)、第一与第二名的间隔至少为 (0.2)。两个输入都可编辑,因为它们是产品假设,不是 API 保证的属性。更改任一阈值都会针对保留的候选项列表重跑该决策。它不重跑模型,也不静默丢弃证据。

有两个规范 fixture 可用。德语检测 fixture 期望 de 排名第一,然后路由到英语。英译法 fixture 复用那句受保护关系——把模型责任赋予浏览器、体验责任赋予应用——的句子。

预期源语言只属于评估。它从不覆盖实时检测器:

实时候选项 → 可见策略 → 选中的源或弃权
fixture 标签 ─────────────────→ 仅用于评估

如果置信度或间隔不达标,决策卡片显示 Abstain,Translator 控件保持禁用,轨迹记录原因。没有语言对被检视,没有翻译资源被请求,没有本地结果被呈现。这是一次成功的策略结果,不是 API 失败。

当策略选中源之后,翻译仍不开始。读者必须检视 Translator.availability({ sourceLanguage, targetLanguage }) 并显式准备该语言对。这种分离使第二次下载、不受支持的语言对或创建失败可归因于翻译阶段,而不是检测阶段。

每个阶段发出与前几章相同的带版本 Observatory 事件 schema。检测器完成时保留排序列表与策略输入;选择发出 feature.validation.finished;Translator 事件携带所选语言对。因此导出的轨迹可以区分:

  • 缺席的检测器;
  • 运行了但产生模糊证据的检测器;
  • 被选中但其语言对不可用的语言;
  • 已准备但翻译失败的语言对;
  • 已完成但语义评审仍未决的翻译。

翻译 fixture 包含狭窄的自动检查与一条人工细则。一次成功的 promise 只证明操作完成。它不证明对比、否定、数量或责任在转换中存活了下来。

那份已评审的 9 月 2 日回放包含 Prompt API 能力与会话事件,但没有 Language Detector 或 Translator 事件。回放模式报告这个缺失,而不是把 Prompt 证据当作路由流水线已经跑过那样来呈现。


8. 混合语言输入打破单一标签假设

真实的浏览器文本常常是多语言的:

The deployment failed with Speicher nicht ausreichend, so the model could not load.

一个语言标签无法描述每个片段。检测器可能选择主导语言、信号最强的语言,或基于其训练选择另一个候选项。

在翻译之前,先决定文本的单元:

  • 整个文档;
  • 段落;
  • 句子;
  • 用户选中的片段;
  • 消息。

更小的单元隔离了语言变化,但减少了上下文证据。更大的单元提供更多证据,但可能混合语言。

在它成为检测问题之前,它是一个切分问题。

观测 fixture 使用一个完整的德语句子而不是一个词,正是为了在合理的证据条件下测试该 API。后续 fixture 应当加入混合语言文本、产品名、代码、URL 与不受支持的语言。


9. 翻译在资源层面是有序且有状态的

Chrome 文档记载:提交给同一个翻译器的翻译是按顺序处理的。一个长请求会阻塞之后的工作。

这改变了 UI 与调度设计。

如果一个页面翻译五十条独立消息,一次发出五十个调用并不保证五十路并行。应用应当暴露队列状态、在受支持处允许取消,并避免把一个小小的紧急请求排在一个巨大的后台翻译之后。

翻译器实例
  ├── 请求 1:running
  ├── 请求 2:queued
  └── 请求 3:queued

可能的策略包括:

  • 每个语言对一个翻译器,带可见的 FIFO 队列;
  • 为交互与批量工作准备数量有界的独立实例;
  • 把长文本分块并按序重组;
  • 防止无界队列的准入控制。

最佳选择取决于我们尚未测量的资源成本。要点在于:异步 API 不意味着无约束的并行执行。


10. 翻译质量是关系性的

一句流畅的目标语言句子仍可能通过以下方式失败:

  • 改变否定;
  • 改变数量或日期;
  • 翻译产品名;
  • 丢掉技术术语;
  • 改变谁执行了某个动作;
  • 把 “must” 弱化成 “may”;
  • 发明源中没有的解释。

我们的第一个 fixture 翻译:

The browser manages the model, but the application manages the experience.

受保护的关系是对比:

浏览器 → 模型责任
应用 → 体验责任

参考译文有帮助,但与单一参考的词面重叠不是完整的度量。多个正确的译文可以不同地表达该关系。

有用的检查包括:

  • 具名术语的保留;
  • 适当处的数字与标点保留;
  • 回译诊断;
  • 双语人工评审;
  • 任务专属的关系断言;
  • 下游任务成功。

回译是诊断,不是证明。两次有损转换可以返回一个貌似可信的源句子,而两者都漏掉原始的细微含义。


11. 检测器 fixture 需要排序断言

对代码 de 的词面检查不够。当德语排第五时它仍可能通过,而且这个子串甚至出现在字段名 detectedLanguage 里。

因此 Observatory 评估器解析结果数组,并使用一条任务专属断言:

{
  kind: "top-language",
  value: "de",
  minimumConfidence: 0.8,
  minimumMargin: 0.2
}

该断言独立检查三个主张:德语排名第一、其报告的置信度越过临时阈值、它与第二名候选项充分分离。

这些阈值仍需在真实输入上校准。改进在于:测试现在测量它所命名的属性,而不是在序列化文本里搜索两个字符。


12. 把用户更正保留为证据

当检测器弃权或选错时,用户可能手动选择源语言。

那项更正是有价值的证据:

{
  "type": "feature.validation.finished",
  "data": {
    "feature": "language-selection",
    "accepted": false,
    "predicted": "nl",
    "selectedByUser": "de",
    "inputClass": "short-message"
  }
}

不要自动把这些记录变成训练数据。它们可能包含敏感内容、意外选择或分布偏差。在显式保留策略之下,它们仍可支持本地评估与阈值校准。

第一个用途是诊断:哪类输入引发了不确定性或更正?


13. 本地翻译仍有数据边界

客户端的检测与翻译可以让临时文本为这些操作留在设备上。这对支持消息、草稿内容与页面选区很有价值。

完整产品仍可能传输翻译结果。应用可能记录源文。扩展可能导出轨迹。当语言对不可用时,云回退可能被激活。

界面应当声明路线:

在本地检测
在本地翻译
提交此表单时结果将被发送

如果回退改变了路线,用户应当在敏感文本移动之前知情。

本地执行改善的是数据流的一个片段。隐私仍是整个系统的属性。


结论

语言检测不是答案。它是决策的证据。

检测器在受支持的候选项上返回一个带排序的列表。应用必须决定文本是否充分、置信度与分离度是否证明选择合理、翻译语言对是否可用,以及是翻译、询问还是弃权。

翻译随后引入它自己的模型生命周期、语言对配置、队列行为与关系性评估。一个成功的目标语言字符串不证明源含义存活了下来。

这完成了第一个任务 API 组。Browser AI Observatory 现在可以通过一个生命周期行使全部七种能力表面,同时保留任务专属的 fixture。第 08 章让这些表面之间的边界变得可执行:带排序的检测器证据、应用策略与语言对特定的翻译,在同一条轨迹中保持为分开的状态。

下一部分下沉到单次调用之下。我们将研究会话、上下文容量、冷启动、热运行、模型管理,以及始于本书的那个实验性问题:当浏览器在稳定的应用边界背后替换模型时,什么改变了?


参考与延伸阅读

  1. Chrome for Developers, Language detection with built-in AI.
  2. Chrome for Developers, Translation with built-in AI.
  3. Chrome for Developers, Get started with built-in AI.
  4. Chrome for Developers, Understand built-in model management in Chrome.