在这个数据时代，我们可以个性化信息的提供，因为我们正在快速了解更多关于数亿个人服务用户的信息。潜在的想法是，人工智能支持的信息系统（互联网、网站、媒体等）将能够为最终用户提供他们想要的内容。为什么？因为这些用户向运行在线服务的机器提供越来越丰富的数据配置文件。那么，一个人的语言体验——一个关键变量——会在多大程度上为未来的个性化数据游戏提供挑战或解决方案呢？我们可以选择两个方向：

• 我们可以看看语言的个性化资源（p13n），并了解这些资源如何在数据化生态中发挥作用，

• 或者我们可以看看个人交易中涉及的问题如何可以通过市场机器用个人语言来解决。

以这个基线情况为例：一个虚拟助手（VA）可以听我的声音，检测抑郁的迹象（甚至是新冠肺炎！）由我的声带发出，向治疗服务机构发送警报，治疗服务机构将根据我的整个在线病史做出诊断，与无数其他患者进行比较，并使用机器学习进行分析。个性化的帮助不会太遥远了。

请注意，在这种情况下，系统甚至不需要知道我说哪种语言，因为关键的数据点是在我的声音中检测到的，而不是我的话的意思。相当广泛的专业心理学、医学和社会学的见解很可能来自于仅仅把说话者当作“噪音制造者”而不是“感觉制造者”来听。然而，一个带有可识别语义价值的书面信息几乎肯定不会触发抑郁警报（因为这可能是假的，不是吗？）。然而，写在社交媒体上的泛化咆哮和极端主义内容可以为内容版主提供“心理”警报（由于给定语言中的特定单词）。

从L10n到P13N

到目前为止，在翻译行业，p13n一直被用来指为传统（大）语言社区改编内容的行为。进度报告中的普遍观点是，作为在线语言被数据化和数字化的语言范围正在扩大，尽管速度缓慢。不足为奇的是，大多数说一种语言的人更喜欢用他们自己的语言做生意、搜索信息或享受娱乐。因此，将一个网站从英语本地化为斯瓦希里语在今天被相当居高临下地理解为在某种程度上为大约1.3亿潜在用户“个性化”内容。正如威克利夫全球联盟一直在稳步地将基督教圣经的部分内容“个性化”成3384种语言。

这种解释的麻烦在于，一旦你掌握了一种新的语言，你的p13n工作就永远不会停止。你将不得不开始用他们不同的个人偏好来称呼所有那些新说语言的人，这些偏好表现在他们的用法上（方言、社会、种族、宗教、教育等）。），这就是我们最终所说的p13n。他们喜欢读/听什么，喜欢说/写什么。让我们看看这意味着什么。人工智能驱动的微分析将揭示更多关于语言影响特定个人的力量，而不仅仅是一般的大群读者/听众。考虑当前的零售趋势，向客户提供更多关于产品采购的背景信息，以建立更大的信任并吸引各种新的子群体。一旦第一次接触是通过广告进行的，如果这种激活的影响取决于对营销内容中的名词、动词、形容词和修辞结构的个性化语言偏好，会怎么样？

如果金融、保险和类似服务试图从根本上个性化他们的沟通风格，通过在谈论金钱或债务时根据近乎个人的心理偏好调整部分内容来建立更牢固的个人关系，会怎么样？

（机器翻译，轻度译后编辑，仅供参考）

编辑：胡跃