因此需要调整图片特征，尽可能把图片和文字的吻合度拉到最高，用多张图片交叉说明一个词汇，类似于ai学习的过程，但为了沟通的便捷性，又不能让每个字词对应的图片太多，否则会严重拉长语言学习翻译的时间。

第二代星际语言翻译器，意识到外星生命可能并没有眼睛，压根看不见屏幕，因此增加了多种可见光之外的信息传达方式，整个翻译器的体积也急剧上升，从一块小屏幕，变成了冰箱大小。

但失去了图片，信息表述变得更加困难，神童们到这个版本开始研究，生命感知世界的方式总共可以有多少种？并尝试理解不同感官在脑海中形成的世界是什么样子，再进一步推导可能的语言形式。

研究结果比较乐观，大部分生物大概率会有视觉，因为光是感知世界最及时的媒介，用其他方式感知世界，在各类场景下往往会丢失大量信息，继而在生存进化中落入下风，很难成为星际文明。

第三代星际语言翻译器，添加了更多“达成共识”的初次接触信息。

譬如加入了中性氢原子的跃迁图像，氢原子在可观测宇宙中随处可见，无论在哪个星球诞生的文明都会熟悉氢原子，而跃迁长度21.106厘米以及跃迁时间0.704纳秒是固定的，就可以在长度单位和时间单位上取得一致。

各类物理化学知识都被加入初次接触信息中，毕竟整个世界是物理化学的世界，只要在物理化学层面达成一致，就可以一点点描述万事万物，虽然可能非常麻烦，但至少可以把翻译误解降到最低。

第四代星际语言翻译器，引入了更多信息论的成果。

譬如著名的齐普夫定律，也叫省力法则，拿足够长的一大段人类文字，将其中的高频字词统计出来，大概率会出现高频词次数和次序排序的反比关系，也就是说第二高频词出现的次数会是第一高频词的二分之一，第三高频词出现的次数会是第一高频词的三分之一，往后四分之一、五分之一等等。

最初齐普夫定律是从人类文本里总结出来的，但后来生物学家们发现，海豚座头鲸之类可以互相交流的生物，声音变化分布竟然也符合齐普夫定律。

此外这一版本的翻译器尝试额外引入了多种人类语言模型，用来应对不同信息熵的外星文明语言。

信息熵也叫香农熵，由信息论祖师爷香农提出了最初公式，历经一个多世纪的学术研究，结合马尔科夫链等理论，被反复升级优化。

简单来说，符号种类数量越小，信息熵越低，符号种类数量越大，信息熵越大。