9月21日，一篇指責(zé)科大訊飛“AI同傳造假”的文章引發(fā)了社會廣泛關(guān)注，文中知乎用戶、同傳譯員Bell Wang表示，在日前舉行的2018創(chuàng)新與新興產(chǎn)業(yè)發(fā)展國際會議上，科大訊飛在現(xiàn)場和直播中展示的“AI同傳”，用的其實(shí)是自己現(xiàn)場同傳翻譯的內(nèi)容。
當(dāng)晚，科大訊飛在電話會議回應(yīng)中稱：應(yīng)主辦方要求提供語音識別技術(shù)，直接轉(zhuǎn)寫譯員翻譯結(jié)果在會場大屏呈現(xiàn)，主辦方同時要求在直播中合成識別結(jié)果，展示最新語音合成技術(shù)。
早在2017年，“科大訊飛翻譯機(jī)讓同傳下崗”的文章就刷爆各大平臺，表示同聲傳譯職業(yè)將直接消亡、被科大訊飛機(jī)器翻譯技術(shù)完全替代。這次的事件再一次引發(fā)熱烈討論：機(jī)器翻譯技術(shù)與同聲傳譯之間到底還有多少差距？
事件回溯與科大訊飛回應(yīng)
9月20日，Bell Wang發(fā)表文章稱“要揭露一下所謂智能翻譯的真相”，他表示在知領(lǐng)直播平臺的“機(jī)器同傳”，就是把同傳譯員的聲音精確轉(zhuǎn)錄為文本，然后再語音合成為機(jī)器聲音向聽眾播放。
文章稱，“科大訊飛事前沒有告知有語音識別的字幕，沒有告知直播的同傳是機(jī)器朗讀同傳經(jīng)過識別出來的文稿，更沒有征得同意就冒名使用了譯員翻譯成果。”
他的文章發(fā)出后，同傳圈也“炸了鍋”。微博博主“同聲翻譯櫻桃羊”表示：“現(xiàn)在這種所謂的‘人機(jī)耦合’，實(shí)行之前和譯員溝通過么？有沒有調(diào)查過譯員是否接受這種方式？縱觀整件事，譯員的意見在哪一個環(huán)節(jié)得到了尊重？” 當(dāng)晚，針對Bell Wang的質(zhì)疑，科大訊飛回應(yīng)稱：“科大訊飛目前翻譯服務(wù)主要提供兩種方案：一種是全自動翻譯，現(xiàn)場機(jī)器翻譯并同步展示在屏幕上，沒有任何人工同傳參與；另一種是人機(jī)耦合翻譯模式，由機(jī)器提供語音轉(zhuǎn)寫和翻譯結(jié)果給同傳參考。”
機(jī)器同時提供轉(zhuǎn)寫和翻譯服務(wù)時，文字展示區(qū)Logo顯示為“訊飛聽見—離線翻譯系統(tǒng)”；機(jī)器僅提供轉(zhuǎn)寫服務(wù)時，文字展示區(qū)Logo顯示為“訊飛聽見”。
科大訊飛表示，“某位同傳譯員對于科大訊飛產(chǎn)生了誤解，是對會議服務(wù)方面的分工溝通了解不清，也沒有聽到科大訊飛的說明。”
針對科大訊飛的回應(yīng)，《中國科學(xué)報》記者聯(lián)系了Bell Wang，但他表示不能接受采訪。對科大訊飛提到的“應(yīng)主辦方要求展示最新語音合成技術(shù)”，他回應(yīng)道：“只能無可奉告，我不能說啥”。
同時記者注意到，Bell Wang在知乎上的文章在9月21日晚上有修改痕跡，他在開頭聲明：對視頻進(jìn)行了修改。
機(jī)器翻譯能否替代同傳譯員？
來自科大訊飛微信公眾號的內(nèi)容顯示，目前機(jī)器翻譯的主流方式叫“統(tǒng)計(jì)翻譯”，其基本原理是：從語料庫大量的翻譯實(shí)例中自動學(xué)習(xí)翻譯知識，然后利用這些翻譯知識自動翻譯其他句子。
那么隨著機(jī)器翻譯技術(shù)的進(jìn)步，不少人會發(fā)出疑問：機(jī)器會搶同聲傳譯的飯碗嗎？
科大訊飛創(chuàng)始人、董事長劉慶峰表示：“我們希望用機(jī)器幫助頂尖同傳更好地發(fā)展他的能力，機(jī)器和人未來必須是協(xié)同的。”
一位不愿具名的專家告訴記者：“訊飛的技術(shù)在國內(nèi)語音行業(yè)積累較多，但目前的情況是，人工智能只是處在初級階段，機(jī)器翻譯的難點(diǎn)在于語音識別和語義識別。在語義識別上，現(xiàn)在全球做得都不是太好。”
“目前機(jī)器在字、詞的識別速度上是快于人的，但人在語意理解和提煉上又優(yōu)于機(jī)器。因此，各取所長、優(yōu)勢互補(bǔ)的人機(jī)耦合是一個重要發(fā)展方向。”一位訊飛聽見工作人員在接受其他媒體采訪時說。
9月21日，記者曾聯(lián)系科大訊飛執(zhí)行總裁、消費(fèi)者事業(yè)群總裁胡郁，他表示“要找市場部和公關(guān)部，本人不作回應(yīng)”。但當(dāng)天下午胡郁在微博發(fā)聲：“目前整個行業(yè)機(jī)器同傳處于風(fēng)口浪尖之上，不同廠商之間的競爭日加激烈，主要原因還是動了誰的奶酪吧。”
上述不具名的專家認(rèn)為，網(wǎng)絡(luò)媒體對人工智能存在過度宣傳和炒作。“受到利益驅(qū)使，一些企業(yè)利用媒體進(jìn)行宣傳，同時網(wǎng)絡(luò)媒體也不會對內(nèi)容和信息準(zhǔn)確性進(jìn)行核實(shí)，就造成了目前的狀況。”
胡郁還在微博中表示：“我相信大家也都知道科大訊飛真正的機(jī)器同傳和將同傳人員的語音轉(zhuǎn)換成文字貼出來便于大家理解是兩個完全不同的事情。不管是前者還是后者，都經(jīng)過了廣大最終用戶和同傳從業(yè)人員的檢驗(yàn)，我就不再多說了。”
專家表示AI同傳還不是一項(xiàng)成熟技術(shù)
自1989年美國成功做出第一個語音翻譯系統(tǒng)以來，眾多科研機(jī)構(gòu)和包括微軟、百度在內(nèi)的公司都在進(jìn)行AI翻譯的研究。得益于人工神經(jīng)網(wǎng)絡(luò)的深入研究，這些年，AI同傳技術(shù)發(fā)展很快。
“但是，這仍然不是一項(xiàng)成熟的技術(shù)，AI同傳仍然有很多技術(shù)難題需要攻克。”中國科學(xué)院自動化研究所研究員宗成慶告訴《中國科學(xué)報》記者。
就目前AI同傳技術(shù)水平而言，在某些簡單的場景中，可以實(shí)現(xiàn)較準(zhǔn)確的語言同步翻譯，如問路。但是，在復(fù)雜、專業(yè)、嚴(yán)謹(jǐn)?shù)膱鼍爸校珹I無法實(shí)現(xiàn)精準(zhǔn)翻譯，做到“信”“達(dá)”“雅”。
出于語言本身的特點(diǎn)，詞匯有多重含義，且經(jīng)常出現(xiàn)有歧義、似是而非的語句。其次，口語的規(guī)范性不高，有很多省略、顛倒句式。此外，說話人的口音、語速、多種語言混合，場景其他聲源的干擾，也會讓AI同傳“不知所措”。
“但最重要的一點(diǎn)是，機(jī)器無法精準(zhǔn)把握說話人的意圖。對語義的理解不夠，是目前AI同傳尚未解決的一大難題。因此，目前AI同傳無法高水平地替代人工翻譯。”宗成慶說。
宗成慶介紹，語音轉(zhuǎn)文字技術(shù)主要的難點(diǎn)是同音字、詞的處理，不同的字、詞有相同的發(fā)音，需要結(jié)合上下文進(jìn)行判斷，如“保鮮”和“保先”、“反攻”和“返工”。
由于語音識別技術(shù)不需要太多的語言理解，在聲源干擾不強(qiáng)烈的情況下，較標(biāo)準(zhǔn)的語音可以轉(zhuǎn)換成準(zhǔn)確率較高文本。“這比AI同傳成熟得多、容易得多。”宗成慶表示。
（記者趙廣立對本文亦有貢獻(xiàn)）
摘自《中國科學(xué)報》
