科技改變生活 · 科技引領未來
科技改變生活 · 科技引領未來
21世紀經濟報道記者 倪雨晴 廣州報道
2018世界人工智能大會剛落幕，科大訊飛卻陷入了“AI同傳造假”的風波。
9月20日，一位同傳譯員在知乎上發文稱，在上海的一場會議中，訊飛的翻譯其實為人工同傳，并非機器智能翻譯，并且譯文由機器進行朗讀。
這容易讓觀眾產生“都是人工智能翻譯”的錯覺，而忽略背后同傳譯員們的勞動成果。對此，9月21日，科大訊飛的回復是，“科大訊飛從來沒有把同傳翻譯包裝成機器翻譯。”
9月21日，科大訊飛董秘、高級副總裁江濤接受21世紀經濟報道記者采訪時說道：“盡管機器翻譯獲得發展，明年能達到英語專業8級的水平，但依然沒辦法代替同傳。科大訊飛沒有提到AI同傳，并沒有造假吹牛，目前的情況是一個誤會。”
他進一步解釋道，科大訊飛的智能會議系統有兩種工作模式，一種是全自動翻譯，系統識別中文并轉化成英語、日語、韓語等同步顯示在屏幕上；另外一種就是在專業的會議上，直接獲取現場同傳的聲音，再同步到大屏幕上。“科大訊飛沒有做混淆，而同傳的對接是由會議主辦方聯系的。”
科大訊飛方面還提到，當機器同時提供轉寫和翻譯服務時，文字展示區Logo顯示為“訊飛聽見—離線翻譯系統”；機器僅提供轉寫服務時，文字展示區Logo顯示為“訊飛聽見”。訊飛聽見是科大訊飛旗下提供語音轉寫、翻譯的平臺。
盡管目前語音識別成為AI的先行領域，但是語音翻譯依舊是一大難題，現階段無法精準翻譯屬正常現象。據21世紀經濟報道記者了解，識別同傳的譯文在業內屬于普遍的做法，不少公司以此進行夸大宣傳。
人工還是智能？
談及人工智能時代，機器能否代替人工是關注焦點。在語音領域，科大訊飛表示，希望通過語音轉寫和翻譯技術幫助同傳提高工作效率、減少失誤，形成人機耦合的同傳新模式，并不是去替代同聲傳譯。而科大訊飛董事長劉慶峰在不同場合均表示，人機協同、人工智能+行業，才是未來人工智能最有希望做成的。
在走向人機耦合的操作過程中，智能固然離不開人工，但是，雙方在配合工作中發生了“摩擦”。
對于此次同傳譯者的“投訴”，Ledge同聲翻譯創始人王民杰告訴21世紀經濟報道記者：“除了用機器人的聲音把譯文讀出來不太普遍之外，其他（機器識別同傳譯文）都很普遍。對于外國人的英文演講，基本上采取的模式就是由我們人工同傳翻譯成中文，然后他們再把我們的中文從聲音轉換成文字顯示在大屏幕上。”
“因此，同傳界的很多人都覺得是科大訊飛剽竊了我們的勞動成果，讓觀眾誤以為是機器在同傳，而不是人工同傳。”王民杰繼續說道，“但是我們在處理問題上也是兩難，我們希望科技能夠發展，幫助我們進行翻譯。但是現在人工智能被過度夸大，我們身份特殊，也擔心外界說自己由于害怕失業而進行攻擊。”
王民杰的翻譯公司和科大訊飛合作密切，此次事件發酵后，他也向科大訊飛提出意見，希望對方在大屏幕上顯示他們只是語音識別，聲音來自同傳。
另一位資深同傳譯者告訴21世紀經濟報道記者：“個人覺得機器代替人工同傳還要很長時間，人機結合更實際。”
訊飛翻譯產品經理劉晨璇則向21世紀經濟報道記者復盤道：“事情發生在9月19-20日舉行的2018創新與新興產業發展國際會議上，我們向主辦方提供了兩種方案，一種是自動翻譯，另一種是對同傳語音進行識別，屏幕是轉寫的同傳語音，我們并沒有對此進行包裝。”
也有人工智能業內人士告訴21世紀經濟報道記者，其實大家都用這種方式進行，有“偷換概念”的嫌疑。但是同傳譯者的知識產權有待商榷，一般其產權屬于雇用了同傳的公司。
在近年來大眾對于人工智能、人工翻譯的期望頗高。而反觀公司，也有將產品“趕鴨子上架”的情況出現。當然，語音方面有不少成熟的解決方案，然而觀眾的預期和企業產品效果之間差異過大，也導致此次風波發酵。
語音識別仍存瓶頸？
在2017年，科大訊飛就曾表態：現階段人工智能技術發展不需要“被神化”。 “目前，機器翻譯已經取得非常大的進步，在衣食住行等常用生活用語上的中英翻譯可以達到大學六級的水平，能夠幫助人們在一些場景處理語言交流的問題，但距離會議同傳以及高水平翻譯所講究的‘信、達、雅’還存在很大的差距。”
對于人工耦合，江濤告訴21世紀經濟報道記者，科大訊飛的人工智能系統會結合聽和看的信息，也會針對關鍵詞進行解釋，相當于有一個助手在幫助譯者進行翻譯，降低了同傳口譯者的工作強度。而科大訊飛已經和上海外國語大學成立了研究院，探討人機協同模式。在本周的2018世界人工智能大會上，就有三個嘉賓發言采取了人工耦合的模式。
應該說，科大訊飛在語音領域技術領先，但是仍面臨著不少瓶頸。
首先從科大訊飛的產品技術方向來看，主要包括語音交互、機器翻譯、文本識別。其中，語音交互是科大訊飛的老本行，包括語音識別、語音合成等。另外，采用日趨成熟的自然語言理解，也為語音交互提供了更強的支撐。
尤其是語音合成方面，科大訊飛在業界比賽中屢次奪冠。其通過機器學習提取聲音的特征，通過聲學波形合成出仿真聲音。該技術的難點之一，就是如何能夠騙過耳朵達到真人說話的效果。
但是在技術成熟的同時，仍有難題需要攻克。比如，遇到同音字識別、環境比較嘈雜的情況以及中文和英文夾雜的時候，語音的識別率就會下降。
劉慶峰在2018世界人工智能上表示，科大訊飛是全球唯一在語音合成中機器超過人工的公司，在安靜的環境下，演講主題確定的情況下語音準確率高，但是多人說話噪音環境下的識別率是關鍵。在他看來，通過大規模后臺服務集群，語音識別正在走向實用。同時，用戶也對方言、多人說話、安全保護等方面提出了新要求。
一位人工智能從業者告訴21世紀經濟報道記者，自然語言處理技術需要得到攻克，這就涉及到機器的知識、情感、邏輯等能力。而這三個人類在幼兒時期就能掌握的機能，對于機器來說是難上加難。語音本身不是最難，但是語言背后需要人類的知識系統以及專業領域的能力，這些數據的掌握并非易事。而人工智能公司目前對翻譯的野心很大，短時期內系統性地解決還是較為困難。（編輯：包芳鳴）
劉俊