AI同傳？科大訊飛是不是在造假？

隨著各大公司都在推AI同傳，同傳從業(yè)者似乎都面臨著飯碗不保。

AI同傳真的能取代人類同傳？

近日，眾多媒體報道，科大訊飛AI同傳被指造假。

事件起因是，9月20日，一位ID為Bell Wang的用戶在知乎發(fā)文“科大訊飛，你的AI同傳操（qi）作（zha）能更風騷一點嗎”，狠狠Diss了科大訊飛 AI同傳，指出科大訊飛在現(xiàn)場和直播展示的AI同傳其實用的是人類同傳翻譯結果。這件事情隨即引發(fā)了微博上不少同傳從業(yè)者的討論和眾多媒體報道。

科大訊飛董秘江濤對記者回應稱，“訊飛從沒講過AI同傳的概念，始終強調是人機耦合的模式?！?/p>

隨后，科大訊飛官方也給出了解釋：

科大訊飛的意思是他們提供的是語音識別技術，并不是AI同傳，也并沒有提出AI同傳的概念。但是在這次事件中，科大訊飛的做法確實引起了誤解，事件還存在多處爭議，例如科大訊飛是否有意混淆AI同傳與人工同傳，科大訊飛的人機耦合具體如何操作？

我們先來回顧下Bell Wang描述的事情經過。

9月20日早上，Bell Wang來到上海國際會議中心，支持2018創(chuàng)新與新興產業(yè)發(fā)展國際會議（IEID）的高端裝備技術與產業(yè)分會的現(xiàn)場同傳工作。

大會的第一位嘉賓是日本教授，由Bell Wang的同事進行英文轉中文的同聲傳譯。大會現(xiàn)場有三塊屏幕，中間是發(fā)言人的演講PPT，左右兩邊分別以中文和英文的方式呈現(xiàn)演講字幕，兩邊屏幕都有 “訊飛聽見” 的logo。

（圖片來自知乎用戶Bell Wang)

Bell Wang發(fā)現(xiàn)英文字幕跟日本教授的說話內容有很大出入，“可以說是胡話連篇了”，也就是說“訊飛聽見”難以聽懂日本教授酸爽的英語。

但是呢，另一邊的中文字幕卻是相當連貫，顯然不是機器翻譯的。他也給出了實錘：

（圖片來自知乎用戶Bell Wang)

上圖這句話里有“就是”這樣的連詞，這是同傳人員順句驅動時用于聯(lián)系語句用的。還有就是訊飛聽見將“Davos Forum”聽成 “Devils Forum”的時候，中文翻譯卻正確地顯示成“達沃斯論壇”。

按照正常流程，訊飛聽見是先識別英文，然后翻譯成中文，如果英文的識別錯了，如何能翻譯正確呢？

Bell Wang認為，“訊飛聽見”Logo會讓人誤以為中文字幕也是來自“訊飛聽見”，不過他也意識到，訊飛并沒有直接說中文字幕是自家AI翻譯的。所以他在文章也說他當時能腦補出科大訊飛被戳穿后的辯詞：“我們這次使用的產品是訊飛聽見，識別同傳的翻譯打在屏幕上方便聽眾，并無意冒充AI同傳，對惡意造謠者，我們保留訴諸法律的權力”。

Bell Wang說自己當時的心態(tài)是覺得惡心，但是也只能忍了。

真正讓Bell Wang起心要Diss科大訊飛是大會直播。知領直播介紹稱“國際高端會議聽不懂，知領更懂你！本次知領直播引入科大訊飛智能語音技術，實現(xiàn)了國際高端會議的中英文頻道切換、智能翻譯和自動語音播報，帶給你不一樣的試聽體驗！”

Bell Wang用手機錄了一段直播視頻，直播里是一位說中文的教授，然后訊飛AI說出的是英文。視頻中，教授在說：“講者說可以挖掘數據，放入圖表”，但是訊飛卻說的是“put it in charge”，如果是訊飛將中文翻譯成英文，絕不可能出現(xiàn)這樣的情況。實際情況是訊飛識別了同傳人員的翻譯“put in chart”，誤聽成了“put in charge”。

也就是說，訊飛不是在做AI同傳，而是識別了同傳人員的語音翻譯然后念了出來。Bell Wang聲稱自己事先并不知道訊飛會用語音識別將同傳轉化為文字，同時也不知道直播會用AI識別同傳人聲翻譯再播報出來，是沒有征得同意就冒名使用翻譯成果。

最后Bell Wang說道 “也許有一天AI真的能做到理解自然語言，也許有一天我們這個職業(yè)會失業(yè)，但絕不是現(xiàn)在；真正突破性的技術也不可能由一個沒有操守的公司研發(fā)出來。技術是無罪的，但以技術為名吸引資本的目的會不會導致虛假包裝和營銷呢？呵呵呵呵?！?/p>

以上是編輯根據Bell Wang在知乎的發(fā)文進行的事件還原。

結合科大訊飛的回應，認為有不少關鍵點值得討論。

首先，科大訊飛是不是在造假？

IEID大會上，科大訊飛用“訊飛聽見”識別了演講嘉賓的發(fā)言，將語音轉化為文字呈現(xiàn)在了屏幕上，同時也將同傳人員的語音翻譯轉化為字幕呈現(xiàn)在另一塊屏幕上，這次大會上訊飛沒有用到自家的AI翻譯，但是卻沒有表明翻譯是來自于同傳人員，會讓人誤導全程是“AI同傳”。同傳人員翻譯的成果明顯好于AI，則會進一步誤導大家“AI同傳”已經達到與真人翻譯一樣好的效果。

大會現(xiàn)場，語音識別轉文字有很好的優(yōu)勢，因為很多時候要聽英文，又要聽同傳耳機中的中文翻譯會干擾人的注意力。那么，直播為何不用同傳的原聲呢?科大訊飛的解釋是，避免收聽不暢。

科大訊飛先識別了同傳人員的語音翻譯結果，然后再用AI將翻譯結果語音播報出來?？墒牵珹I語音播報時卻出現(xiàn)了多次錯誤，這是不是有點多此一舉？

科大訊飛全程沒有用到AI翻譯，但是知領直播卻介紹說：“引入科大訊飛智能語音技術，實現(xiàn)了國際高端會議的中英文頻道切換、智能翻譯和自動語音播報，帶給你不一樣的試聽體驗！”

其次，人機耦合模式到底是啥？

訊飛從沒講過AI同傳的概念，始終強調是人機耦合的模式。

從科大訊飛的說明中我們可以看出科大訊飛的人機耦合和AI同傳確實不是一回事，“在十位嘉賓演講中，除了三位是由人工同傳的語音轉寫探索人機耦合模式，其余的全部是機器全自動轉寫。并且，為了讓觀眾看得清楚，機器全自動轉的都采用中英文同屏顯示，人工同傳轉寫的都只顯示一個語種”。

可以看到，大會上兩個屏幕分別顯示中文和英文，沒有同屏顯示。但是這樣微弱的區(qū)分，誰能清楚掌握？更合適的方式或許是直接表明此次大會的同傳由人工提供吧。

況且，這次大會是純人工，也沒用到所謂的人機耦合。除非，科大訊飛所謂的人機耦合就是訊飛聽見”將同傳人員的翻譯結果轉成文字嗎？這樣的話，機器并沒有做任何與同傳、翻譯相關的事情。

最后， AI同傳目前究竟什么水平？

其實，AI同傳因為能力不濟在大會上出洋相的例子很多。

今年4月，博鰲亞洲論壇有4場分論壇應用了騰訊AI同傳，結果，騰訊AI同傳現(xiàn)了單詞亂碼、連續(xù)出現(xiàn)同一個單詞的卡機狀況。

最囧的是，騰訊AI同傳將“一帶一路”變著花樣翻譯成了好幾種不同的說法。

此外，到目前為止，支持數百場會議的搜狗AI同傳，在大會上也時常出現(xiàn)各種錯誤。目前AI語音轉寫的準確率只有90%左右，轉寫過后再翻譯的話，準確率自然更低。

所以，科大訊飛董事長劉慶峰多次表示，AI目前的翻譯水平還達不到同傳的要求。也一直強調AI不可能取代同傳從業(yè)人員，未來會是人機耦合。

AI同傳水平不濟，但是大家卻已經沒有耐心等待其完全成熟。在看來，不斷試錯能促進發(fā)展，但是直面弱點才能有所成長吧。