今年的博鰲亞洲論壇上，第一次出現(xiàn)了AI同傳。值得注意的是，這是博鰲論壇創(chuàng)辦17年首次采用人工智能同傳技術(shù)。然而，在如此重要的場合，現(xiàn)場配備的騰訊AI同傳卻掉了鏈子。詞匯翻譯不準(zhǔn)確、重復(fù)、短語誤用等“烏龍”引來各方“嘲笑”。

　　人們總是把AI跟人類職位對立起來，各種“取代論”層出不窮。博鰲論壇會議前，就出現(xiàn)了許許多多的“取代論新聞”引起了各界關(guān)注。最終，AI同傳“翻車”，引來外界一片唏噓。

　　然而，就目前來看，AI同傳前路未明，太早將其與人類同傳對立起來實(shí)在是“杞人憂天”。除了取代，AI同傳其實(shí)有更好的路。

　　圖為AI同傳內(nèi)容

　　AI同傳進(jìn)階之路：變智能問題為數(shù)據(jù)問題

　　很多人都覺得人工智能如果要處理自然語言，就必須理解自然語言。實(shí)質(zhì)上，AI翻譯靠的是數(shù)字，更準(zhǔn)確地來說，是統(tǒng)計。AI同傳出錯，并不是“智能”不夠，實(shí)質(zhì)上，是數(shù)據(jù)和模型出了問題。

　　1.AI同傳還需要理解力

　　首先，AI同傳要去理解場景。在博鰲論壇上，會議現(xiàn)場專業(yè)度高、覆蓋度廣，AI對特殊場景的理解還不夠。場景對于語義具有至關(guān)重要的影響，相同的一句話在不同的場景里有不同的意思。舉個例子，“好 ”這個字在百度漢語顯示有多種語義，既可以表示稱贊，也可以表示狀態(tài)，還可以表達(dá)問好……諸如此類，語義的表達(dá)和理解都要結(jié)合具體的場景。在具體的句子中，這種語義與情景的結(jié)合就更為緊密，更需要機(jī)器理解學(xué)習(xí)。

　　其次，AI要理解口語的模糊邏輯。口語翻譯是不會百分百傳譯的，根據(jù) AIIC(國際會議口譯員協(xié)會)的規(guī)定，同傳譯員只要翻譯出演講者內(nèi)容的80%就已經(jīng)算是合格了(90 %~100 %的“同傳”幾乎是不可能的)。這意味著AI工作量減少嗎?當(dāng)然不，正是這種模糊的東西使得AI同傳更加困難，除此之外，口語沒有標(biāo)點(diǎn)符號來標(biāo)志句子，缺少了必要的聲調(diào)和停頓，就很容易造成句子的歧義。而模糊的指令極有可能出現(xiàn)的是滿屏的錯碼。

　　2. 隱馬爾可夫模型(HMM)解決統(tǒng)計數(shù)據(jù)之外的語言問題

　　然而，在參考騰訊AI同傳的失誤后，我們發(fā)現(xiàn)，僅僅增加數(shù)據(jù)量還是不夠的，在現(xiàn)實(shí)生活中，我們也會遇到零概率或者統(tǒng)計量不足的問題。

　　比如一個漢語的語言模型，就足足達(dá)到20萬這個量級。曾有人做過這樣一個假設(shè)，如果刨掉互聯(lián)網(wǎng)上的垃圾數(shù)據(jù)，互聯(lián)網(wǎng)中將會有100億個有意義的中文網(wǎng)頁，這還是相當(dāng)高估的一個數(shù)據(jù)，每個網(wǎng)頁平均1000詞，那么，即使將互聯(lián)網(wǎng)上上所有中文內(nèi)容用作訓(xùn)練，依然只有1013。

　　為了解決數(shù)據(jù)量的問題，我們提出了隱馬爾可夫模型(HMM)。實(shí)際應(yīng)用中，我們可以把HMM看作一個黑箱子，這個黑箱子可以利用比較簡潔的數(shù)據(jù)，處理后得出：

　　1. 每個時刻對應(yīng)的狀態(tài)序列;

　　2. 混合分布的均值和方差矩陣;

　　3. 混合分布的權(quán)重矩陣;

　　4. 狀態(tài)間轉(zhuǎn)移概率矩陣。

　　看起來可能比較復(fù)雜，簡單點(diǎn)說，這個模型可以通過可觀察的數(shù)據(jù)而發(fā)現(xiàn)這個數(shù)據(jù)域外的狀態(tài)，即隱含狀態(tài)。也就是說，我們可以憑借一句話，來探索出這句話后的隱含的意思，從而解決一些微妙的語義問題。

    如上圖所示，這個模型能夠通過你提供的可以明顯觀察的句子，推斷出一個人隱含的心情狀態(tài)(開心OR難過)，并得到最后的行為判斷(宅、購物、社交)，即通過已知推斷出未知。

　　而如何優(yōu)化這個模型，得到最優(yōu)隱含狀態(tài)?人們提出了許多解決問題的算法， 包括前向算法、Viterbi算法和Baum-Welch算法。此中奧妙，難以盡述。但不能否認(rèn)的是，在深度學(xué)習(xí)的基礎(chǔ)上，數(shù)據(jù)+模型就能很好地打造出一款A(yù)I同傳翻譯，數(shù)據(jù)越大，神經(jīng)網(wǎng)絡(luò)更好。即使翻譯結(jié)果不盡如人意，但只要建設(shè)足夠大的數(shù)據(jù)庫，建立更好的模型，打磨算法，AI同傳很快就會有更大的提升。

　　NLP金字塔頂端反哺底端：打造高質(zhì)量AI同傳

　　除了增加數(shù)據(jù)庫和打磨數(shù)據(jù)模型，AI同傳還可以從哪些方面提升呢?我們不妨借鑒一下其它的技術(shù)。下圖中，這四個方面代表了人們在 NLP 領(lǐng)域的一些進(jìn)步。用金字塔形來表示這四個技術(shù)之間的關(guān)系，難度是逐級上升的。

　　目前，聊天機(jī)器人和閱讀理解這一塊兒已經(jīng)取得了很大的突破。而AI閱讀理解技術(shù)的進(jìn)步不止是NLP的高階進(jìn)化，還有一層意義是，科學(xué)之間是相通的，技術(shù)之間可以互相借鑒，金字塔頂端技術(shù)可以反哺底端。

　　在自然語言處理上，人區(qū)別于AI的點(diǎn)在于人有先驗(yàn)知識。即人們在聽到某個字時，會自然地聯(lián)想到后一個字，或者會被一個詞觸發(fā)了一句話的聯(lián)想。比如，我們聽到“中”，既有可能想到“國”，也可能想到“間”。但是AI“聯(lián)想”的詞卻依靠數(shù)據(jù)。它說“北”，如果輸入的數(shù)據(jù)不變，那后面跟的就是“京”。

智能相對論(ID：aixdlun)行業(yè)分析師顏璇曾經(jīng)在《AI在閱讀理解領(lǐng)域開始“跑分”，這個“人類好幫手”還能去哪炫技》一文中總結(jié)了AI閱讀理解的技術(shù)層面，我們或許可以從中得到閱讀理解技術(shù)反哺AI同傳的方法。

　　AI閱讀理解技術(shù)的流程如下，Embedding Layer(相當(dāng)于是人的詞匯級的閱讀知識)→Encoding Layer(相當(dāng)于人通覽全文)→Matching Layer(相當(dāng)于帶著問題讀段落)→Self-Matching Layer(相當(dāng)于人再讀一遍進(jìn)行驗(yàn)證)→AnswerPointerLayer(相當(dāng)于人綜合線索定位答題)。

　　綜合來看，閱讀更偏向的是 Multi-turn，即做完一次輸入輸出后，要把結(jié)果作為下輪輸入的一部分繼續(xù)輸出，系統(tǒng)在運(yùn)作時需要考慮上下文。而翻譯，則是 Single-turn，一句話進(jìn)一句話出。

　　合理利用后，機(jī)器翻譯即使現(xiàn)在是 Single-turn，將來也有可能是 Multi-turn;AI同傳現(xiàn)在沒用到上下文背景，將來也有可能結(jié)合上下文做到翻譯質(zhì)量更佳。

　　如今，創(chuàng)作還是人工智能正在摸索的領(lǐng)域，而一旦這個領(lǐng)域有了突破，將一些技術(shù)應(yīng)用到AI同傳里，我們或許可以達(dá)到翻譯的最高境界——”信、達(dá)、雅”。

　　在未來，AI不會擠占人類同聲傳譯員的空間

　　AI同傳會取代人類翻譯嗎?當(dāng)然不會。先不說語言本身的復(fù)雜，我們可以來看看同傳的實(shí)際應(yīng)用場景。

　　在實(shí)際工作中，不論是口譯還是直接對話都需要同傳來完成，不會有被服務(wù)方只聘用其中的一個職能。也就是說，AI同傳不僅要學(xué)會翻譯，還要學(xué)會聊天。而在這一塊兒，機(jī)器還有很大的進(jìn)步空間。那么,AI同傳的用處在哪里呢?

　　1. AI共享同傳，僅針對普通人的市場

　　人們出國旅游，常常會遇到語言溝通問題，然而，并不是每個人都配得起一個專業(yè)的口語翻譯。這時候，如果一個可穿戴設(shè)備亦或者一部手機(jī)就能為你同聲傳譯，想必會減少很多人的出國成本。隨身攜帶一位專屬的同聲傳譯，是不是覺得很酷呢?

　　智能硬件一直是AI的狂熱地帶。就在去年，微軟和華為合作，在 Mate 10 手機(jī)中嵌入了微軟的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯，可以算得上是在終端運(yùn)行神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯的第一例。

　　如果AI同傳的硬件設(shè)備出世，更可能的商業(yè)模式是出租或者共享。即按需求進(jìn)行租用，有一個專門的技術(shù)公司負(fù)責(zé)租賃，正如共享單車一樣，我們的使用費(fèi)會降到極低。而這類AI的應(yīng)用場景并不在復(fù)雜的會議現(xiàn)場，而是日常生活，出外旅游等，語料庫的建設(shè)也會更加簡單。

　　如此，AI同傳只是更加惠民而已，卻不會取代在某個特殊場景比如金融會議、醫(yī)療會議等更加專業(yè)的人類同傳。

　　將AI同傳與硬件設(shè)備相結(jié)合，創(chuàng)造切實(shí)可用的語音接口，還可以在很大程度上提高用戶在移動終端、可穿戴、智能家居、智能汽車等智能設(shè)備的體驗(yàn)，真正在交互層面實(shí)現(xiàn)智能時代的人機(jī)結(jié)合。

　　2.AI同傳成為同聲翻譯的考官

　　同聲傳譯需求量成倍增加，但是合格的同聲傳譯的數(shù)量卻增長非常緩慢，據(jù)了解，現(xiàn)實(shí)市場上能夠十句話翻譯出十句的同傳譯員寥寥無幾。同時，擁有高級口譯資格證書的人并不一定能勝任同聲翻譯，同聲翻譯還需要進(jìn)行專業(yè)的技能訓(xùn)練，而有些合格的同聲翻譯人員也并不一定有口譯證書。

　　目前，我國還沒有一個固定的機(jī)構(gòu)來負(fù)責(zé)同聲翻譯的相關(guān)事宜，也沒有一套統(tǒng)一的標(biāo)準(zhǔn)對同聲翻譯的工作進(jìn)行考評。

　　面對這樣的困境，我們或許可以在AI同傳上開個腦洞。

　　人們可以利用AI數(shù)字化、標(biāo)準(zhǔn)化等特點(diǎn)，以數(shù)據(jù)庫為依托，將AI訓(xùn)練成單一功能性的考核機(jī)器，針對不同的應(yīng)用場景，對同聲傳譯員進(jìn)行考核和評級，從而規(guī)范人才市場。

　　這里或許可以參考駕駛培訓(xùn)機(jī)器人。駕培機(jī)器人包含了高精度GPS導(dǎo)航技術(shù)、慣性技術(shù)和虛擬傳感技術(shù)、視頻檢測、數(shù)據(jù)處理、無線傳輸、指紋身份識別等高新技術(shù)，能夠精確記錄、判斷駕駛?cè)瞬倏v駕駛機(jī)動車的真實(shí)能力。

　　同理，AI同傳也可以在各種場景里，去觀察、判斷考生的翻譯能力，以及考生對翻譯規(guī)則的熟悉、理解程度。這個系統(tǒng)可以減少考試員的勞動強(qiáng)度和人為因素，確?？荚嚬?、公正，考核方法科學(xué)準(zhǔn)確。

　　簡單來講，我們的目標(biāo)是通過智能機(jī)器，使考核自動化，選撥或者是訓(xùn)練真正的人才，而并非取代人類的翻譯能力。

　　更有意思的是，在考核過程中，AI又能不斷吸收新養(yǎng)分，增加口語類文本語料庫，何樂而不為呢？