“一帶一路”＝“一條腰帶和一條路”？

4月9日下午，“騰訊同傳”在博鰲論壇現(xiàn)場上鬧了一個大烏龍。

這是博鰲論壇首次采用AI同聲傳譯技術(shù)，作為頭一份的“騰訊同傳”竟然還出現(xiàn)這種離譜的翻譯錯誤。

另外，從網(wǎng)上一些上傳的現(xiàn)場翻譯圖片來看，一些錯誤簡直令人不忍直視：

按照官方所稱，上面的錯誤簡稱“大面積單詞無意義重復(fù)、大小寫及字符混亂”。

首次亮相結(jié)果鬧烏龍，說好的取代人類呢？

在博鰲論壇現(xiàn)場，基于自研的NMT（神經(jīng)網(wǎng)絡(luò)機器翻譯）、語音識別等技術(shù)，“騰訊同傳”會實時識別、翻譯各國嘉賓的演講內(nèi)容，并同時以中英雙語的字幕形式進行投屏展示。另外，觀眾還可利用微信小程序?qū)�嘉賓演講的雙語同傳內(nèi)容進行回看、收聽和記錄。

從提供的服務(wù)內(nèi)容來看，騰訊的同聲傳譯聽起來還是不錯的。然而，從上面的錯誤來看，體驗有些糟糕呢。

對此，也有網(wǎng)友也進行了調(diào)侃：

對于此次烏龍，騰訊官方也沒有試圖遮掩，并針對圖片中“大面積單詞無意義重復(fù)、大小寫及字符混亂”的錯誤給出了解釋。

譬如中英雙語切換頻率的問題，官方解釋：

當(dāng)聲源在兩種語言之間不斷轉(zhuǎn)換時，后臺中、英文識別引擎就會同時開始工作，這會導(dǎo)致兩種識別引擎互相“掐架”，而翻譯結(jié)果卻只能選擇一種語言進行輸出，再加上對嘉賓每個語氣詞也做了精準的啊啊啊翻譯，導(dǎo)致引發(fā)錯誤。

又比如“for”的問題，官方稱：

出現(xiàn)這種情況主要是包括神經(jīng)網(wǎng)絡(luò)機器翻譯在內(nèi)的深度學(xué)習(xí)算法，在原理上或多或少都有一定不確定性，在特定的情況下有一定的概率引發(fā)翻譯偏差。今天的嘉賓演講內(nèi)容中包含“for for for for”、 ”that’s that’s that”等重復(fù)內(nèi)容，而翻譯引擎不巧放大了這個重復(fù)，導(dǎo)致了翻譯結(jié)果出現(xiàn)錯誤。

AI同聲傳譯的玩家不在少數(shù)，鬧烏龍的也不止騰訊一家

目前，包括騰訊在內(nèi)，涉及AI同聲傳譯市場的玩家也不在少數(shù)，比如科大訊飛、搜狗、百度等公司。

在市場的玩法上，他們的套路基本可以分為兩種，一類是以翻譯APP、API接口形式存在的軟件產(chǎn)品，譬如此次騰訊參加博鰲論壇的產(chǎn)品；另一類則是AI同聲傳譯硬件產(chǎn)品，最為典型的代表就是科大訊飛的“曉譯翻譯機”，以及搜狗的“搜狗旅行翻譯寶”。

從網(wǎng)上的一些用戶體驗來看，再結(jié)合此次騰訊同聲傳譯的情況，我們只能說，會鬧烏龍的不只是騰訊一家。

以科大訊飛的曉譯翻譯機為例，有網(wǎng)友以幾句英語教學(xué)的錄音來進行測試，如下：

According to our records， a room for two guests was booked under your name．

谷歌：根據(jù)我們的記錄，有兩位客人的房間是以您的名義預(yù)定的。

訊飛翻譯機：根據(jù)我們的房間記錄，兩位客人，你們的名字都是什么？

Today we have grilled tuna and New York strip steak served with creamy Italian herb sauce．

谷歌：今天我們有烤金槍魚紐約牛排配奶油意大利香草醬。

訊飛翻譯機：吉姆去紐約的牛排，配有干凈的意大利香草醬 ／ 蒂姆已經(jīng)得到了一份紐約的牛排，用來清潔意大利的泥土沙司。

又比如搜狗的旅行翻譯寶，在正常的翻譯過程中，其也是偶有錯誤，而在對話內(nèi)容較為復(fù)雜，或者語速過快等場景下，它的語音識別也會出現(xiàn)問題，之后的AI翻譯自然是無法理解。又比如阿里巴巴的AI系統(tǒng)，此前的一場云棲大會中，該系統(tǒng)直接將“nationally”翻譯成了“男生弄亂”，讓演講者馬云爸爸在現(xiàn)場呆愣了5秒。

最后：AI翻譯還處于初期發(fā)展階段，想要取代人類還很早

當(dāng)前，國外的谷歌、微軟，國內(nèi)的BAT、科大訊飛、搜狗等公司均在加緊布局AI翻譯市場，發(fā)布各類軟硬件產(chǎn)品。在技術(shù)層面，NMT是多個公司在AI翻譯產(chǎn)品中所采用的技術(shù)，其能夠模仿人腦神經(jīng)思考的模式進行翻譯。不過，騰訊方面此次的回應(yīng)則表明，技術(shù)依舊存在不確定性的。

不僅僅是技術(shù)，AI翻譯的訓(xùn)練數(shù)據(jù)也跟不上了。在一些AI速記的應(yīng)用場景中，我們能夠看見，為了保證現(xiàn)場實時速記的準確率，工作人員一般都會提前用大量針對性數(shù)據(jù)來對系統(tǒng)進行訓(xùn)練。

比如此次鬧出烏龍的騰訊，在備戰(zhàn)期間，“騰訊同傳”也學(xué)習(xí)了該論壇過往數(shù)百份演講稿。然而，從現(xiàn)實情況來看，訓(xùn)練的數(shù)據(jù)依舊是不夠的，畢竟連“一帶一路”這一固定詞匯都能翻譯錯誤。

遙想此前，包括騰訊在內(nèi)，在發(fā)布AI翻譯產(chǎn)品的時候都以“替代人類翻譯員”為自己的標語。不過，從現(xiàn)實情況來看，技術(shù)依舊存在不確定性、數(shù)據(jù)欠缺。這只能證明一件事，AI翻譯想要取代人類翻譯員，還有一段路要走。