捧起同聲傳譯圣杯的AI

AI同傳在機(jī)器翻譯領(lǐng)域中算是一個(gè)關(guān)注度相當(dāng)廣泛的問題，對(duì)于大眾來(lái)說(shuō)，人們對(duì)其最深的印象就是科大訊飛的技術(shù)造假，對(duì)于行業(yè)內(nèi)來(lái)說(shuō)，AI同傳任務(wù)處理上實(shí)時(shí)性、專業(yè)度的要求都極高，容錯(cuò)率也相對(duì)更低，在機(jī)器翻譯領(lǐng)域算是一個(gè)難度很大的任務(wù)，甚至有人稱之為機(jī)器翻譯的“圣杯”。是圣杯，自然少不了挑戰(zhàn)者。除了孜孜不倦的獨(dú)角獸，微軟、百度、谷歌等海內(nèi)外的AI大廠也都在不斷攻克這項(xiàng)難題。最近百度新推出的即時(shí)機(jī)器翻譯系統(tǒng)，可以說(shuō)是給出了一些新的解決思路。

是什么為AI同傳送上圣杯

AI同傳之所以難度能夠達(dá)到“圣杯級(jí)別”，還是來(lái)自于語(yǔ)言本身的復(fù)雜程度和不同語(yǔ)言之間的巨大差異。給前者舉個(gè)例子。對(duì)于機(jī)器翻譯，尤其是語(yǔ)音轉(zhuǎn)碼文字的部分來(lái)說(shuō)，一個(gè)很大的難點(diǎn)就是同音不同字。有的詞同音不同字并且意義差距很大，比如南方和男方。遇到同音不同字的問題時(shí)，很多同傳系統(tǒng)只要認(rèn)定了第一次識(shí)別的語(yǔ)音，很難再根據(jù)語(yǔ)境調(diào)整語(yǔ)音和文字之間對(duì)照。這就有可能導(dǎo)致整個(gè)句子在翻譯時(shí)出現(xiàn)嚴(yán)重的誤差。后者則主要體現(xiàn)在語(yǔ)序的差異上，中文上說(shuō)“她送給我的花很美”，英文上卻說(shuō)“The flowers she gave me are beautiful”， 在不聽完整個(gè)句子之前，是很難給出準(zhǔn)確翻譯結(jié)果的，因?yàn)樵谥形闹凶鳛橹髡Z(yǔ)的“花”出現(xiàn)在“她送給我”這一定語(yǔ)之后，可英文中主語(yǔ)“The flowers”卻出現(xiàn)在句子的開頭。所以目前大多數(shù)AI同傳，要么是等待一個(gè)完整的句子說(shuō)完后，再進(jìn)行翻譯，要么是根據(jù)當(dāng)前識(shí)別結(jié)果進(jìn)行翻譯，然后隨著識(shí)別字?jǐn)?shù)的增加，不斷修正結(jié)果。

高質(zhì)量翻譯與低時(shí)延兩者不可兼得。可我們應(yīng)用同傳，不就是為了和整場(chǎng)對(duì)話同步獲得信息嗎？想象一下，在重要商務(wù)場(chǎng)合中你和合作伙伴談笑風(fēng)生，然而合作伙伴說(shuō)“前門樓子”AI同傳卻告訴你“胯骨軸子”……總之由于應(yīng)用場(chǎng)景相對(duì)苛刻，AI同傳的技術(shù)遲遲都沒能達(dá)到應(yīng)用條件。

向人類偷師，百度的即時(shí)機(jī)器

翻譯系統(tǒng)學(xué)到了什么？這種時(shí)候，我們往往還是要師從更加專業(yè)的人類。人類譯員在進(jìn)行同傳翻譯時(shí)往往會(huì)先做大量的學(xué)習(xí)準(zhǔn)備工作，了解應(yīng)用領(lǐng)域的專業(yè)術(shù)語(yǔ)，本質(zhì)上是對(duì)自己的詞匯庫(kù)進(jìn)行 “收斂”和補(bǔ)充，減少同音近義這種錯(cuò)誤的出現(xiàn)，也避免有哪些名詞自己過于陌生。建立在這種準(zhǔn)備之上，譯員在進(jìn)行翻譯時(shí)會(huì)有一定的預(yù)測(cè)性，就像“布什總統(tǒng)在莫斯科會(huì)見普京”這句話，通過對(duì)應(yīng)用場(chǎng)景的整體理解，譯員們會(huì)知道布什總統(tǒng)在莫斯科肯定是要會(huì)見什么人的，所以可以同步翻譯出“President Bush meets Putin……”，這樣才可以用更少的延時(shí)滿足需求。

可即便如此，人工同聲傳譯也并不是完美的。由于信息量巨大，譯員只能在保證速度的前提下犧牲一部分質(zhì)量。據(jù)了解，同傳譯員的譯出率僅有60%—-70%左右，即講話人講了100個(gè)句子，僅有60—70個(gè)句子的信息被完整傳遞給聽眾。同時(shí)由于需要高度集中精神，譯員往往每15—20分鐘就需要換班休息。所以，我們從人類工作的邏輯中找到了兩個(gè)關(guān)鍵詞——“背景知識(shí)”“預(yù)測(cè)”和“學(xué)習(xí)”。

從背景知識(shí)的層面來(lái)講，人類之所以能夠分辨同音近音字，是因?yàn)閷?duì)于語(yǔ)境和背景知識(shí)有著充足的了解，把不符合當(dāng)前詞匯庫(kù)的同音詞“剔除”了。所以百度這些選擇的解決方案是，提升容錯(cuò)率，忽略語(yǔ)音-文字轉(zhuǎn)碼階段的錯(cuò)誤，進(jìn)而去提升文字翻譯階段的正確率。百度同傳的“語(yǔ)音容錯(cuò)”的對(duì)抗訓(xùn)練翻譯模型，重點(diǎn)就在于有意在訓(xùn)練數(shù)據(jù)集中加入針對(duì)性的噪聲數(shù)據(jù)，這樣即使模型接受到錯(cuò)誤的語(yǔ)音識(shí)別結(jié)果時(shí)，也能給出正確的譯文。什么叫“針對(duì)性”的噪聲數(shù)據(jù)呢？就是把成對(duì)、成組出現(xiàn)的噪聲詞一起收錄，比如前文提到的南方和男方，再將源語(yǔ)言句子進(jìn)行替換，把“南方天氣很潮濕”替換為“男方天氣很潮濕”，而兩個(gè)句子的結(jié)果都設(shè)定為“The weather is very humid in the south”，一起用作訓(xùn)練從而提升模型的容錯(cuò)能力。

至于預(yù)測(cè)，則是這次百度推出機(jī)器同傳的重點(diǎn)技術(shù)STACL“wait-k words”，即等待講話時(shí)后的第k個(gè)詞開始翻譯，通過對(duì)講話者的語(yǔ)言風(fēng)格數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)預(yù)測(cè)能力。同時(shí)還可以根據(jù)不同語(yǔ)種之間的差異性和不同場(chǎng)景的需求程度來(lái)調(diào)整K值，比如西班牙語(yǔ)和葡萄牙語(yǔ)在語(yǔ)法上非常接近，K值就可以被調(diào)整為1或者2，極大地提高及時(shí)性。或者當(dāng)使用者位于非常嚴(yán)肅的政治會(huì)議場(chǎng)合，K值就可以被調(diào)整為5或者更高，因此來(lái)保證嚴(yán)謹(jǐn)性。

在學(xué)習(xí)方面，正是AI的優(yōu)勢(shì)所在。在百度同傳系統(tǒng)中，提出了快速融合領(lǐng)域知識(shí)策略，建立在百度自身的互聯(lián)網(wǎng)大數(shù)據(jù)之上，百度同傳系統(tǒng)獲得最基礎(chǔ)的通用領(lǐng)域翻譯模型。而當(dāng)進(jìn)入細(xì)分領(lǐng)域時(shí)，該系統(tǒng)也會(huì)像人類一樣，針對(duì)細(xì)分領(lǐng)域進(jìn)行學(xué)習(xí)。建立在通用模型的基礎(chǔ)上，通過對(duì)某一領(lǐng)域數(shù)據(jù)的增強(qiáng)訓(xùn)練和專用術(shù)語(yǔ)的強(qiáng)制解碼，盡可能讓整體模型和該領(lǐng)域更加契合，從而減少同音字、多義字翻譯錯(cuò)誤等諸如此類現(xiàn)象，提升整體效率。

AI同傳應(yīng)該避免獨(dú)行

當(dāng)然，即便如此，AI同傳還是面臨著很多問題。尤其是人在口語(yǔ)表述時(shí)往往會(huì)帶有一些習(xí)慣性的語(yǔ)氣詞，AI如果通通記錄下來(lái)，會(huì)嚴(yán)重影響信息接收的效率。就像曾經(jīng)有人嘗試過在法庭使用AI速記，結(jié)果發(fā)現(xiàn)AI記下了通篇的“嗯、呃、那個(gè)”等口語(yǔ)中的常用詞，尤其是當(dāng)出庭人情緒稍有些激動(dòng)時(shí)，AI速記完美地記錄下一串語(yǔ)無(wú)倫次時(shí)的混亂信息。信息量倒是加大了，可信息價(jià)值卻很低。人類譯員在進(jìn)行翻譯時(shí)會(huì)進(jìn)行書面語(yǔ)和口語(yǔ)之間的轉(zhuǎn)換，AI能否做到這種信息的匯總和提煉？

同時(shí)口語(yǔ)中常常遇到的口音、結(jié)巴、地方俚語(yǔ)、表述水平不同等個(gè)性化的問題，人類譯員通?？梢院芎玫亟鉀Q，最終呈現(xiàn)出適用于所有人閱讀的內(nèi)容。就拿俚語(yǔ)來(lái)講，這種極具本土文化特征的內(nèi)容，有時(shí)會(huì)在兩個(gè)語(yǔ)種中呈現(xiàn)出完全不同的形態(tài)。就像“掌上明珠”和“Apple of the eye”，從字面直譯上很難找到關(guān)聯(lián)，可意義上卻相互對(duì)應(yīng)。

AI模型能否高效地解決一切問題，不只適用于某一標(biāo)準(zhǔn)或某一種文化下的內(nèi)容？最重要的，大部分像“wait-k words”這樣的預(yù)測(cè)模型都要提前進(jìn)行大量的數(shù)據(jù)訓(xùn)練。不光應(yīng)用成本高，對(duì)于很多缺乏豐富數(shù)據(jù)的小眾語(yǔ)種來(lái)說(shuō)，還是幫不上什么忙。不過相比人類在同聲傳譯整個(gè)學(xué)習(xí)和翻譯過程中耗費(fèi)的巨大精力，AI同傳更高效的學(xué)習(xí)能力和永不疲倦的特點(diǎn)仍然是巨大的優(yōu)勢(shì)。所以在未來(lái)的一段時(shí)間內(nèi)，AI同傳應(yīng)該依靠自身優(yōu)勢(shì)來(lái)承擔(dān)人類譯員助手的職責(zé)，與人類一同捧起圣杯。

機(jī)器思維與人類思維的打通

其實(shí)我們能夠發(fā)現(xiàn)，百度這次提出的機(jī)器同傳解決方案，給出了一種AI技術(shù)應(yīng)用的有趣邏輯，即把機(jī)器思維和人類思維一起融入技術(shù)應(yīng)用。像在提升語(yǔ)音容錯(cuò)率上，就是一種典型的機(jī)器思維。如果把解決問題分兩步，第一步是語(yǔ)音——文字，第二步是文字——翻譯。數(shù)學(xué)老師一定會(huì)告訴你“一步錯(cuò)、步步錯(cuò)”，可在機(jī)器思維中卻能實(shí)現(xiàn)“一步錯(cuò)、結(jié)果對(duì)”，即使語(yǔ)音識(shí)別中錯(cuò)了，機(jī)器翻譯的結(jié)果仍然是正確的。

而在預(yù)測(cè)方面，就是典型的人類思維了，結(jié)合對(duì)于事物的整體理解甚至整個(gè)世界觀，對(duì)于缺失的信息進(jìn)行預(yù)測(cè)，用我們?nèi)祟惖脑捳f(shuō)，就是“直覺”。而當(dāng)機(jī)器也逐漸找到利用直覺的方式，它們所能解決的問題才更邁上了一個(gè)臺(tái)階。有了預(yù)測(cè)能力，才能在不同語(yǔ)序的語(yǔ)種中自我生成正確的句子。畢竟我們所處的世界不是棋盤也不是電子游戲，缺乏明確的規(guī)則，更多時(shí)候我們是在信息和規(guī)則雙雙不透明的前提下去解決問題。

其實(shí)在今天的AI應(yīng)用上，最重要的就是人與AI的協(xié)作性，不僅僅是日常應(yīng)用方面的協(xié)作，更多的是研發(fā)思維上的協(xié)作。有時(shí)能理解機(jī)器思維的差異性，才能真正找到適合機(jī)器的問題解決方案，而讓機(jī)器能夠?qū)W會(huì)人類思維，才能讓機(jī)器解決問題的方式更加配適現(xiàn)實(shí)世界。就像自動(dòng)駕駛的安全問題一樣，有時(shí)在交通標(biāo)識(shí)上貼一張小小的貼紙，就能徹底擾亂機(jī)器的視覺系統(tǒng)。所以對(duì)于自動(dòng)駕駛來(lái)說(shuō)，更高效和安全的方法并不是像人類一樣“看到”交通標(biāo)識(shí)，而是在高精地圖上提前標(biāo)注好交通標(biāo)識(shí)的位置。對(duì)人類與機(jī)器的感知方式進(jìn)行互通和融合，幫助我們打開了很多AI產(chǎn)業(yè)應(yīng)用的黃金大門。有趣的是，這兩種思維之間的差異和融合，其實(shí)和語(yǔ)言之間的翻譯還有點(diǎn)接近。語(yǔ)法有再多差異，彼此理解了，總能一起解決問題。