腾讯AI同传闹乌龙，质疑“AI取代论”的理由有哪些？

2018-04-14 19:59

人工智能又又又摔了个跟头。
今年的博鳌亚洲论坛上，第一次出现了AI同传。值得注意的是，这是博鳌论坛创办17年首次采用人工智能同传技术。然而，在如此重要的场合，现场配备的腾讯AI同传却掉了链子。词汇翻译不准确、重复、短语误用等“乌龙”引来各方“嘲笑”。
人们总是把AI跟人类职位对立起来，各种“取代论”层出不穷。博鳌论坛会议前，就出现了许许多多的“取代论新闻”引起了各界关注。最终，AI同传“翻车”，引来外界一片唏嘘。
然而，就目前来看，AI同传前路未明，太早将其与人类同传对立起来实在是“杞人忧天”。除了取代，AI同传其实有更好的路。

图为AI同传内容
AI同传进阶之路：变智能问题为数据问题
很多人都觉得人工智能如果要处理自然语言，就必须理解自然语言。实质上，AI翻译靠的是数字，更准确地来说，是统计。AI同传出错，并不是“智能”不够，实质上，是数据和模型出了问题。
AI同传还需要理解力
首先，AI同传要去理解场景。在博鳌论坛上，会议现场专业度高、覆盖度广，AI对特殊场景的理解还不够。场景对于语义具有至关重要的影响，相同的一句话在不同的场景里有不同的意思。举个例子，“好 ”这个字在百度汉语显示有多种语义，既可以表示称赞，也可以表示状态，还可以表达问好……诸如此类，语义的表达和理解都要结合具体的场景。在具体的句子中，这种语义与情景的结合就更为紧密，更需要机器理解学习。
其次，AI要理解口语的模糊逻辑。口语翻译是不会百分百传译的，根据 AIIC（国际会议口译员协会）的规定，同传译员只要翻译出演讲者内容的80%就已经算是合格了（90 %~100 %的“同传”几乎是不可能的）。
这意味着AI工作量减少吗？当然不，正是这种模糊的东西使得AI同传更加困难，除此之外，口语没有标点符号来标志句子，缺少了必要的声调和停顿，就很容易造成句子的歧义。而模糊的指令极有可能出现的是满屏的错码。
隐马尔可夫模型（HMM）解决统计数据之外的语言问题
然而，在参考腾讯AI同传的失误后，我们发现，仅仅增加数据量还是不够的，在

余下全部

共有评论0条