10 月 25 日消息，據連線(xiàn)雜志報道，知名語(yǔ)音識別公司科大訊飛卷入的“AI 同傳造假”風(fēng)波依然還在發(fā)酵，引發(fā)了人們關(guān)于 AI 實(shí)時(shí)翻譯技術(shù)的更多關(guān)注。

　　不久前，谷歌悄悄改變了 Pixel Buds 耳機的支持頁(yè)面，并寫(xiě)道:“所有經(jīng)過(guò) Google Assistant 優(yōu)化的耳機和安卓手機，現在都可以使用谷歌翻譯。”此前，這一功能僅限于 Pixel Buds 耳機和 Pixel 手機用戶(hù)。盡管谷歌并未大張旗鼓地宣布這個(gè)消息，但這個(gè)小小的調整卻值得注意。

　　要知道其中原因，首先我們來(lái)了解下谷歌耳機的歷史。谷歌去年推出了無(wú)線(xiàn)耳機 Pixel Buds，此前該公司曾大肆宣傳過(guò)這款產(chǎn)品，稱(chēng)其是一款革命性的工具，支持實(shí)時(shí)翻譯功能。只要輕敲 Pixel Buds，說(shuō)“幫我說(shuō)”，它就會(huì )打開(kāi)你手機上的谷歌翻譯應用?，F在，Pixel 手機也同樣支持這個(gè)功能。

　　接著(zhù)，你可以說(shuō)出句子，谷歌翻譯會(huì )在手機上將其翻譯成目標語(yǔ)言，并進(jìn)行轉錄，然后讀出來(lái)。理論上，谷歌的新技術(shù)甚至會(huì )讓口譯翻譯們擔心丟掉工作。這款產(chǎn)品在舞臺上的實(shí)時(shí)翻譯演示獲得了巨大成功，但當其開(kāi)始發(fā)貨時(shí)，人們對其似乎產(chǎn)生了懷疑：翻譯的質(zhì)量沒(méi)有達到公眾的預期。

　　Tech Insider 用十種不同的語(yǔ)言對實(shí)時(shí)翻譯功能進(jìn)行了測試。它成功地翻譯了些基本問(wèn)題，比如“最近的醫院在哪里”，但當句子變得更復雜，或者說(shuō)話(huà)人有口音時(shí)，翻譯就會(huì )出現錯誤。評論員們得出的結論是，實(shí)時(shí)翻譯似乎有點(diǎn)兒“欺騙嫌疑”，Google Assistant 需要努力理解對它說(shuō)出的話(huà)。

　　消費技術(shù)資深分析師丹尼爾·格里森(Daniel Gleeson)說(shuō):“掌握自然語(yǔ)言是非常困難的。對于谷歌來(lái)說(shuō)，這將是個(gè)巨大的成就，而他們實(shí)現這個(gè)目標的那一天，可以自豪地大聲說(shuō)出來(lái)。”或許有些人可能會(huì )說(shuō)，這可能也是 Pixel Buds 支持頁(yè)面更新的信息被隱藏起來(lái)的原因。

　　谷歌的問(wèn)題不在于翻譯過(guò)程本身，事實(shí)上，該公司在過(guò)去幾年始終在提升其翻譯應用水平。2016 年，谷歌將其谷歌翻譯轉換為基于深度學(xué)習的人工智能(AI)驅動(dòng)系統。在此之前，該工具將每個(gè)單獨的單詞分別翻譯，并應用語(yǔ)言學(xué)規則使句子在語(yǔ)法上保持正確，從而導致了我們非常熟悉的、支離破碎的翻譯效果。另一方面，神經(jīng)網(wǎng)絡(luò )則將句子作為一個(gè)整體來(lái)考慮，并根據之前訓練過(guò)的大量文本數據來(lái)猜測正確的輸出結果。通過(guò)機器學(xué)習，這些系統能夠考慮句子的上下文，從而提供更準確的翻譯。

　　整合機器學(xué)習是 Google Brain 團隊的任務(wù)，該團隊是谷歌專(zhuān)門(mén)致力于深度學(xué)習研發(fā)的部門(mén)。Google Brain 還將神經(jīng)網(wǎng)絡(luò )應用到另一個(gè)工具上，這是實(shí)時(shí)翻譯的關(guān)鍵，但這似乎也導致其容易在語(yǔ)音識別上犯錯。實(shí)際上，Google Assistant 經(jīng)過(guò)了數小時(shí)的語(yǔ)音培訓，它會(huì )使用機器學(xué)習工具來(lái)識別模式，并最終正確地識別出被要求翻譯的內容。

　　那么，如果谷歌在某種程度上成功地將神經(jīng)網(wǎng)絡(luò )應用到文本-文本的翻譯中，為什么 Google Assistant 仍然不能使用相同的技術(shù)精準地進(jìn)行語(yǔ)音識別呢?劍橋大學(xué)自然語(yǔ)言處理研究人員馬西基·霍瓦特(Matic Horvat)說(shuō)，這一切都歸結于用來(lái)訓練神經(jīng)網(wǎng)絡(luò )的數據集。

　　霍瓦特說(shuō):“系統能夠適應它們所得到的訓練數據集。當你把它介紹給它從未聽(tīng)過(guò)的東西時(shí)，語(yǔ)音識別的質(zhì)量就會(huì )下降。例如，如果你的訓練數據集是會(huì )話(huà)語(yǔ)音，那么在繁忙的環(huán)境中識別語(yǔ)音效果就不會(huì )太好。”

　　干擾是任何致力于提高語(yǔ)音識別技術(shù)的計算機科學(xué)家的克星。去年，谷歌通過(guò)其數字新聞創(chuàng )新基金會(huì )向倫敦初創(chuàng )企業(yè) Trint 投資 1.5 億歐元，該公司在自動(dòng)語(yǔ)音轉錄方面處于領(lǐng)先地位，盡管其算法與谷歌不同。然而，Trint 的算法在處理基本的干擾問(wèn)題上并沒(méi)有表現得更好。

　　事實(shí)上，Trint 的公司網(wǎng)站專(zhuān)門(mén)用了長(cháng)長(cháng)的篇幅來(lái)介紹如何在安靜環(huán)境中記錄演講內容。該公司聲稱(chēng)，其操作存在5% 至 10% 的誤差，但它明確表示，這適用于安靜環(huán)境的錄音。Trint 首席執行官杰夫·科夫曼(Jeff Kofman)說(shuō):“最大的挑戰是向我們的用戶(hù)解釋?zhuān)覀兊谋憩F只能和他們給我們的音頻一樣好。在有回聲、噪音甚至重音的情況下，算法就會(huì )出錯。”

　　現場(chǎng)演講所帶來(lái)的挑戰意味著(zhù)，在創(chuàng )建神經(jīng)網(wǎng)絡(luò )的過(guò)程中，訓練過(guò)程是成本最高、耗時(shí)最長(cháng)的部分。而像谷歌對 Pixel Buds 所做的那樣，只在有限數量的設備上支持實(shí)時(shí)翻譯，當然無(wú)助于系統學(xué)習。實(shí)際上，它處理的語(yǔ)音越多，它可以向算法中添加的數據就越多，機器就越能學(xué)會(huì )識別不熟悉的語(yǔ)音模式。

　　對于消費技術(shù)資深分析師格里森來(lái)說(shuō)，這是谷歌將該功能擴展到更多硬件的原因之一。他表示:“語(yǔ)音識別中最棘手的問(wèn)題之一，就是收集足夠的特定口音、俗語(yǔ)、習語(yǔ)數據，所有這些都是高度區域化的。將這個(gè)功能僅用于 Pixel 上，永遠不會(huì )讓谷歌接觸到那些區域化數據，進(jìn)而也無(wú)法處理足夠多的數據。”

　　然而，積累數據也有不利的一面。表現最好的神經(jīng)網(wǎng)絡(luò )是那些擁有最多數據的網(wǎng)絡(luò )，但由于數據需要在 CPU 上處理，CPU 的壓力也會(huì )隨著(zhù)信息量的增多而增加。這類(lèi) CPU 還遠未達到與移動(dòng)設備完美集成的程度，使得實(shí)時(shí)語(yǔ)音處理在今天依然無(wú)法成為現實(shí)。實(shí)際上，每次使用 Google Assistant 時(shí)，語(yǔ)音信息都會(huì )被發(fā)送到數據中心進(jìn)行外部處理，然后再發(fā)送回用戶(hù)的手機上。這些計算工作都不是在本地完成的，因為現有的手機無(wú)法存儲神經(jīng)網(wǎng)絡(luò )處理語(yǔ)音所需的龐大數據。

　　霍瓦特說(shuō)，雖然 Google Assistant 能夠相當快地完成這一過(guò)程，但距離實(shí)時(shí)語(yǔ)音識別還有很長(cháng)的路要走。該公司目前面臨的挑戰之一是，如何在手機中整合神經(jīng)網(wǎng)絡(luò )處理，以提高實(shí)時(shí)翻譯等功能的無(wú)縫性。事實(shí)上，開(kāi)發(fā)人員已經(jīng)在致力于開(kāi)發(fā)適合于高效處理神經(jīng)網(wǎng)絡(luò )的小型外部芯片，這種芯片可以集成到手機中。例如，本月早些時(shí)候，華為宣布了一種 AI 芯片，該公司聲稱(chēng)其可以在幾分鐘內訓練好神經(jīng)網(wǎng)絡(luò )算法。

　　雖然谷歌有自己的芯片 Edge TPU，但它是為企業(yè)用戶(hù)而不是智能手機設計的。對霍瓦特來(lái)說(shuō)，這是它的致命弱點(diǎn)：作為一家軟件公司，谷歌對制造商沒(méi)有多少控制權，無(wú)法確保開(kāi)發(fā)出一種產(chǎn)品，使所有安卓設備都能使用本地神經(jīng)網(wǎng)絡(luò )處理，與蘋(píng)果截然不同。

　　在不久的將來(lái)，谷歌可能被迫采取更小的步驟來(lái)改進(jìn)其語(yǔ)音識別技術(shù)。雖然實(shí)時(shí)翻譯引來(lái)了許多批評，但對于行業(yè)分析師、Counterpoint 物聯(lián)網(wǎng)、移動(dòng)和生態(tài)系統研究主管尼爾·沙赫(Neil Shah)來(lái)說(shuō)，擴展它有益于谷歌參與競爭:“谷歌已經(jīng)獲得 20 億安卓用戶(hù)。隨著(zhù)越來(lái)越多的用戶(hù)開(kāi)始在安卓手機上使用最新的語(yǔ)音交互，它能夠比競爭對手更快地擴大規模，并接受大量輸入數據流的訓練。”

　　格里森所也贊同這種看法。無(wú)論對實(shí)時(shí)翻譯的評論是否堅持溫和嘲諷的基調，谷歌的舉動(dòng)最終都會(huì )帶來(lái)顯著(zhù)的改進(jìn)。就像所有的 AI 產(chǎn)品一樣，這個(gè)工具同樣需要學(xué)習，它進(jìn)入市場(chǎng)的過(guò)程還沒(méi)有完成。格里森表示:“人們可能會(huì )說(shuō)，谷歌的實(shí)時(shí)翻譯運作方式與承諾的不一樣，但這是其實(shí)現目標的唯一途徑。”口譯翻譯現在不必擔心他們會(huì )立馬丟掉工作。
　?。?a href="http://www.cki5.com">邯鄲網(wǎng)絡(luò )公司）