作為蘋(píng)果設(shè)備的一款標(biāo)配智能語(yǔ)音助手，Siri除了會(huì)講笑話，還會(huì)B-box，教你撩妹，卻也常常語(yǔ)出驚人?！罢{(diào)戲”Siri已經(jīng)成為用戶日常。

近日，Siri卻因?yàn)榉g功能Bug背上“侮X”的名號(hào)。從機(jī)器翻譯的技術(shù)角度來(lái)看，這事蘋(píng)果多少有些“委屈”。

事出有因。

昨日，細(xì)心網(wǎng)友發(fā)現(xiàn) iPhone 在涉及“華為牛bi”、“小米牛bi”等關(guān)鍵詞翻譯至英文時(shí)，會(huì)出現(xiàn)侮辱性詞匯“bitch”；但翻譯“蘋(píng)果牛bi”關(guān)鍵詞句時(shí)卻能顯示正確英文結(jié)果。

在iPhone、iPad上使用Siri語(yǔ)音助手均會(huì)出現(xiàn)近似翻譯結(jié)果，結(jié)果對(duì)比明顯且復(fù)現(xiàn)率高，很快這個(gè)消息在社交媒體上炸開(kāi)了鍋。

截止發(fā)稿前，蘋(píng)果Siri的翻譯功能已經(jīng)部分從服務(wù)器端取消涉及“牛bi”的詞條。直接詢問(wèn)“……英文怎么說(shuō)”將反饋“這已經(jīng)超出我的能力范圍”，但在調(diào)出翻譯功能界面后，仍能進(jìn)行相關(guān)翻譯結(jié)果呈現(xiàn)。

不少網(wǎng)友和自媒體將其解讀為“侮X”的意圖，但從機(jī)器翻譯和機(jī)器學(xué)習(xí)的技術(shù)角度來(lái)看，這個(gè)帽子扣得有點(diǎn)“委屈”。

1傻傻分不清楚

昨日網(wǎng)友的翻譯測(cè)試結(jié)果

為了進(jìn)一步驗(yàn)證Siri的翻譯功能Bug，我們進(jìn)行了多輪測(cè)試，參考今日早上9點(diǎn)到10點(diǎn)時(shí)間段的測(cè)試結(jié)果。

目前，蘋(píng)果Siri已經(jīng)停止部分翻譯功能，直接詢問(wèn)Siri“……英文怎么說(shuō)”時(shí)，系統(tǒng)將反饋“已經(jīng)超出我的能力范圍”，但在調(diào)出翻譯功能后，仍能看到相關(guān)翻譯結(jié)果呈現(xiàn)。

翻譯結(jié)果1

翻譯結(jié)果2

翻譯結(jié)果3

翻譯結(jié)果4

這里，小米直接翻譯成“Mimi”，實(shí)在令人費(fèi)解。

可以看到在多輪翻譯測(cè)試中，Siri對(duì)于“牛bi”的理解和翻譯結(jié)果很不穩(wěn)定，有將“牛bi”翻譯成了“bitch”、也有翻譯成“so good”、“awesome”、“bullish”，顯然后者翻譯更為貼切中文中“牛X”的含義。

但是，以上翻譯結(jié)果還不至于將Siri翻譯結(jié)果套用“陰謀論”，說(shuō)不通的地方在于——見(jiàn)過(guò)罵自己CEO的手機(jī)嗎？

稍微改變中文語(yǔ)法，翻譯結(jié)果又恢復(fù)了正常。

在中文，“牛bi”也被寫(xiě)作牛B，多指“厲害”、“強(qiáng)”的意思，有時(shí)會(huì)簡(jiǎn)稱為“牛”。

在維基百科（英文版）中，“Bitch”作為名詞共有11種意思，均涉及包含粗俗、冒犯、進(jìn)攻性質(zhì)的負(fù)面詞匯含義，唯一第九種是中性含義，指代紙牌中的黑桃皇后。

為什么Siri能翻譯出“bitch”這種字眼？

很大程度在于，Siri在面對(duì)不能理解的句型語(yǔ)法時(shí)將采取直譯方式。這個(gè)時(shí)候，中文語(yǔ)句中的“bi”就成了主系表句型中的表語(yǔ)。對(duì)此，我們同樣進(jìn)行了測(cè)試驗(yàn)證。

將翻譯有問(wèn)題的句子去掉中文中的“bi”，比如“華為真?！保琒iri通常會(huì)翻譯成“XXX is a real cow”、“ is a real ox”。這也側(cè)面論證了Siri翻譯背后所采用的“看見(jiàn)不懂就直譯”的路徑存在。

2機(jī)器翻譯背后的技術(shù)解密

2011年10月，Siri隨著 iPhone 4S 的發(fā)布問(wèn)世，成為iPhone設(shè)備的標(biāo)配功能，如今AI語(yǔ)音助手也已經(jīng)成為智能手機(jī)上的標(biāo)配。

就目前技術(shù)發(fā)展階段來(lái)看，手機(jī)語(yǔ)音助手交互原理在于，設(shè)備根據(jù)采集的關(guān)鍵詞，來(lái)觸發(fā)底層回答的指令。服務(wù)器端有編輯好的相應(yīng)關(guān)鍵字和詞條，當(dāng)用戶通過(guò)手機(jī)等設(shè)備發(fā)問(wèn)時(shí)，算法搜索最為相關(guān)詞條并呈現(xiàn)答案，可能為一個(gè)或多個(gè)。翻譯問(wèn)答的交互方式同理。

雖然在模型的訓(xùn)練階段，已經(jīng)出現(xiàn)神經(jīng)機(jī)器翻譯等更人工智能化的理解方式，但在推理階段，AI語(yǔ)音助手尚不能達(dá)到完全理解人類(lèi)“語(yǔ)言”的水平。

具體來(lái)看看機(jī)器翻譯技術(shù)本身。

機(jī)器翻譯，又稱自動(dòng)翻譯，簡(jiǎn)言之即是借機(jī)器之力自動(dòng)地將一種自然語(yǔ)言文本（源語(yǔ)言）翻譯成另一種自然語(yǔ)言文本（目標(biāo)語(yǔ)言）。

采用機(jī)器做翻譯的思想最早由 Warren Weaver 于 1949 年提出。大半個(gè)世紀(jì)以來(lái)，機(jī)器翻譯技術(shù)先后了 基于規(guī)則的機(jī)器翻譯（RBMT）、統(tǒng)計(jì)機(jī)器翻譯（SMT）、神經(jīng)機(jī)器翻譯（NMT）三次重要的方法演化。

神經(jīng)機(jī)器翻譯，Neural Machine Translation, 簡(jiǎn)稱 NMT, 于2014年開(kāi)始興起，逐漸應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)(CNN)，遞歸神經(jīng)網(wǎng)絡(luò)(RNN)，注意力機(jī)制等技術(shù)。

神經(jīng)機(jī)器翻譯的優(yōu)勢(shì)在于長(zhǎng)句子、甚至段落的翻譯能力，閱讀起來(lái)上下文連貫程度接近人翻。目前，神經(jīng)機(jī)器翻譯已經(jīng)成為機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域的主流。

2016年開(kāi)始，神經(jīng)機(jī)器翻譯已基本全面取代傳統(tǒng)的統(tǒng)計(jì)機(jī)器翻譯(SMT)，Google、微軟、百度、搜狗等已相繼上線神經(jīng)機(jī)器翻譯系統(tǒng)。

在英文中，單詞在一個(gè)語(yǔ)境下通常只代表一個(gè)意思；而在中文里，一個(gè)字放在主、謂、定等不同的位置和語(yǔ)境中，代表的意思就有很多可能性，這也是中文博大精深之所在。

圖片源于網(wǎng)絡(luò)

在本文開(kāi)頭描述的情況中，Siri因?yàn)楦緵](méi)有理解關(guān)鍵詞的意思，所以采用了直譯，即通過(guò)拆分成“單字”的模式尋找匹配詞條，“?！敝苯臃g成ox、cow（另一個(gè)詞同理）。不得不說(shuō)，已經(jīng)八歲的Siri對(duì)于中文語(yǔ)法的理解仍然處于比較“低端”水平。

當(dāng)然，在中英翻譯上栽跟頭的又何止Siri這種“外來(lái)客”。前段時(shí)間，微信自帶的文字翻譯功能也是十分任性。

以及再一次掀起清華北大之爭(zhēng)的“神翻譯”。

隨后，微信團(tuán)隊(duì)便部分下線了翻譯功能。騰訊微信團(tuán)隊(duì)微在微博上回應(yīng)稱，翻譯引擎在翻譯一些沒(méi)有進(jìn)行過(guò)訓(xùn)練的非正式英文詞匯時(shí)出現(xiàn)誤翻，導(dǎo)致部分語(yǔ)句翻譯出現(xiàn)問(wèn)題。

這也充分說(shuō)明了基于人工智能的技術(shù)手段，在算法和模型足夠領(lǐng)先之外，語(yǔ)料，尤其是平行語(yǔ)料的訓(xùn)練仍是高質(zhì)量翻譯的核心。

所謂，“平行語(yǔ)料“即指的是源語(yǔ)音與目標(biāo)語(yǔ)言一一對(duì)應(yīng)的關(guān)系，比如，“I love you” = 我愛(ài)你”。而在微信的案例中，很有可能就是爬取并采用了網(wǎng)上已經(jīng)存在的大量“caixukun=好”、 “caixukun=傻蛋”的語(yǔ)料。

對(duì)于Siri等“外來(lái)客”而言，中英互譯效果不盡如意的很一大部分原因在于，我國(guó)用戶對(duì)其調(diào)用率和使用率不高，本土化語(yǔ)料的訓(xùn)練量不夠大，所以在面對(duì)一些本土化的東西，顯得有些“智障”。這也就能解釋前文提到的例子，由于對(duì)美國(guó)之外的品牌不夠熟悉，Siri將“小米” 翻譯成“Mimi”。

“主要是訓(xùn)練數(shù)據(jù)的覆蓋，如果覆蓋不好就要針對(duì)特定用語(yǔ)進(jìn)行修正”，F(xiàn)acebook前機(jī)器翻譯專家向機(jī)器之心表示，?“Siri出現(xiàn)的這個(gè)情況應(yīng)該不是有意的，很可能是他們現(xiàn)有的模型對(duì)于『牛bi』都翻譯不好，但對(duì)于『蘋(píng)果』和其有關(guān)的說(shuō)法做了bad case修復(fù)”。

一般來(lái)說(shuō)，訓(xùn)練語(yǔ)料主要來(lái)自三個(gè)方面，一是各種英漢辭典標(biāo)準(zhǔn)化語(yǔ)庫(kù)來(lái)源；二是互聯(lián)網(wǎng)上的爬蟲(chóng)抓取，從全網(wǎng)大量的數(shù)據(jù)里，抓取到所需要的高質(zhì)量平行語(yǔ)料。

第三，則是各家公司能夠“各取所需”的優(yōu)勢(shì)渠道，比如騰訊有大量基于微信平臺(tái)有大量社交的語(yǔ)料，阿里巴巴有大量基于電商平臺(tái)有大量交易的語(yǔ)料，或者其他公司通過(guò)付費(fèi)購(gòu)買(mǎi)特定場(chǎng)景語(yǔ)料。

那么新的問(wèn)題來(lái)了，Siri 在中國(guó)市場(chǎng)的翻譯功能，會(huì)是誰(shuí)提供的語(yǔ)料和API呢？