专业翻译公司
15317698650   17721018501
专业翻译公司
专业翻译公司
专业翻译公司
扫描左侧二维码
关注微信公众号

苹果Siri翻译究竟出了啥Bug? 牛和“牛”傻傻分不清楚

从机器翻译和机器学习的技术角度来看,这个帽子扣得有点“委屈”

本文来自微信公众号:机器之能(ID:almosthuman2017)

作为苹果设备的一款标配智能语音助手,Siri除了会讲笑话,还会B-box,教你撩妹,却也常常语出惊人。“调戏”Siri已经成为用户日常。

近日,Siri却因为翻译功能Bug背上“侮X”的名号。从机器翻译的技术角度来看,这事苹果多少有些“委屈”。

事出有因。

昨日,细心网友发现iPhone在涉及“华为牛bi”、“小米牛bi”等关键词翻译至英文时,会出现侮辱性词汇“bitch”;但翻译“苹果牛bi”关键词句时却能显示正确英文结果。

在iPhone、iPad上使用Siri语音助手均会出现近似翻译结果,结果对比明显且复现率高,很快这个消息在社交媒体上炸开了锅。

截止发稿前,苹果Siri的翻译功能已经部分从服务器端取消涉及“牛bi”的词条。直接询问“……英文怎么说”将反馈“这已经超出我的能力范围”,但在调出翻译功能界面后,仍能进行相关翻译结果呈现。

不少网友和自媒体将其解读为“侮X”的意图,但从机器翻译和机器学习的技术角度来看,这个帽子扣得有点“委屈”。

1. 傻傻分不清楚

昨日网友的翻译测试结果

为了进一步验证Siri的翻译功能Bug,我们进行了多轮测试,参考今日早上9点到10点时间段的测试结果。

目前,苹果Siri已经停止部分翻译功能,直接询问Siri“……英文怎么说”时,系统将反馈“已经超出我的能力范围”,但在调出翻译功能后,仍能看到相关翻译结果呈现。

翻译结果1:

翻译结果2:

翻译结果3:

翻译结果4:

这里,小米直接翻译成“Mimi”,实在令人费解。

可以看到在多轮翻译测试中,Siri对于“牛bi”的理解和翻译结果很不稳定,有将“牛bi”翻译成了“bitch”、也有翻译成“so good”、“awesome”、“bullish”,显然后者翻译更为贴切中文中“牛X”的含义。

但是,以上翻译结果还不至于将Siri翻译结果套用“阴谋论”,说不通的地方在于——见过骂自己CEO的手机吗?

稍微改变中文语法,翻译结果又恢复了正常。

在中文,“牛bi”也被写作牛B,多指“厉害”、“强”的意思,有时会简称为“牛”。

在维基百科(英文版)中,“Bitch”作为名词共有11种意思,均涉及包含粗俗、冒犯、进攻性质的负面词汇含义,唯一第九种是中性含义,指代纸牌游戏中的黑桃皇后。

为什么Siri能翻译出“bitch”这种字眼?

很大程度在于,Siri在面对不能理解的句型语法时将采取直译方式。这个时候,中文语句中的“bi”就成了主系表句型中的表语。对此,我们同样进行了测试验证。

将翻译有问题的句子去掉中文中的“bi”,比如“华为真牛”,Siri通常会翻译成“XXX is a real cow”、“ is a real ox”。这也侧面论证了Siri翻译背后所采用的“看见不懂就直译”的路径存在。

2. 机器翻译背后的技术解密

2011年10月,Siri随着iPhone 4S的发布问世,成为iPhone设备的标配功能,如今AI语音助手也已经成为智能手机上的标配。

虽然在模型的训练阶段,已经出现神经机器翻译等更人工智能化的理解方式,但在推理阶段,AI语音助手尚不能达到完全理解人类“语言”的水平。

具体来看看机器翻译技术本身。

机器翻译,又称自动翻译,简言之即是借机器之力自动地将一种自然语言文本(源语言)翻译成另一种自然语言文本(目标语言)

采用机器做翻译的思想最早由Warren Weaver于1949年提出。大半个世纪以来,机器翻译技术先后了 基于规则的机器翻译(RBMT)、统计机器翻译(SMT)、神经机器翻译(NMT)三次重要的方法演进。

神经机器翻译,Neural Machine Translation,简称NMT,于2014年开始兴起,逐渐应用卷积神经网络(CNN),递归神经网络(RNN),注意力机制等技术。

神经机器翻译的优势在于长句子、甚至段落的翻译能力,阅读起来上下文连贯程度接近人翻。目前,神经机器翻译已经成为机器学习技术领域的主流。

2016年开始,神经机器翻译已基本全面取代传统的统计机器翻译(SMT),Google、微软、百度、搜狗等已相继上线神经机器翻译系统。

在英文中,单词在一个语境下通常只代表一个意思;而在中文里,一个字放在主、谓、定等不同的位置和语境中,代表的意思就有很多可能性,这也是中文博大精深之所在。

图片源于网络

在本文开头描述的情况中,Siri因为根本没有理解关键词的意思,所以采用了直译,即通过拆分成“单字”的模式寻找匹配词条,“牛”直接翻译成ox、cow(另一个词同理)。不得不说,已经八岁的Siri对于中文语法的理解仍然处于比较“低端”水平。

当然,在中英翻译上栽跟头的又何止Siri这种“外来客”。前段时间,微信自带的文字翻译功能也是十分任性。

以及再一次掀起清华北大之争的“神翻译”。

随后,微信团队便部分下线了翻译功能。腾讯微信团队微在微博上回应称,翻译发动机在翻译一些没有进行过训练的非正式英文词汇时出现误翻,导致部分语句翻译出现问题。

这也充分说明了基于人工智能的技术手段,在算法和模型足够领先之外,语料,尤其是平行语料的训练仍是高质量翻译的核心。

所谓,“平行语料“即指的是源语音与目标语言一一对应的关系,比如,“I love you”=“我爱你”。而在微信的案例中,很有可能就是爬取并采用了网上已经存在的大量“caixukun=好”、 “caixukun=傻蛋”的语料。  

对于Siri等“外来客”而言,中英互译效果不尽如意的很一大部分原因在于,我国用户对其调用率和使用率不高,本土化语料的训练量不够大,所以在面对一些本土化的东西,显得有些“智障”。这也就能解释前文提到的例子,由于对美国之外的品牌不够熟悉,Siri将“小米” 翻译成“Mimi”。

“主要是训练数据的覆盖,如果覆盖不好就要针对特定用语进行修正。”Facebook前机器翻译专家向机器之心表示,“Siri出现的这个情况应该不是有意的,很可能是他们现有的模型对于‘牛bi’都翻译不好,但对于‘苹果’和其有关的说法做了bad case修复”。

一般来说,训练语料主要来自三个方面,一是各种英汉辞典标准化语库来源;二是互联网上的爬虫抓取,从全网大量的数据里,抓取到所需要的高质量平行语料。

第三,则是各家公司能够“各取所需”的优势渠道,比如腾讯有大量基于微信平台有大量社交的语料,阿里巴巴有大量基于电商平台有大量交易的语料,或者其他公司通过付费购买特定场景语料。

那么新的问题来了,Siri在中国市场的翻译功能,会是谁提供的语料和API呢?

本文来自微信公众号:机器之能(ID:almosthuman2017)

机器之心

微信公众号:机器之心(ID:almosthuman2014)

已在虎嗅发表 151 篇文章

联系方式
周一至周日 8:00 - 22:00
道可道微信公众号
道可道微信公众号