上面的中文是人類說的話，下面的英文是百度 AI 給出的實時翻譯�？梢钥吹�，沒等說到“莫斯科”的時候，AI 自動翻譯的英語就已經(jīng)出現(xiàn)了“meet”，也就是漢語句末的“會晤”。

難道現(xiàn)在 AI 已經(jīng)掌握了讀心術？

其實這是百度在機器同傳中研發(fā)的最新技術，有預測和可控延遲能力，能實現(xiàn)兩種語言之間的高質(zhì)量、低延遲翻譯。它的出現(xiàn)讓機器同傳又有了新進展！

在我們了解機器同傳之前，首先要知道人類同傳是什么。

同聲傳譯是一項很重要的工作，在國際會議、外交談判、演講等場合，只要交流之間出現(xiàn)了兩種語言，就需要同聲翻譯的幫助，他們會在現(xiàn)場聽取演講，并實時翻譯成另一種語言。

▲ 在會場的同聲傳譯（圖片來自網(wǎng)絡）

同聲傳譯工作通常在一句話的話音剛落，2-3秒之內(nèi)就要立即傳譯出來，是一份高壓力、高強度的職業(yè)。而 AI 機器同傳就是把人類翻譯工作的過程用 AI 技術來代替。

機器同傳運用語音識別技術自動識別演講者的講話內(nèi)容，把語音轉(zhuǎn)化為文字，然后調(diào)用機器翻譯引擎，將文字翻譯為目標語言，顯示在大屏幕或者通過語音合成再播放出來。

并不是！在人工智能領域，兩種語言的“即時互譯”是一項難以攻克的技術問題，主要原因在于源語言和目標語言之間存在較大的詞序和語序差異。

▲ 中文語序下，“香山”在前，“最美的時候”在后；而英文翻譯中，“香山”被后置，“最美的時候”被提前

這種語序的差異，讓同傳陷入一種“準確度與速度不可兼得”的尷尬境地：

百度工程師們針對同傳中遇到的難題，提出了“一攬子”解決方案，一起看看它有哪些亮點？

人類同傳譯員常用的一個技巧就是“合理預測”：在發(fā)言人話說到一半時，預測到后半句可能要講的內(nèi)容，超前翻譯，這樣能使同傳又快又準。

百度的工程師們模仿這一點，研發(fā)出了“wait-k words”模型，讓機器同傳也擁有了“合理預測”的能力，一定程度上解決了上面所說的“準確度與速度不可兼得”的問題。

普通的 AI 同傳是一整句話說完之后才進行翻譯，而百度同傳沒等說完前半句，它的“大腦”就會瞬間做出反應，可以“邊聽邊腦補”！

▲ 這是百度同傳的腦補現(xiàn)場，當說到“百度在18年前”時，AI 就預測出了“started a business”

另外一點是！百度同傳可以個性化控制翻譯時的延遲速度，像法語和西班牙語這種比較接近的語言，延遲就設置在比較低的水平。

但是，英語和漢語這種差異較大的語言，以及英語和德語這種詞序不同的語言，延遲可以設置為較高水平，從而更好地應對差異。

人類同傳譯員在接到翻譯任務后，通常會提前很多天學習相關知識，進行“備課”，為的就是更好地應對陌生詞匯而臨危不懼。

于是，百度工程師們模仿了這一準備過程，讓機器同傳也能通過快速融合領域知識策略，快速學習專業(yè)知識，提前“備課”。

當 AI 同傳接到某一個領域的翻譯任務時，系統(tǒng)會收集該領域數(shù)據(jù)并在通用模型的基礎上進行增強訓練，最后對該領域術語庫進行強制解碼，使專業(yè)術語翻譯得準確可靠，且提升翻譯效率。

區(qū)別于傳統(tǒng)的上下文相關建模技術，百度推出了上下文無關音素組合的中英文混合建模單元，包含1749個上下文無關中文音節(jié)和1868個上下文無關英文音節(jié)。這個方法具有泛化性能好、對噪聲魯棒、中英文混合識別等特點。

根據(jù)語音識別模型常犯的錯誤，在訓練數(shù)據(jù)的時候加入噪聲數(shù)據(jù)，讓模型在接收到錯誤的語音識別結(jié)果時，也能在譯文中糾正過來。

比如，語音識別系統(tǒng)將“大堂”錯誤地識別為“大唐”，這一對噪聲詞被收錄到訓練數(shù)據(jù)里，再把源語言句子“我們在酒店大堂見面吧”替換為“我們在酒店大唐見面吧”，而保持目標語言翻譯不變“Let's meet at the lobby of the hotel”，同時將這兩個中文句子存儲在它的“大腦”里面，以后再出現(xiàn)類似的情況會更輕松地解決！

和咱們?nèi)祟愖g員相比，機器最大的優(yōu)勢是不會因為疲倦而導致譯出率下降，能把所有“聽到”的句子全部翻譯出來，這讓機器的“譯出率”可以達到100%，遠高于人類譯員的60%-70%。

同聲傳譯被廣泛應用于政府間的峰會、多邊談判和其他商業(yè)場合，但是同傳人員稀缺也成為了當前的棘手問題。

研發(fā)百度同傳的目的，并不是取代人類譯員，而是為了降低同傳成本，讓同傳的應用范圍更加廣泛。我們希望世界各地的人在 AI 的幫助下早日實現(xiàn)“無障礙”的交流，用科技讓復雜的世界更簡單！