太平洋科技笔记本

Meta研发跨语言AI翻译模型，翻译从业者岌岌可危？

阳春丽整合编辑：杨玥锴发布于：2023-08-23 16:25

在努力开发能够理解不同方言的AI的过程中，Meta创建了一个AI模型SeamlessM4T，它可以翻译和转录近100种文字和语音形式的语言。

Meta声称SeamlessM4T代表了语音转语音和语音转文字领域的“重大突破”,并与SeamlessAlign(一个新的翻译数据集)一起以开源的形式提供。

Meta在与TechCrunch共享的博文中写道:“我们的单一模型提供了按需翻译，让讲不同语言的人进行更有效的交流。SeamlessM4T无需单独的语言识别模型就可以隐式识别源语言。”

SeamlessM4T可以看作是Meta之前的No Language Left Behind（一个文字到文字的机器翻译模型）和Universal Speech Translator（少数几个支持闽南语的直接语音到语音翻译系统之一）的续作。它建立在Meta的Massively Multilingual Speech框架之上，该框架为1100多种语言提供了语音识别、语言识别和语音合成技术。

当然Meta并不是唯一投入大量资源，开发复杂的AI翻译和转录工具的公司。

除了亚马逊、微软、OpenAI等已经提供的大量商业服务和开源模型，以及许多创业公司之外。谷歌也在打造他们所谓的通用语音模型，这是该公司在建立能够理解世界上使用最广泛的1000种语言的更大努力的一部分。与此同时，Mozilla发起了Common Voice项目，这是用于训练语音识别算法的最大规模的多语言语音数据集之一。

但是SeamlessM4T可以说是到目前为止，将翻译和转录功能结合进一个单一模型的尝试。

在开发SeamlessM4T的过程中，Meta宣称他们从网络上刮取了公开可用的大量文本（数十亿句话量级）和语音(400万小时)。但这些素材可能存在一定争议，并非每个内容创作者都同意利用公开数据来训练可能用于商业用途的模型的做法。

一些人已经对利用公开可用数据来构建AI工具的公司提起了诉讼。它们认为这些公司应该提供来源说明，如果不是报酬的话，至少应该提供选择退出的明确途径。

但Meta声称，他们挖掘的数据（公司承认可能包含个人身份信息）不是受版权保护开源数据。

不管怎样，Meta创建了SeamlessM4T的训练数据集SeamlessAlign。研究人员将443,000小时的语音与文本对齐，并创建了29,000小时的“语音到语音”对齐。这“教会”了SeamlessM4T如何将语音转录为文本、翻译文本、从文本生成语音，甚至将一种语言中的语音词作翻译成另一种语言中的语音词。

Meta声称，在内部基准测试中，SeamlessM4T在语音转文字任务中克服背景噪音和“说话者变化”方面优于当前最先进的语音转录模型。Meta认为这归因于训练数据集中丰富的语音和文本数据组合，这使SeamlessM4T比仅语音或仅文本的模型具有优势。

Meta在博文中写道:“以最先进的结果，我们相信SeamlessM4T是AI社区在创造通用多任务系统的追求中取得的重要突破。”

但人们不禁要问，这个模型可能包含哪些偏见呢?

《对话报》最近的一篇文章指出了AI驱动的翻译中的许多缺陷，包括不同形式的性别偏见。例如，谷歌翻译曾经默认医生是男性，而护士是女性。而必应翻译器会将类似“桌子很软”这样的词组翻译成德语的阴性词“die Tabelle”，指的是数字表格。

语音识别算法也通常包含偏见。《美国国家科学院院刊》发表的一项研究显示，领先公司的语音识别系统，错误转录黑人声音的可能性是白人的两倍。

SeamlessM4T在这方面也不例外。

Meta随博文发布的白皮书透露，该模型“在中性术语翻译时，会过度普遍使用阳性形式”,并且当从阳性指代词作翻译时(例如英语中的“他”这样的名词)，大多数语种的表现更好。

此外，在没有性别信息的情况下，SeamlessM4T有10%的时间会偏向翻译成阳性形式——也许是由于训练数据中“阳性词汇的过度代表”所致。

Meta声称，与大多数翻译和生成AI文本模型不同，SeamlessM4T在其翻译中没有添加大量有害文本。但它也并非完美无缺。在某些语言中，如孟加拉语和柯尔克孜语，SeamlessM4T在涉及社会经济地位和文化的翻译中产生了更多有害的翻译——也就是仇恨或亵渎的翻译。而在涉及性取向和宗教的翻译中，SeamlessM4T整体上也更具有毒性。

Meta指出，SeamlessM4T的公开演示中包含了对输入语音的有毒性过滤，以及对可能有毒输出语音的过滤。但是，这种过滤在模型的开源版本中不是默认存在的。

白皮书没有提及的与AI翻译相关的更大问题，是过度使用它们可能导致的词汇丰富度的损失。与AI不同，人类翻译在将一种语言翻译成另一种语言时会做出独特的选择。他们可能会进行释义、规范化或浓缩和总结，创造一种“翻译腔”。 AI系统可能会生成更“准确”的翻译，但代价是翻译的多样性和丰富性的损失。

这也许就是为什么Meta建议不要将SeamlessM4T用于长篇翻译和认证翻译（如政府机构和翻译机构认可的翻译）。Meta还劝阻将SeamlessM4T用于医学或法律目的——可以推测这是为了防止翻译错误。

目前已经发生过几起AI翻译错误导致执法错误的事件。2012年9月，警方因一条错误翻译的短信错误地指控一名库尔德人资助恐怖主义。2017年，堪萨斯州的一名警察使用谷歌翻译向说西班牙语的司机询问是否可以搜索他的车找毒品，但因为翻译不准确，司机没有完全理解他同意了什么，最终该案被驳回。

随着类似SeamlessM4T这样具备语音识别、翻译和转录多功能的AI翻译模型的兴起和商业化应用，加速了人类语言边界的消除，也将极大促进世界范围内的沟通交流，各国之间以及不同种族之间的信息传播将更加便捷高效。各地科技和技术发展成果的互通有无将不再受语言障碍的阻隔。人类文明的进步，可能因跨语言交流的增强而获得前所未有的动力。

至于取代专业翻译工作，AI在很多通用性领域为大众带来了极大的便利，但是就像上文提到的，AI目前还无法像人类一样通过思考做出独立的判断，对翻译内容做出更符合语境的表达。AI更像是专业翻译工作中的加速器，是传统翻译从业者的辅助工具。

Meta AI 谷歌翻译

阳春丽

原创栏目