為了到2025年實(shí)現(xiàn)采用AI的實(shí)時(shí)同聲傳譯，日本正推進(jìn)研究

為了到2025年實(shí)現(xiàn)采用人工智能（AI）的實(shí)時(shí)同聲傳譯，日本正推進(jìn)研究。目前已完全可以實(shí)現(xiàn)語音識別，以后的目標(biāo)是提高翻譯準(zhǔn)確率和速度。世界上有很多和日語具有相同特征的語言，如果能實(shí)現(xiàn)日語的同聲傳譯，就有望推進(jìn)國際性普及。

演講者用英語做大約1分鐘的演講，背后的屏幕上顯示出基于AI的日語同聲傳譯。這是日本情報(bào)通信研究機(jī)構(gòu)（NICT，注：日語的“情報(bào)”有“信息”之意）2020年11月舉行的發(fā)布會上的一幕。從演講者發(fā)言到出現(xiàn)譯文大約需要10秒，但幾乎沒有翻譯錯誤。

同聲傳譯一般是對說話內(nèi)容進(jìn)行語音識別，然后由使用AI的翻譯軟件將其轉(zhuǎn)換成其他語言。現(xiàn)有的服務(wù)大多是從說完話才開始翻譯。因此，語速快的對話很難翻譯，表達(dá)相同的內(nèi)容時(shí)，同聲傳譯所用時(shí)間是母語會話時(shí)間的2倍。按這樣的水平很難用于商務(wù)用途，亟需可以克服這一缺點(diǎn)的技術(shù)。

現(xiàn)在同聲傳譯的翻譯準(zhǔn)確率提高，但存在延時(shí)

日本情報(bào)通信研究機(jī)構(gòu)通過2019年度之前的日本國家研究項(xiàng)目，已在語音識別方面實(shí)現(xiàn)了充分的性能。該機(jī)構(gòu)的目標(biāo)是從2020年度開始兼顧翻譯準(zhǔn)確率和速度。發(fā)布會上有10秒的延時(shí)，但今后有望縮小到跟同聲傳譯人員相當(dāng)?shù)?、3秒。

日本情報(bào)通信研究機(jī)構(gòu)開發(fā)的是在發(fā)言過程中就可以開始翻譯的AI。斷句的預(yù)處理技術(shù)是其中的關(guān)鍵。

翻譯軟件由斷句的預(yù)處理和對句子進(jìn)行翻譯的翻譯引擎構(gòu)成?，F(xiàn)有技術(shù)要想順暢翻譯，只能以句子單位進(jìn)行斷句，因此會有延時(shí)。如果在說完話之前就開始翻譯，則可以縮短時(shí)差。

日本情報(bào)通信研究機(jī)構(gòu)在預(yù)處理中采用按“語塊”（chunk，或稱：語義塊）斷句的方法，比以句子為單位斷句翻譯得更精準(zhǔn)。專業(yè)的同聲傳譯人員也使用這種方法。這樣可以保證翻譯準(zhǔn)確度，并減少延時(shí)。

日本情報(bào)通信研究機(jī)構(gòu)在開發(fā)中將使用大量的數(shù)據(jù)。該機(jī)構(gòu)在2021年度末之前，將從同聲傳譯人員等手中收集劃分語義的位置及其譯文的數(shù)據(jù)。2022年度將開發(fā)按照語義斷句并翻譯的AI。

與英譯日相比，日譯英的同聲傳譯難度更高。因?yàn)閿嗑涞念A(yù)處理比較難。

在日語中，動詞及表示否定等的重要詞語出現(xiàn)在句尾，因此需要預(yù)讀，然后進(jìn)行翻譯。而動詞等關(guān)鍵詞語在句子前半部分出現(xiàn)的英語等更好翻譯。在日語中，句子省略主語的情況也很多，AI要補(bǔ)充完整句子以后再翻譯，因此容易出錯。

為了防止誤譯，需要進(jìn)行修正的技術(shù)。比如提前給AI提供演講內(nèi)容相關(guān)數(shù)據(jù)，讓它進(jìn)行學(xué)習(xí)，它就能夠讀懂后面要說的話，從而更準(zhǔn)確地完成同聲傳譯。

日本情報(bào)通信研究機(jī)構(gòu)還將改進(jìn)翻譯引擎。通過日英、英日及所有語言翻譯都使用的技術(shù)來控制翻譯準(zhǔn)確度。如果這項(xiàng)性能不高，即使預(yù)處理速度再快、修正功能出色，也起不到作用。

日本情報(bào)通信研究機(jī)構(gòu)的翻譯引擎除了市售的便攜式翻譯機(jī)以外，還被松下、NTT docomo及NEC等的語音翻譯服務(wù)采用。該機(jī)構(gòu)的研究員隅田英一郎自信地說“英日翻譯準(zhǔn)確率換算成托業(yè)考試（TOEIC）分?jǐn)?shù)的話，相當(dāng)于900分左右”。

在提高翻譯準(zhǔn)確率方面值得期待的是，得到美國特斯拉首席執(zhí)行官（CEO）馬斯克等人資助的研究企業(yè)OpenAI在2020年6月公布了語言AI“GPT-3”。這款A(yù)I可以寫出跟人水平接近的比較自然的文章。

GPT-3利用巨大的“大腦”學(xué)習(xí)大量文件，獲得了很強(qiáng)的能力。開發(fā)中使用的數(shù)據(jù)相當(dāng)于數(shù)千億詞匯量。如果能在翻譯引擎中應(yīng)用GPT-3的系統(tǒng)，就有可能大幅提高性能。

圍繞同聲傳譯，全球的大型IT企業(yè)都在競爭，不過日本情報(bào)通信研究機(jī)構(gòu)仍有勝算。隅田研究員指出“美國微軟、中國百度及美國谷歌都是以句子為單位進(jìn)行斷句，以語塊斷句的方法尚未取得成果。都在同一水平上”。各公司都在下力氣開發(fā)的中英語同聲傳譯也跟日本情報(bào)通信研究機(jī)構(gòu)開發(fā)一樣，存在10秒左右的延時(shí)。

如果能實(shí)現(xiàn)日語翻成其他主要語言的同聲傳譯，在國際上就會占據(jù)優(yōu)勢。

英語、中文及法語等使用人數(shù)較多的語言都是動詞跟在名詞后面的類型。占到全球語言的約4成。其實(shí)，世界上有一半語言和日語一樣，把動詞放在句尾。同類型的語言之間更容易實(shí)現(xiàn)同聲傳譯。如果在不同類型語言之間的同聲傳譯方面，能開發(fā)出優(yōu)異的技術(shù)，則有可能應(yīng)用于9成的語言。

責(zé)任編輯：xj