图片来自“123rf．com．cn”
人工智能又又又摔了个跟头。
今年的博鳌亚洲论坛上，第一次出现了AI同传。值得注意的是，这是博鳌论坛创办17年首次采用人工智能同传技术。然而，在如此重要的场合，现场配备的腾讯AI同传却掉了链子。词汇翻译不准确、重复、短语误用等“乌龙”引来各方“嘲笑”。
人们总是把AI跟人类职位对立起来，各种“取代论”层出不穷。博鳌论坛会议前，就出现了许许多多的“取代论新闻”引起了各界关注。最终，AI同传“翻车”，引来外界一片唏嘘。
然而，就目前来看，AI同传前路未明，太早将其与人类同传对立起来实在是“杞人忧天”。除了取代，AI同传其实有更好的路。
图为AI同传内容
AI同传进阶之路：变智能问题为数据问题
很多人都觉得人工智能如果要处理自然语言，就必须理解自然语言。实质上，AI翻译靠的是数字，更准确地来说，是统计。AI同传出错，并不是“智能”不够，实质上，是数据和模型出了问题。
AI同传还需要理解力
首先，AI同传要去理解场景。在博鳌论坛上，会议现场专业度高、覆盖度广，AI对特殊场景的理解还不够。场景对于语义具有至关重要的影响，相同的一句话在不同的场景里有不同的意思。举个例子，“好”这个字在百度汉语显示有多种语义，既可以表示称赞，也可以表示状态，还可以表达问好……诸如此类，语义的表达和理解都要结合具体的场景。在具体的句子中，这种语义与情景的结合就更为紧密，更需要机器理解学习。
其次，AI要理解口语的模糊逻辑。口语翻译是不会百分百传译的，根据AIIC（国际会议口译员协会）的规定，同传译员只要翻译出演讲者内容的80％就已经算是合格了（90％～100％的“同传”几乎是不可能的）。这意味着AI工作量减少吗？当然不，正是这种模糊的东西使得AI同传更加困难，除此之外，口语没有标点符号来标志句子，缺少了必要的声调和停顿，就很容易造成句子的歧义。而模糊的指令极有可能出现的是满屏的错码。
隐马尔可夫模型（HMM）解决统计数据之外的语言问题
然而，在参考腾讯AI同传的失误后，我们发现，仅仅增加数据量还是不够的，在现实生活中，我们也会遇到零概率或者统计量不足的问题。
比如一个汉语的语言模型，就足足达到20万这个量级。曾有人做过这样一个假设，如果刨掉互联网上的垃圾数据，互联网中将会有100亿个有意义的中文网页，这还是相当高估的一个数据，每个网页平均1000词，那么，即使将互联网上上所有中文内容用作训练，依然只有1013。
为了解决数据量的问题，我们提出了隐马尔可夫模型（HMM）。实际应用中，我们可以把HMM看作一个黑箱子，这个黑箱子可以利用比较简洁的数据，处理后得出：
1．每个时刻对应的状态序列；
2．混合分布的均值和方差矩阵；
3．混合分布的权重矩阵；
4．状态间转移概率矩阵。
看起来可能比较复杂，简单点说，这个模型可以通过可观察的数据而发现这个数据域外的状态，即隐含状态。也就是说，我们可以凭借一句话，来探索出这句话后的隐含的意思，从而解决一些微妙的语义问题。
如上图所示，这个模型能够通过你提供的可以明显观察的句子，推断出一个人隐含的心情状态（开心OR难过），并得到最后的行为判断（宅、购物、社交），即通过已知推断出未知。
而如何优化这个模型，得到最优隐含状态？人们提出了许多解决问题的算法，包括前向算法、Viterbi算法和Baum－Welch算法。此中奥妙，难以尽述。但不能否认的是，在深度学习的基础上，数据＋模型就能很好地打造出一款AI同传翻译，数据越大，神经网络更好。即使翻译结果不尽如人意，但只要建设足够大的数据库，建立更好的模型，打磨算法，AI同传很快就会有更大的提升。
