作為蘋果設備的一款標配智能語音助手，Siri除了會講笑話，還會B-box，教你撩妹，卻也常常語出驚人。「調戲」Siri已經成為用戶日常。
近日，Siri卻因為翻譯功能Bug背上「侮X」的名號。從機器翻譯的技術角度來看，這事蘋果多少有些「委屈」。
事出有因。
昨日，細心網友發現iPhone在涉及「華為牛bi」、「小米牛bi」等關鍵詞翻譯至英文時，會出現侮辱性詞彙「bitch」；但翻譯「蘋果牛bi」關鍵詞句時卻能顯示正確英文結果。
在iPhone、iPad上使用Siri語音助手均會出現近似翻譯結果，結果對比明顯且復現率高，很快這個消息在社交媒體上炸開了鍋。
截止發稿前，蘋果Siri的翻譯功能已經部分從伺服器端取消涉及「牛bi」的詞條。直接詢問「……英文怎麼說」將反饋「這已經超出我的能力範圍」，但在調出翻譯功能界面後，仍能進行相關翻譯結果呈現。
不少網友和自媒體將其解讀為「侮X」的意圖，但從機器翻譯和機器學習的技術角度來看，這個帽子扣得有點「委屈」。
1. 傻傻分不清楚
為了進一步驗證Siri的翻譯功能Bug，我們進行了多輪測試，參考今日早上9點到10點時間段的測試結果。
目前，蘋果Siri已經停止部分翻譯功能，直接詢問Siri「……英文怎麼說」時，系統將反饋「已經超出我的能力範圍」，但在調出翻譯功能後，仍能看到相關翻譯結果呈現。
翻譯結果1：
翻譯結果2：
翻譯結果3：
翻譯結果4：
這裡，小米直接翻譯成「Mimi」，實在令人費解。
可以看到在多輪翻譯測試中，Siri對於「牛bi」的理解和翻譯結果很不穩定，有將「牛bi」翻譯成了「bitch」、也有翻譯成「so good」、「awesome」、「bullish」，顯然後者翻譯更為貼切中文中「牛X」的含義。
但是，以上翻譯結果還不至於將Siri翻譯結果套用「陰謀論」，說不通的地方在於——見過罵自己CEO的手機嗎？
稍微改變中文語法，翻譯結果又恢復了正常。
在中文，「牛bi」也被寫作牛B，多指「厲害」、「強」的意思，有時會簡稱為「牛」。
在維基百科中，「Bitch」作為名詞共有11種意思，均涉及包含粗俗、冒犯、進攻性質的負面詞彙含義，唯一第九種是中性含義，指代紙牌遊戲中的黑桃皇后。
為什麼Siri能翻譯出「bitch」這種字眼？
很大程度在於，Siri在面對不能理解的句型語法時將採取直譯方式。這個時候，中文語句中的「bi」就成了主系表句型中的表語。對此，我們同樣進行了測試驗證。
將翻譯有問題的句子去掉中文中的「bi」，比如「華為真牛」，Siri通常會翻譯成「XXX is a real cow」、「 is a real ox」。這也側面論證了Siri翻譯背後所採用的「看見不懂就直譯」的路徑存在。
2. 機器翻譯背後的技術解密
2011年10月，Siri隨著iPhone 4S的發布問世，成為iPhone設備的標配功能，如今AI語音助手也已經成為智慧型手機上的標配。
就目前技術發展階段來看，手機語音助手交互原理在於，設備根據採集的關鍵詞，來觸發底層回答的指令。伺服器端有編輯好的相應關鍵字和詞條，當用戶通過手機等設備發問時，算法搜索最為相關詞條並呈現答案，可能為一個或多個。翻譯問答的交互方式同理。
雖然在模型的訓練階段，已經出現神經機器翻譯等更人工智慧化的理解方式，但在推理階段，AI語音助手尚不能達到完全理解人類「語言」的水平。
具體來看看機器翻譯技術本身。
機器翻譯，又稱自動翻譯，簡言之即是藉機器之力自動地將一種自然語言文本翻譯成另一種自然語言文本。
採用機器做翻譯的思想最早由Warren Weaver於1949年提出。大半個世紀以來，機器翻譯技術先後了 基於規則的機器翻譯、統計機器翻譯、神經機器翻譯三次重要的方法演化。
神經機器翻譯，Neural Machine Translation，簡稱NMT，於2014年開始興起，逐漸應用卷積神經網絡，遞歸神經網絡，注意力機制等技術。
神經機器翻譯的優勢在於長句子、甚至段落的翻譯能力，閱讀起來上下文連貫程度接近人翻。目前，神經機器翻譯已經成為機器學習技術領域的主流。
2016年開始，神經機器翻譯已基本全面取代傳統的統計機器翻譯，Google、微軟、百度、搜狗等已相繼上線神經機器翻譯系統。
在英文中，單詞在一個語境下通常只代表一個意思；而在中文裡，一個字放在主、謂、定等不同的位置和語境中，代表的意思就有很多可能性，這也是中文博大精深之所在。
在本文開頭描述的情況中，Siri因為根本沒有理解關鍵詞的意思，所以採用了直譯，即通過拆分成「單字」的模式尋找匹配詞條，「牛」直接翻譯成ox、cow。不得不說，已經八歲的Siri對於中文語法的理解仍然處於比較「低端」水平。
當然，在中英翻譯上栽跟頭的又何止Siri這種「外來客」。前段時間，微信自帶的文字翻譯功能也是十分任性。
以及再一次掀起清華北大之爭的「神翻譯」。
隨後，微信團隊便部分下線了翻譯功能。騰訊微信團隊微在微博上回應稱，翻譯引擎在翻譯一些沒有進行過訓練的非正式英文詞彙時出現誤翻，導致部分語句翻譯出現問題。
這也充分說明了基於人工智慧的技術手段，在算法和模型足夠領先之外，語料，尤其是平行語料的訓練仍是高質量翻譯的核心。
所謂，「平行語料「即指的是源語音與目標語言一一對應的關係，比如，「I love you」=「我愛你」。而在微信的案例中，很有可能就是爬取並採用了網上已經存在的大量「caixukun=好」、 「caixukun=傻蛋」的語料。
對於Siri等「外來客」而言，中英互譯效果不盡如意的很一大部分原因在於，我國用戶對其調用率和使用率不高，本土化語料的訓練量不夠大，所以在面對一些本土化的東西，顯得有些「智障」。這也就能解釋前文提到的例子，由於對美國之外的品牌不夠熟悉，Siri將「小米」 翻譯成「Mimi」。
「主要是訓練數據的覆蓋，如果覆蓋不好就要針對特定用語進行修正。」Facebook前機器翻譯專家向機器之心表示，「Siri出現的這個情況應該不是有意的，很可能是他們現有的模型對於『牛bi』都翻譯不好，但對於『蘋果』和其有關的說法做了bad case修復」。
一般來說，訓練語料主要來自三個方面，一是各種英漢辭典標準化語庫來源；二是網際網路上的爬蟲抓取，從全網大量的數據裡，抓取到所需要的高質量平行語料。
第三，則是各家公司能夠「各取所需」的優勢渠道，比如騰訊有大量基於微信平臺有大量社交的語料，阿里巴巴有大量基於電商平臺有大量交易的語料，或者其他公司通過付費購買特定場景語料。
那麼新的問題來了，Siri在中國市場的翻譯功能，會是誰提供的語料和API呢？