（原標題：科大訊飛陷AI同傳造假疑云： 從機器朗讀到機器翻譯還有多遠？）
本報記者 倪雨晴 廣州報導
2018世界人工智慧大會剛落幕，科大訊飛卻陷入了「AI同傳造假」的風波。
9月20日，一位同傳譯員在知乎上發文稱，在上海的一場會議中，訊飛的翻譯其實為人工同傳，並非機器智能翻譯，並且譯文由機器進行朗讀。
這容易讓觀眾產生「都是人工智慧翻譯」的錯覺，而忽略背後同傳譯員們的勞動成果。對此，9月21日，科大訊飛的回覆是，「科大訊飛從來沒有把同傳翻譯包裝成機器翻譯。」
9月21日，科大訊飛董秘、高級副總裁江濤接受21世紀經濟報導記者採訪時說道：「儘管機器翻譯獲得發展，明年能達到英語專業8級的水平，但依然沒辦法代替同傳。科大訊飛沒有提到AI同傳，並沒有造假吹牛，目前的情況是一個誤會。」
他進一步解釋道，科大訊飛的智能會議系統有兩種工作模式，一種是全自動翻譯，系統識別中文並轉化成英語、日語、韓語等同步顯示在屏幕上；另外一種就是在專業的會議上，直接獲取現場同傳的聲音，再同步到大屏幕上。「科大訊飛沒有做混淆，而同傳的對接是由會議主辦方聯繫的。」
科大訊飛方面還提到，當機器同時提供轉寫和翻譯服務時，文字展示區Logo顯示為「訊飛聽見—離線翻譯系統」；機器僅提供轉寫服務時，文字展示區Logo顯示為「訊飛聽見」。訊飛聽見是科大訊飛旗下提供語音轉寫、翻譯的平臺。
儘管目前語音識別成為AI的先行領域，但是語音翻譯依舊是一大難題，現階段無法精準翻譯屬正常現象。據21世紀經濟報導記者了解，識別同傳的譯文在業內屬於普遍的做法，不少公司以此進行誇大宣傳。
人工還是智能？
談及人工智慧時代，機器能否代替人工是關注焦點。在語音領域，科大訊飛表示，希望通過語音轉寫和翻譯技術幫助同傳提高工作效率、減少失誤，形成人機耦合的同傳新模式，並不是去替代同聲傳譯。而科大訊飛董事長劉慶峰在不同場合均表示，人機協同、人工智慧+行業，才是未來人工智慧最有希望做成的。
在走向人機耦合的操作過程中，智能固然離不開人工，但是，雙方在配合工作中發生了「摩擦」。
對於此次同傳譯者的「投訴」，Ledge同聲翻譯創始人王民傑告訴21世紀經濟報導記者：「除了用機器人的聲音把譯文讀出來不太普遍之外，其他（機器識別同傳譯文）都很普遍。對於外國人的英文演講，基本上採取的模式就是由我們人工同傳翻譯成中文，然後他們再把我們的中文從聲音轉換成文字顯示在大屏幕上。」
「因此，同傳界的很多人都覺得是科大訊飛剽竊了我們的勞動成果，讓觀眾誤以為是機器在同傳，而不是人工同傳。」王民傑繼續說道，「但是我們在處理問題上也是兩難，我們希望科技能夠發展，幫助我們進行翻譯。但是現在人工智慧被過度誇大，我們身份特殊，也擔心外界說自己由於害怕失業而進行攻擊。」
王民傑的翻譯公司和科大訊飛合作密切，此次事件發酵後，他也向科大訊飛提出意見，希望對方在大屏幕上顯示他們只是語音識別，聲音來自同傳。
另一位資深同傳譯者告訴21世紀經濟報導記者：「個人覺得機器代替人工同傳還要很長時間，人機結合更實際。」
訊飛翻譯產品經理劉晨璇則向21世紀經濟報導記者復盤道：「事情發生在9月19-20日舉行的2018創新與新興產業發展國際會議上，我們向主辦方提供了兩種方案，一種是自動翻譯，另一種是對同傳語音進行識別，屏幕是轉寫的同傳語音，我們並沒有對此進行包裝。」
也有人工智慧業內人士告訴21世紀經濟報導記者，其實大家都用這種方式進行，有「偷換概念」的嫌疑。但是同傳譯者的智慧財產權有待商榷，一般其產權屬於僱用了同傳的公司。
在近年來大眾對於人工智慧、人工翻譯的期望頗高。而反觀公司，也有將產品「趕鴨子上架」的情況出現。當然，語音方面有不少成熟的解決方案，然而觀眾的預期和企業產品效果之間差異過大，也導致此次風波發酵。
語音識別仍存瓶頸？
在2017年，科大訊飛就曾表態：現階段人工智慧技術發展不需要「被神化」。 「目前，機器翻譯已經取得非常大的進步，在衣食住行等常用生活用語上的中英翻譯可以達到大學六級的水平，能夠幫助人們在一些場景處理語言交流的問題，但距離會議同傳以及高水平翻譯所講究的『信、達、雅』還存在很大的差距。」
對於人工耦合，江濤告訴21世紀經濟報導記者，科大訊飛的人工智慧系統會結合聽和看的信息，也會針對關鍵詞進行解釋，相當於有一個助手在幫助譯者進行翻譯，降低了同傳口譯者的工作強度。而科大訊飛已經和上海外國語大學成立了研究院，探討人機協同模式。在本周的2018世界人工智慧大會上，就有三個嘉賓發言採取了人工耦合的模式。
應該說，科大訊飛在語音領域技術領先，但是仍面臨著不少瓶頸。
首先從科大訊飛的產品技術方向來看，主要包括語音交互、機器翻譯、文本識別。其中，語音交互是科大訊飛的老本行，包括語音識別、語音合成等。另外，採用日趨成熟的自然語言理解，也為語音交互提供了更強的支撐。
尤其是語音合成方面，科大訊飛在業界比賽中屢次奪冠。其通過機器學習提取聲音的特徵，通過聲學波形合成出仿真聲音。該技術的難點之一，就是如何能夠騙過耳朵達到真人說話的效果。
但是在技術成熟的同時，仍有難題需要攻克。比如，遇到同音字識別、環境比較嘈雜的情況以及中文和英文夾雜的時候，語音的識別率就會下降。
劉慶峰在2018世界人工智慧上表示，科大訊飛是全球唯一在語音合成中機器超過人工的公司，在安靜的環境下，演講主題確定的情況下語音準確率高，但是多人說話噪音環境下的識別率是關鍵。在他看來，通過大規模後臺服務集群，語音識別正在走向實用。同時，用戶也對方言、多人說話、安全保護等方面提出了新要求。
一位人工智慧從業者告訴21世紀經濟報導記者，自然語言處理技術需要得到攻克，這就涉及到機器的知識、情感、邏輯等能力。而這三個人類在幼兒時期就能掌握的機能，對於機器來說是難上加難。語音本身不是最難，但是語言背後需要人類的知識系統以及專業領域的能力，這些數據的掌握並非易事。而人工智慧公司目前對翻譯的野心很大，短時期內系統性地解決還是較為困難。