先給大家看一張動圖：
上面的中文是人類說的話，下面的英文是百度 AI 給出的實時翻譯。可以看到，沒等說到「莫斯科」的時候，AI 自動翻譯的英語就已經出現了「meet」，也就是漢語句末的「會晤」。
難道現在 AI 已經掌握了讀心術？
其實這是百度在機器同傳中研發的最新技術，有預測和可控延遲能力，能實現兩種語言之間的高質量、低延遲翻譯。它的出現讓機器同傳又有了新進展！
在我們了解機器同傳之前，首先要知道人類同傳是什麼。
同聲傳譯是一項很重要的工作，在國際會議、外交談判、演講等場合，只要交流之間出現了兩種語言，就需要同聲翻譯的幫助，他們會在現場聽取演講，並實時翻譯成另一種語言。
同聲傳譯工作通常在一句話的話音剛落，2-3秒之內就要立即傳譯出來，是一份高壓力、高強度的職業。而 AI 機器同傳就是把人類翻譯工作的過程用 AI 技術來代替。
機器同傳運用語音識別技術自動識別演講者的講話內容，把語音轉化為文字，然後調用機器翻譯引擎，將文字翻譯為目標語言，顯示在大屏幕或者通過語音合成再播放出來。
並不是！在人工智慧領域，兩種語言的「即時互譯」是一項難以攻克的技術問題，主要原因在於源語言和目標語言之間存在較大的詞序和語序差異。
▲ 中文語序下，「香山」在前，「最美的時候」在後；而英文翻譯中，「香山」被後置，「最美的時候」被提前
這種語序的差異，讓同傳陷入一種「準確度與速度不可兼得」的尷尬境地：
百度工程師們針對同傳中遇到的難題，提出了「一攬子」解決方案，一起看看它有哪些亮點？
人類同傳譯員常用的一個技巧就是「合理預測」：在發言人話說到一半時，預測到後半句可能要講的內容，超前翻譯，這樣能使同傳又快又準。
百度的工程師們模仿這一點，研發出了「wait-k words」模型，讓機器同傳也擁有了「合理預測」的能力，一定程度上解決了上面所說的「準確度與速度不可兼得」的問題。
普通的 AI 同傳是一整句話說完之後才進行翻譯，而百度同傳沒等說完前半句，它的「大腦」就會瞬間做出反應，可以「邊聽邊腦補」！
▲ 這是百度同傳的腦補現場，當說到「百度在18年前」時，AI 就預測出了「started a business」
另外一點是！百度同傳可以個性化控制翻譯時的延遲速度，像法語和西班牙語這種比較接近的語言，延遲就設置在比較低的水平。
但是，英語和漢語這種差異較大的語言，以及英語和德語這種詞序不同的語言，延遲可以設置為較高水平，從而更好地應對差異。
人類同傳譯員在接到翻譯任務後，通常會提前很多天學習相關知識，進行「備課」，為的就是更好地應對陌生詞彙而臨危不懼。
於是，百度工程師們模仿了這一準備過程，讓機器同傳也能通過快速融合領域知識策略，快速學習專業知識，提前「備課」。
當 AI 同傳接到某一個領域的翻譯任務時，系統會收集該領域數據並在通用模型的基礎上進行增強訓練，最後對該領域術語庫進行強制解碼，使專業術語翻譯得準確可靠，且提升翻譯效率。
區別於傳統的上下文相關建模技術，百度推出了上下文無關音素組合的中英文混合建模單元，包含1749個上下文無關中文音節和1868個上下文無關英文音節。這個方法具有泛化性能好、對噪聲魯棒、中英文混合識別等特點。
根據語音識別模型常犯的錯誤，在訓練數據的時候加入噪聲數據，讓模型在接收到錯誤的語音識別結果時，也能在譯文中糾正過來。
比如，語音識別系統將「大堂」錯誤地識別為「大唐」，這一對噪聲詞被收錄到訓練數據裡，再把源語言句子「我們在酒店大堂見面吧」替換為「我們在酒店大唐見面吧」，而保持目標語言翻譯不變「Let's meet at the lobby of the hotel」，同時將這兩個中文句子存儲在它的「大腦」裡面，以後再出現類似的情況會更輕鬆地解決！
和咱們人類譯員相比，機器最大的優勢是不會因為疲倦而導致譯出率下降，能把所有「聽到」的句子全部翻譯出來，這讓機器的「譯出率」可以達到100%，遠高於人類譯員的60%-70%。
同聲傳譯被廣泛應用於政府間的峰會、多邊談判和其他商業場合，但是同傳人員稀缺也成為了當前的棘手問題。
研發百度同傳的目的，並不是取代人類譯員，而是為了降低同傳成本，讓同傳的應用範圍更加廣泛。我們希望世界各地的人在 AI 的幫助下早日實現「無障礙」的交流，用科技讓複雜的世界更簡單！