苹果Siri现侮辱性翻译？侮辱性翻译如何触发

作为苹果设备的一款标配智能语音助手，Siri除了会讲笑话，还会B-box，教你撩妹，却也常常语出惊人。“调戏”Siri已经成为用户日常。 近日，Siri却因为翻译功能Bug背上“侮X”的名号。从机器翻译的技术角度来看，这事苹果多少有些“委屈”。 事出有因。 昨日，细心网友发现 iPhone 在涉及“华为牛bi”、“小米牛bi”等关键词翻译至英文时，会出现侮辱性词汇“bitch”；但翻译“苹果牛bi”关键词句时却能显示正确英文结果。 在iPhone、iPad上使用Siri语音助手均会出现近似翻译结果，结果对比明显且复现率高，很快这个消息在社交媒体上炸开了锅。 截止发稿前，苹果Siri的翻译功能已经部分从服务器端取消涉及“牛bi”的词条。直接询问“……英文怎么说”将反馈“这已经超出我的能力范围”，但在调出翻译功能界面后，仍能进行相关翻译结果呈现。 不少网友和自媒体将其解读为“侮X”的意图，但从机器翻译和机器学习的技术角度来看，这个帽子扣得有点“委屈”。 1傻傻分不清楚

昨日网友的翻译测试结果 为了进一步验证Siri的翻译功能Bug，我们进行了多轮测试，参考今日早上9点到10点时间段的测试结果。 目前，苹果Siri已经停止部分翻译功能，直接询问Siri“……英文怎么说”时，系统将反馈“已经超出我的能力范围”，但在调出翻译功能后，仍能看到相关翻译结果呈现。 翻译结果1 翻译结果2 翻译结果3 翻译结果4 这里，小米直接翻译成“Mimi”，实在令人费解。 可以看到在多轮翻译测试中，Siri对于“牛bi”的理解和翻译结果很不稳定，有将“牛bi”翻译成了“bitch”、也有翻译成“so good”、“awesome”、“bullish”，显然后者翻译更为贴切中文中“牛X”的含义。 但是，以上翻译结果还不至于将Siri翻译结果套用“阴谋论”，说不通的地方在于——见过骂自己CEO的手机吗？ 稍微改变中文语法，翻译结果又恢复了正常。 在中文，“牛bi”也被写作牛B，多指“厉害”、“强”的意思，有时会简称为“牛”。 在维基百科（英文版）中，“Bitch”作为名词共有11种意思，均涉及包含粗俗、冒犯、进攻性质的负面词汇含义，唯一第九种是中性含义，指代纸牌中的黑桃皇后。 为什么Siri能翻译出“bitch”这种字眼？ 很大程度在于，Siri在面对不能理解的句型语法时将采取直译方式。这个时候，中文语句中的“bi”就成了主系表句型中的表语。对此，我们同样进行了测试验证。 将翻译有问题的句子去掉中文中的“bi”，比如“华为真牛”，Siri通常会翻译成“XXX is a real cow”、“ is a real ox”。这也侧面论证了Siri翻译背后所采用的“看见不懂就直译”的路径存在。 2机器翻译背后的技术解密 2011年10月，Siri随着 iPhone 4S 的发布问世，成为iPhone设备的标配功能，如今AI语音助手也已经成为智能手机上的标配。 就目前技术发展阶段来看，手机语音助手交互原理在于，设备根据采集的关键词，来触发底层回答的指令。服务器端有编辑好的相应关键字和词条，当用户通过手机等设备发问时，算法搜索最为相关词条并呈现答案，可能为一个或多个。翻译问答的交互方式同理。 虽然在模型的训练阶段，已经出现神经机器翻译等更人工智能化的理解方式，但在推理阶段，AI语音助手尚不能达到完全理解人类“语言”的水平。 具体来看看机器翻译技术本身。 机器翻译，又称自动翻译，简言之即是借机器之力自动地将一种自然语言文本（源语言）翻译成另一种自然语言文本（目标语言）。 采用机器做翻译的思想最早由 Warren Weaver 于 1949 年提出。大半个世纪以来，机器翻译技术先后了 基于规则的机器翻译（RBMT）、统计机器翻译（SMT）、神经机器翻译（NMT）三次重要的方法演化。 神经机器翻译，Neural Machine Translation, 简称 NMT, 于2014年开始兴起，逐渐应用卷积神经网络(CNN)，递归神经网络(RNN)，注意力机制等技术。 神经机器翻译的优势在于长句子、甚至段落的翻译能力，阅读起来上下文连贯程度接近人翻。目前，神经机器翻译已经成为机器学习技术领域的主流。 2016年开始，神经机器翻译已基本全面取代传统的统计机器翻译(SMT)，Google、微软、百度、搜狗等已相继上线神经机器翻译系统。 在英文中，单词在一个语境下通常只代表一个意思；而在中文里，一个字放在主、谓、定等不同的位置和语境中，代表的意思就有很多可能性，这也是中文博大精深之所在。 图片源于网络 在本文开头描述的情况中，Siri因为根本没有理解关键词的意思，所以采用了直译，即通过拆分成“单字”的模式寻找匹配词条，“牛”直接翻译成ox、cow（另一个词同理）。不得不说，已经八岁的Siri对于中文语法的理解仍然处于比较“低端”水平。 当然，在中英翻译上栽跟头的又何止Siri这种“外来客”。前段时间，微信自带的文字翻译功能也是十分任性。 以及再一次掀起清华北大之争的“神翻译”。 随后，微信团队便部分下线了翻译功能。腾讯微信团队微在微博上回应称，翻译引擎在翻译一些没有进行过训练的非正式英文词汇时出现误翻，导致部分语句翻译出现问题。 这也充分说明了基于人工智能的技术手段，在算法和模型足够领先之外，语料，尤其是平行语料的训练仍是高质量翻译的核心。 所谓，“平行语料“即指的是源语音与目标语言一一对应的关系，比如，“I love you” = 我爱你”。而在微信的案例中，很有可能就是爬取并采用了网上已经存在的大量“caixukun=好”、 “caixukun=傻蛋”的语料。 对于Siri等“外来客”而言，中英互译效果不尽如意的很一大部分原因在于，我国用户对其调用率和使用率不高，本土化语料的训练量不够大，所以在面对一些本土化的东西，显得有些“智障”。这也就能解释前文提到的例子，由于对美国之外的品牌不够熟悉，Siri将“小米” 翻译成“Mimi”。 “主要是训练数据的覆盖，如果覆盖不好就要针对特定用语进行修正”，Facebook前机器翻译专家向机器之心表示， “Siri出现的这个情况应该不是有意的，很可能是他们现有的模型对于『牛bi』都翻译不好，但对于『苹果』和其有关的说法做了bad case修复”。 一般来说，训练语料主要来自三个方面，一是各种英汉辞典标准化语库来源；二是互联网上的爬虫抓取，从全网大量的数据里，抓取到所需要的高质量平行语料。 第三，则是各家公司能够“各取所需”的优势渠道，比如腾讯有大量基于微信平台有大量社交的语料，阿里巴巴有大量基于电商平台有大量交易的语料，或者其他公司通过付费购买特定场景语料。 那么新的问题来了，Siri 在中国市场的翻译功能，会是谁提供的语料和API呢？