科大讯飞陷AI同传造假疑云：从机器朗读到机器翻译还有多远？

语音识别仍存瓶颈？

在2017年，科大讯飞就曾表态：现阶段人工智能技术发展不需要“被神化”。 “目前，机器翻译已经取得非常大的进步，在衣食住行等常用生活用语上的中英翻译可以达到大学六级的水平，能够帮助人们在一些场景处理语言交流的问题，但距离会议同传以及高水平翻译所讲究的‘信、达、雅’还存在很大的差距。”

对于人工耦合，江涛告诉21世纪经济报道记者，科大讯飞的人工智能系统会结合听和看的信息，也会针对关键词进行解释，相当于有一个助手在帮助译者进行翻译，降低了同传口译者的工作强度。而科大讯飞已经和上海外国语大学成立了研究院，探讨人机协同模式。在本周的2018世界人工智能大会上，就有三个嘉宾发言采取了人工耦合的模式。

应该说，科大讯飞在语音领域技术领先，但是仍面临着不少瓶颈。

首先从科大讯飞的产品技术方向来看，主要包括语音交互、机器翻译、文本识别。其中，语音交互是科大讯飞的老本行，包括语音识别、语音合成等。另外，采用日趋成熟的自然语言理解，也为语音交互提供了更强的支撑。

尤其是语音合成方面，科大讯飞在业界比赛中屡次夺冠。其通过机器学习提取声音的特征，通过声学波形合成出仿真声音。该技术的难点之一，就是如何能够骗过耳朵达到真人说话的效果。

但是在技术成熟的同时，仍有难题需要攻克。比如，遇到同音字识别、环境比较嘈杂的情况以及中文和英文夹杂的时候，语音的识别率就会下降。

刘庆峰在2018世界人工智能上表示，科大讯飞是全球唯一在语音合成中机器超过人工的公司，在安静的环境下，演讲主题确定的情况下语音准确率高，但是多人说话噪音环境下的识别率是关键。在他看来，通过大规模后台服务集群，语音识别正在走向实用。同时，用户也对方言、多人说话、安全保护等方面提出了新要求。

一位人工智能从业者告诉21世纪经济报道记者，自然语言处理技术需要得到攻克，这就涉及到机器的知识、情感、逻辑等能力。而这三个人类在幼儿时期就能掌握的机能，对于机器来说是难上加难。语音本身不是最难，但是语言背后需要人类的知识系统以及专业领域的能力，这些数据的掌握并非易事。而人工智能公司目前对翻译的野心很大，短时期内系统性地解决还是较为困难。