您的位置:首页 > 移动互联

输出不详的宗教预言,Google翻译为何“水逆”了

发布时间:2018-07-31 15:13:40  来源:互联网     背景:

  最近,一些使用 Google 翻译的网友发现,这款产品突然“水逆”了。

  在 Reddit 上,有网友截图显示,Google 翻译将某些语种的词汇翻译成英语时,输出的却是毫无由头的宗教语言。比如键入 19 个 dog,将其从毛利语翻译成英语时,输出的却是“距离十二点的世界末日还差三分钟,我们正在经历世界上的人物和戏剧性发展,这预示着我们正在无限接近末日,耶稣回归时日将近”。 

  

  但这只是众多无厘头翻译的其中一例。还有网友放出了很多“不详”的翻译内容。例如,在索马里语中,“ag”这个词被翻译成了“Gershon 的儿子(sons of Gershon)”“耶和华的名字(name of the LORD)”,并且会引用圣经里的“cubits”(计量单位)和Deuteronomy(《申命记》)。 

  

  有网友留言称其为“恶魔”或者“幽灵”,猜测这是 Google 员工的恶作剧,也有人建议设置“建议编辑”功能,让用户可以手动修改为正确内容。Google 发言人 Justin Burr 在一封电子邮件中称:“这只是一个将无意义的话语输入系统,然后产生无意义输出的功能。”

  不过 Justin Burr 并未透露 Google 翻译使用的训练数据是否有宗教文本。但上述诡异输出内容很可能已被 Google 翻译修正,AI科技大本营编辑输入上述相同内容后并未发现异常。

  但人们热衷于探讨 Google 翻译出现如此结果的原因,业界不少专业人士也为此发声。哈佛大学助理教授 Andrew Rush 认为,这很可能与 2 年前 Google 翻译技术的改变有关,它目前使用的是“神经机器翻译(NMT)”技术。

  BBN Technologies 的科学家 Sean Colbath 从事机器翻译工作,他认为奇怪的输出可能是由于 Google 翻译的算法试图在混乱中寻找秩序。他还指出,索马里语、夏威夷语以及毛利语等产生最奇怪结果的语言,它们用于训练的翻译文本比英语或汉语等更广泛使用的语言要少很多。Google 也可能会使用像圣经等被翻译成多种语言的宗教文本来训练小语种模型,这也解释了为什么会最终输出宗教内容。

  前 Google 员工 Delip Rao 在其博客上则指出,当谈到平行语料库时,宗教文本是最低层次的共同标准资源,像“圣经”和“古兰经”这样的主要宗教文本,有各种各样的语言版本。

  比如,如果你为政府部署一个 Urdu-to-English (乌尔都语—英语)的机器翻译系统,那么很容易将一堆已经翻译成乌尔都语的宗教文本组合在一起。因此,可以合理地假设 Google 的平行语料库中包含所有的宗教文本,而对于许多资源不足的语言,它们不只是训练语料库中微不足道的部分。

  那么,为什么我们看到 Google 翻译会输出宗教文本?一种解释是,因为宗教文本包含许多只会在宗教中出现的罕见词,而这些词在其他任何地方都不会出现。因此,罕见的词语可能会触发解码器中的宗教情境,尤其是当这些文本的比例很大时。另一种解释是该模型对输入的内容没有太多的统计支持,而输出也只是解码器模型的无意义采样。

  更重要的是,他想要指出现在的神经机器翻译 (NMT)真正存在的问题。

  他特意总结了2017年Philipp Koehn和Rebecca Knowles撰写的一篇论文,内容如下:

  1. NMT 系统在域外数据上表现很差。像 Google 翻译这样的通用 MT 系统,在法律或金融等专业领域的表现尤其糟糕。此外,与基于短语的翻译系统等传统方法相比,NMT 系统的效果更差。到底有多糟糕?如下图所示,其中非对角线元素表示域外结果,绿色是 NMT 的结果,蓝色是基于短语的翻译系统的结果。

  MT 系统在一个域(行) 上训练并在另一个域 (列) 上进行测试。蓝色表示基于短语翻译系统的表现,而绿色表示 NMT 系统的表现。

  2. NMT 系统在小数据集上的表现很差。虽然这算是机器学习的通病,但这个问题在 NMT 系统中体现尤其明显。相比基于短语的 MT 系统,虽然 NMT 系统随着数据量的增加能进行更好地概括 ,但在小数据量情况下 NMT 系统的表现确实更糟糕。

  引用作者的话来说,在资源较少的情况下,NMT 系统会产生与输入无关的输出,尽管这些输出是流畅的。这可能也是 Motherboard 那篇文章中探讨 NMT 系统表现怪异的另一个原因。

  3. Subword NMT 系统在罕见词汇上的表现很糟糕。虽然它的表现仍然要好过基于短语的翻译系统,但对于罕见或未见过的词语,NMT 系统表现不佳。例如,那些系统只观察到一次的单词就会被 drop 掉。像 byte-pair encoding 这样的技术,对解决这个问题有所帮助,但我们有必要对此进行更详细的研究。

  

  我们可以看到图中像土耳其语(Turkish) 这样的语言,遇到词的变形形式是很常见的。

  4. 长句。以长句编码并产生长句,这仍然是一个开放的、值得研究的话题。在法律等领域,冗长复杂的句子是很常见的。MT 系统的性能将随句子长度而降级,而 NMT 系统亦是如此。引入注意力机制可能会有所帮助,但问题还远未解决。

  5. 注意力机制不等于对齐。这是一个非常微妙但又很重要的问题。在传统的 SMT 系统中,如基于短语的翻译系统,语句对齐能够提供有用的调试信息来检查模型。但即便论文中经常将软注意力机制视为“软对齐”,注意力机制并不是传统意义上的对齐。在 NMT 系统中,除了源域中的动词外,目标中的动词也可以作为主语和宾语。

  6. 难以控制翻译质量。每个单词都有多种翻译,并且典型的 MT 系统对源句的翻译好于 lattice of possible translations。为了保持后者的大小合理,我们使用集束搜索(beam search)。通过改变波束的宽度,来找到低概率但正确的翻译。而对于 NMT 系统,调整集束尺寸似乎没有任何不利影响。

  当你拥有大量数据时,NMT 系统的翻译性能依然还是难以被击败的,而且它们仍然在大量地被使用。关于通常我们所说的神经网络模型的黑盒性,也有待进一步说明,如今的 NMT 模型(基于 LSTM 和 Transformer 模型) 也都受此影响。






  声明:本文仅为传递更多网络信息,不代表本站观点和意见,仅供参考了解,更不能作为投资使用依据。


返回网站首页

本文评论
淘宝风变高级风 唯品会智能小程序带你狂扫秋冬流行色单品
今夏什么剧最热?当然是令于正口碑翻盘的《延禧攻略》了!整整70集,收视口碑双丰收,网络点击量早已......
日期:08-27
腾讯王卡助力温暖中秋 看得见亲人就是团圆
月是中秋分外明,佳节临近,大众对于全家团圆的渴望愈发强烈。尤其对那些入学不久的高校新生而言,思念......
日期:09-20
移动支付海外遇冷,中国出海先锋如何破局?
虽然2018年俄罗斯世界杯已经完美落幕,但它引起的一波“金元热潮”却已经对大众的生活产......
日期:08-03
Chrome浏览器诞生10年,网络环境更安全更可靠了
9月10日消息,《连线》网站撰稿回顾了诞生至今十年间Chrome浏览器在安全性上的演变历程。...
日期:09-10
iOS 12重大BUG曝光 部分设备锁屏后无法充电
9月30日消息,iOS 12正式版已经推出了数周,不过部分用户却反馈遭遇了升级后无法充电的问题,受影响......
日期:09-30
酷狗认证调音师自制音效超570万人使用,喜提热门音效榜
随着用户个性化听歌需求日益凸显,全民创作热情日渐高涨,今年盛夏酷狗音乐蝰蛇音效5.0更新版全面升......
日期:08-02
谷歌Chrome浏览器十岁了!
十年前的今天,Google Chrome浏览器的Windows版首个beta测试版本正式发布,十年之后的今天,Google ......
日期:09-02
魅族Flyme风险场景识别技术亮相ISC 2018:坚决扼杀电信黑产
9月4日,ISC 2018 互联网安全大会在京拉开帷幕。作为亚太地区规格最高、规模最大、最具影响力的国际......
日期:09-10
App全面下架责令整改,谁伤了B站这个“懵懂少年”?
昨天,B站App在多家应用商店被下架。华为应用商店、小米应用商店、一加应用商店中已搜不到B站,而且......
日期:07-30
继Lyft推出电动滑板车后 Uber也将进军该市场
北京时间9月7日上午消息,周四,Lyft在丹佛推出了电动滑板车,彻底进军快速发展起来的滑板车共享市......
日期:09-07
Uber推出新功能:包括自动探测车祸和隐藏号码
北京时间9月6日早间消息,一年前,达拉·科斯罗萨西(Dara Khosrowshahi)在Uber丑闻缠身之时接......
日期:09-06
被成为“人工智障”的Siri有救了! iOS 12为其引入新功能了!
Siri 可以说是 iOS 系统的核心功能之一,在苹果移动操作系统的最新升级中,Siri 将得到一些重大升级......
日期:09-04
Flyme 智能思维引擎One Mind 让你在新学期更有科技范
魅族Flyme自主研发的人工智能系统服务One Mind经过不断拓展和升级,可以在多种场景下为用户带来智能......
日期:08-30
iPad微信升级到iOS 6.7.2版本可用小程序!你还在等什么
9月12日,相信许多人都使用过微信小程序,在微信聊天界面向下轻轻一划,就能够进入到小程序的界面。凭借着快捷方便的操作体验,人...
日期:09-12
工信部:我国4G用户总数达11.3亿 数字经济发展取得积极成效
中国高度重视数字经济发展,在党和政府的政策推动下、在三大运营商在内的产业界的努力下,中国网络......
日期:09-27
以前的不好用?Firefox浏览器转投谷歌翻译
Firefox浏览器有很庞大的使用人群,不过这款浏览器并没有自己的翻译工具,而是整合了微软Bing和Yand......
日期:09-11
还在搜狗、百度查单词?开学没个讯飞翻译机会很难过!
转眼间,一个长长的暑假就这样过完了。开学了,同学们准备好了没?出国留学的朋友们、大一新同学们?你......
日期:08-31
英特尔联合今日头条 创建技术创新联合实验室
8月22日,英特尔联合今日头条在北京召开了以“数据赋能 AI正当时”为主题联合发布会,双......
日期:08-22
Keep6.0 一个更科学智能的“自由运动场”
夏末初秋,蝉蜕不啾。炎热所带来的浮躁正在逐步褪去,亦是Keep与AI的再次相遇。这次邂逅,AI从Keep......
日期:08-08
Huawei Pay周年庆福利第一波,上海交通卡免开卡费!
随着移动支付的发展,仅带一部手机出行,已经成为当代人最习以为常的生活方式。华为手机的Huawei Pa......
日期:08-21