蘋果Siri把“華為牛B”“小米牛B”翻譯成“bitch”，委屈嗎？_風聞

事出有因。

昨日，細心網友發現 iPhone 在涉及「華為牛bi」、「小米牛bi」等關鍵詞翻譯至英文時，會出現侮辱性詞彙「bitch」；但翻譯「蘋果牛bi」關鍵詞句時卻能顯示正確英文結果。

在iPhone、iPad上使用Siri語音助手均會出現近似翻譯結果，結果對比明顯且復現率高，很快這個消息在社交媒體上炸開了鍋。

截止發稿前，蘋果Siri的翻譯功能已經部分從服務器端取消涉及「牛bi」的詞條。直接詢問「……英文怎麼説」將反饋「這已經超出我的能力範圍」，但在調出翻譯功能界面後，仍能進行相關翻譯結果呈現。

不少網友和自媒體將其解讀為「侮X」的意圖，但從機器翻譯和機器學習的技術角度來看，這個帽子扣得有點「委屈」。

1

傻傻分不清楚

昨日網友的翻譯測試結果

為了進一步驗證Siri的翻譯功能Bug，我們進行了多輪測試，參考今日早上9點到10點時間段的測試結果。

目前，蘋果Siri已經停止部分翻譯功能，直接詢問Siri「……英文怎麼説」時，系統將反饋「已經超出我的能力範圍」，但在調出翻譯功能後，仍能看到相關翻譯結果呈現。

翻譯結果1

翻譯結果2

翻譯結果3

翻譯結果4

這裏，小米直接翻譯成「Mimi」，實在令人費解。

可以看到在多輪翻譯測試中，Siri對於「牛bi」的理解和翻譯結果很不穩定，有將「牛bi」翻譯成了「bitch」、也有翻譯成「so good」、「awesome」、「bullish」，顯然後者翻譯更為貼切中文中「牛X」的含義。

但是，以上翻譯結果還不至於將Siri翻譯結果套用「陰謀論」，説不通的地方在於——見過罵自己CEO的手機嗎？

稍微改變中文語法，翻譯結果又恢復了正常。

在中文，「牛bi」也被寫作牛B，多指「厲害」、「強」的意思，有時會簡稱為「牛」。

在維基百科（英文版）中，「Bitch」作為名詞共有11種意思，均涉及包含粗俗、冒犯、進攻性質的負面詞彙含義，唯一第九種是中性含義，指代紙牌遊戲中的黑桃皇后。

為什麼Siri能翻譯出「bitch」這種字眼？

很大程度在於，Siri在面對不能理解的句型語法時將採取直譯方式。這個時候，中文語句中的「bi」就成了主系表句型中的表語。對此，我們同樣進行了測試驗證。

將翻譯有問題的句子去掉中文中的「bi」，比如「華為真牛」，Siri通常會翻譯成「XXX is a real cow」、「 is a real ox」。這也側面論證了Siri翻譯背後所採用的「看見不懂就直譯」的路徑存在。

2

機器翻譯背後的技術解密

2011年10月，Siri隨着 iPhone 4S 的發佈問世，成為iPhone設備的標配功能，如今AI語音助手也已經成為智能手機上的標配。

就目前技術發展階段來看，手機語音助手交互原理在於，設備根據採集的關鍵詞，來觸發底層回答的指令。服務器端有編輯好的相應關鍵字和詞條，當用户通過手機等設備發問時，算法搜索最為相關詞條並呈現答案，可能為一個或多個。翻譯問答的交互方式同理。

雖然在模型的訓練階段，已經出現神經機器翻譯等更人工智能化的理解方式，但在推理階段，AI語音助手尚不能達到完全理解人類「語言」的水平。

具體來看看機器翻譯技術本身。

​機器翻譯，又稱自動翻譯，簡言之即是藉機器之力自動地將一種自然語言文本（源語言）翻譯成另一種自然語言文本（目標語言）。

採用機器做翻譯的思想最早由 Warren Weaver 於 1949 年提出。大半個世紀以來，機器翻譯技術先後了 基於規則的機器翻譯（RBMT）、統計機器翻譯（SMT）、神經機器翻譯（NMT）三次重要的方法演化。

神經機器翻譯，Neural Machine Translation, 簡稱 NMT, 於2014年開始興起，逐漸應用卷積神經網絡(CNN)，遞歸神經網絡(RNN)，注意力機制等技術。

神經機器翻譯的優勢在於長句子、甚至段落的翻譯能力，閲讀起來上下文連貫程度接近人翻。目前，神經機器翻譯已經成為機器學習技術領域的主流。

2016年開始，神經機器翻譯已基本全面取代傳統的統計機器翻譯(SMT)，Google、微軟、百度、搜狗等已相繼上線神經機器翻譯系統。

在英文中，單詞在一個語境下通常只代表一個意思；而在中文裏，一個字放在主、謂、定等不同的位置和語境中，代表的意思就有很多可能性，這也是中文博大精深之所在。

圖片源於網絡

在本文開頭描述的情況中，Siri因為根本沒有理解關鍵詞的意思，所以採用了直譯，即通過拆分成「單字」的模式尋找匹配詞條，「牛」直接翻譯成ox、cow（另一個詞同理）。不得不説，已經八歲的Siri對於中文語法的理解仍然處於比較「低端」水平。

當然，在中英翻譯上栽跟頭的又何止Siri這種「外來客」。前段時間，微信自帶的文字翻譯功能也是十分任性。

以及再一次掀起清華北大之爭的「神翻譯」。

隨後，微信團隊便部分下線了翻譯功能。騰訊微信團隊微在微博上回應稱，翻譯引擎在翻譯一些沒有進行過訓練的非正式英文詞彙時出現誤翻，導致部分語句翻譯出現問題。

這也充分説明了基於人工智能的技術手段，在算法和模型足夠領先之外，語料，尤其是平行語料的訓練仍是高質量翻譯的核心。

所謂，「平行語料「即指的是源語音與目標語言一一對應的關係，比如，「I love you」 = 我愛你」。而在微信的案例中，很有可能就是爬取並採用了網上已經存在的大量「caixukun=好」、 「caixukun=傻蛋」的語料。　　

對於Siri等「外來客」而言，中英互譯效果不盡如意的很一大部分原因在於，我國用户對其調用率和使用率不高，本土化語料的訓練量不夠大，所以在面對一些本土化的東西，顯得有些「智障」。這也就能解釋前文提到的例子，由於對美國之外的品牌不夠熟悉，Siri將「小米」 翻譯成「Mimi」。

「主要是訓練數據的覆蓋，如果覆蓋不好就要針對特定用語進行修正」，Facebook前機器翻譯專家向機器之心表示，「Siri出現的這個情況應該不是有意的，很可能是他們現有的模型對於『牛bi』都翻譯不好，但對於『蘋果』和其有關的説法做了bad case修復」。

一般來説，訓練語料主要來自三個方面，一是各種英漢辭典標準化語庫來源；二是互聯網上的爬蟲抓取，從全網大量的數據裏，抓取到所需要的高質量平行語料。

第三，則是各家公司能夠「各取所需」的優勢渠道，比如騰訊有大量基於微信平台有大量社交的語料，阿里巴巴有大量基於電商平台有大量交易的語料，或者其他公司通過付費購買特定場景語料。

那麼新的問題來了，Siri 在中國市場的翻譯功能，會是誰提供的語料和API呢？