幾乎你能想到的每個(gè)行業(yè)都在捫心自問，隨著人工智能 （AI） 及其相關(guān)技術(shù)的成熟，未來將會是什么樣子。轉(zhuǎn)錄服務(wù)就是一個(gè)很好的例子，技術(shù)的目的是提高翻譯和其他復(fù)雜任務(wù)的人的能力。

然而，即使是我們今天擁有的最好的技術(shù)，也遠(yuǎn)遠(yuǎn)不足以理解人類的語言，以準(zhǔn)確地在另一種語言中捕捉到相同的含義。

那轉(zhuǎn)錄服務(wù)呢？一臺機(jī)器所需要做的就是識別和復(fù)制人類的語言（用同樣的語言），即使它不能完全理解它。微軟已經(jīng)聲稱微軟自己的轉(zhuǎn)錄服務(wù)技術(shù)比人類好，那么人工智能是否已經(jīng)準(zhǔn)備好取代傳統(tǒng)的轉(zhuǎn)錄服務(wù)呢？

傳統(tǒng)轉(zhuǎn)錄服務(wù)的終結(jié)？

去年晚些時(shí)候，微軟大膽宣稱，它的轉(zhuǎn)錄服務(wù)人工智能現(xiàn)在比人類專業(yè)人員要好。這聽起來確實(shí)像是一個(gè)突破性的聲明，但我們已經(jīng)習(xí)慣了谷歌和它的技術(shù)競爭對手做出的這樣的重大承諾-可以說，大多數(shù)承諾都沒有達(dá)到預(yù)期。

在微軟的例子中，它雇傭了第三方服務(wù)來轉(zhuǎn)錄一段音頻。兩人流程的錯(cuò)誤率分別為 5.9% 和 11.3%，而微軟的錯(cuò)誤率分別為 5.9% 和 11.1%。

所以，很明顯，微軟的轉(zhuǎn)錄服務(wù) AI 有它的優(yōu)點(diǎn)。我們不太了解微軟為這項(xiàng)測試雇傭的團(tuán)隊(duì)，也不知道它使用的錄音，但它的轉(zhuǎn)錄技術(shù)似乎與某些環(huán)境中的人類不相上下。

轉(zhuǎn)錄服務(wù)技術(shù)的挑戰(zhàn)

就像任何一種語言技術(shù)一樣，有一些獨(dú)特的挑戰(zhàn)需要考慮。雖然人類天生就能將語音與背景噪聲區(qū)分開來，但機(jī)器卻不能享受同樣的特權(quán)——這是這項(xiàng)技術(shù)面臨的一大挑戰(zhàn)。

還有其他一些技術(shù)還沒有學(xué)會克服的問題（至少現(xiàn)在還沒有）：

多人通話

確定個(gè)別發(fā)言者

多人同時(shí)說話

理解語境（諷刺、反語等））

理解口音

理解俚語、口語和文體

了解非母語人士

翻譯成其他語文

談話中的細(xì)微差別（如：“呃”、停頓等）

因此，一個(gè)人在安靜的房間里講話的清晰錄音與記錄多個(gè)民族之間激烈辯論的錄音之間有很大的區(qū)別。轉(zhuǎn)錄服務(wù)技術(shù)已經(jīng)開始證明它的價(jià)值，但是它并沒有為傳統(tǒng)的轉(zhuǎn)錄服務(wù)提供直接的競爭。

不是機(jī)器和人類的較量

大多數(shù)人工智能的討論都圍繞著技術(shù)與人性這一概念展開。然而，人工智能轉(zhuǎn)錄服務(wù)的未來遠(yuǎn)不那么具有啟示性。這項(xiàng)技術(shù)并不是用來取代人類的，因?yàn)樗c專業(yè)轉(zhuǎn)錄人員有不同的長處和短處。

當(dāng)轉(zhuǎn)錄服務(wù)技術(shù)與音頻質(zhì)量、復(fù)雜的對話和人類對話的各種性質(zhì)作斗爭時(shí)，它永遠(yuǎn)不會感到疲倦，不斷地學(xué)習(xí)，而且能夠比忙碌的人類轉(zhuǎn)錄團(tuán)隊(duì)犯更少的錯(cuò)誤。

即使人工智能轉(zhuǎn)錄算法只達(dá)到 50% 的準(zhǔn)確率（由于上面列出的任何原因），人類也不需要擔(dān)心 50%。更好的是，如果同樣的算法能夠匹配或擊敗人類的準(zhǔn)確性，專業(yè)的轉(zhuǎn)錄人員可以集中精力編輯剩下的幾個(gè)錯(cuò)誤，并提高最終轉(zhuǎn)錄的總體精度。

每個(gè)人都是贏家。

隨著機(jī)器學(xué)習(xí)和人工智能的出現(xiàn)，語音科學(xué)無疑正以快速的速度發(fā)展。然而，在語言服務(wù)行業(yè)中，幾乎沒有人能想象在不久的將來，這項(xiàng)技術(shù)將取代人類的專業(yè)技術(shù)。然而，我們所期望的是 AI 平臺在不影響質(zhì)量的情況下幫助我們做更多、更快的事情。