萧箫 发自 凹非寺量子位 | 公众号 QbitAI
AI自动生成的字幕，能离谱到什么程度？
不仅把“螃蟹”误听成“废话”，当场爆粗：
甚至还能把“玉米”给翻译成p*rn……
关键在于，这些是AI给儿童节目自动生成的字幕。
被AAAI 2022收录的一篇新研究发现，在7013个儿童视频中，接近40%的节目出现了少儿不宜或脏话等词汇。
甚至在一个113集的儿童机器人学习栏目中，AI就“爆粗”了103次，平均接近一集一次！
对此，油管在接受《连线》采访时回应：
我们为13岁以下的儿童开发了YouTube Kids，这个APP会关闭字幕生成功能。
但如果真有字幕需求的话，如何才能想办法减少这种AI生成错误？
一起来看看。
亚马逊谷歌都很“祖安”
先来看看这篇论文的调查结果。
研究人员一共从油管上选出了24个儿童频道，分别记录了这些频道的播放量和订阅量。
可以看出，这些筛选出来的视频播放量基本都达到了百万级，订阅人数也同样不少。
然后，研究人员分别试了一下谷歌和AWS的字幕生成效果。
结果显示，AI字幕的“少儿不宜”率可谓离谱：
在7013个视频中，谷歌AI出现错误字幕的次数达到2768次，接近40%。
亚马逊的AI字幕错误率还要更高，达到了3672次，超过52%。
具体来说，两个AI分别容易在这些“不太恰当”的字词上出错：
△图左亚马逊，图右谷歌
在这些数据集中，有一些词语又尤为“少儿不宜”，例如一些骂人的脏词：
经过作者们人工检查，发现AI主要容易在以下几种情况中出错：
背景音乐嘈杂说话者为婴儿说话者为儿童说话者以英语为第二语言说话者在唱歌
△包括但不限于这些情况
那么，有没有什么办法减少这种情况发生呢？
语序连贯的错误更容易修复
研究人员提出了一个新的数据集，利用近音字词来构建禁忌词的“替换”备选。
例如，对于crap这一可能出现的“粗口”，研究人员就给它设置了crab、craft等读音相似的字词，便于AI在搞错时进行替换。
具体来说，他们在BERT、XLM、XLNet等NLP模型上，针对“完形填空”任务进行了重新训练，也就是用[MASK]遮住部分单词，让AI来填写对应的内容。
结果显示，在语序正常、前后文案有逻辑的视频中，AI替换的准确率更高：
然而在一些逻辑不强的文案中，成功替换的效果就没有那么好了：
最终，Megatron和Levenshtein等模型展现出了最好的修复效果，分别给亚马逊AI带来了超过25%的正确修复率，给谷歌AI带来了超过28%的修复率。
看来AI在字幕生成能力上还是任重道远啊。
