近年来，AI技术推动了许多行业的发展，呈现出"万物皆可AI"的景象。从消费级的电子数码产品，到to B端的驾驶、安防、教育等等，AI的概念已辐射到各行各业，在我们的生活中不断"抢戏"。就连许多高规格的国际会议上，AI同传的身影也开始频频亮相。
当嘉宾在台上讲话时，随着演讲的声音，由AI同传翻译的中英文双语字幕，同步呈现在旁边大屏幕之上，满满的都是科技范。不过，传统的机器同传只能获取语音信息，在识别专业术语时难以理解演讲语境，在面对同音词、语气词等复杂情况时，翻译效果不够理想。
如何进一步提高AI同传的识别和翻译能力？近日，搜狗给我们带来了新的答案。
2019年12月21日，在极客公园创新大会上，搜狗发布了业内首个具备多模态认知能力的同传系统——搜狗同传3.0。与常规算法升级不同，搜狗同传3.0第一次引入了"语境引擎"，结合视觉识别技术与知识谱图，将AI同传的准确性提升到了一个新的高度。
想要让AI理解人类的自然语言，其实背后是一个统计学的技术问题。我们输入足够的数据构建起机器模型，就让AI逐渐理解并学习当前场景的语义内容。人工同传在进行同传翻译前，往往会花大量时间进行准备，掌握所译领域的术语词汇和表达方式。倘若能让AI如同人类译员一样理解所译领域的内容方向，无疑会带来准确率的显著提升。
搜狗同传3.0所独创的"语境引擎"，除了让AI"能听"还能同时做到"边看边思考"。从官方资料来看，它是通过OCR（光学字符识别）技术获取演讲内容自动生成核心知识，并利用「搜狗知立方」知识图谱实时推理拓展，充分扩展演讲的背景知识与词库，对内容进行个性化加强。另外，同传系统可以基于搜狗百科的中英术语库获得中英双语对照，实时优化同传识别和翻译的效果。
也就是说，搜狗同传3.0从单一的语音识别+机器翻译，进化到了看懂画面文本+理解语义语境+推理扩展词库的多种交互方式，几乎接近了人类译员的工作模式。
最近几年，搜狗一直用各种与AI相关的"黑科技"，在我们的视线中刷屏。其实，一直坚持以语言为核心的AI布局，搜狗在多模态领域的探索和应用早已有之。此前推出的AI合成主播，就运用了语音、唇语、表情动作等交互形式，栩栩如生的AI合成主播参与到了2019年两会、春运、315晚会等报道，还远赴海外推出了全球首个俄语AI合成主播和阿拉伯语AI合成主播。
扫描画面得到文字信息的OCR技术，在之前搜狗翻译与vivo NEX3手机的合作中，翻译聚合App里的图片翻译，就可以提供 AR实景翻译和菜单翻译功能，受到了很多用户的欢迎。"搜狗知立方"通过整合海量的互联网碎片化信息，以"语义理解"为方向对搜索结果进行重新优化计算，让AI理解用户搜索意图和问题，直接为用户提供想要的答案。同样，此前上线的搜狗英文垂直频道，引入微软必应的全球搜索技术，对接全球范围内多达万亿的英文信息，构成了搜狗同传3.0中丰富的英文词库信息。
可以说，本次推出的搜狗同传3.0，并非是一蹴而就的概念产品。它聚合了多种交互形式实现同传的协作能力，乃是搜狗多年深耕AI技术后积累的成果，也为AI同传的行业发展提供了方向。
相比于人工准备资料极大的局限性，AI能整合更加丰富的资料，获得更高的翻译质量，也极大提高了AI同传的泛化能力。据公开资料显示，搜狗同传3.0针对PPT内容的识别准确率提升21.7%，翻译正确率提升40.3％。
说了这么多，我们的视线再拉回到行业与未来。AI同传的发展，并非是要取代人工同传，而是会构成一个有效补充的角色，让同传变成一项"普惠服务"。比如，在一些因同传费用太高或没有相关领域同传译员的会议，可以借助AI同传来满足翻译需求。或者在普通人出国旅游的时候，AI同传可以胜任很多时候的翻译职能，让我们在餐厅、机场、车站等环境里不再尴尬。
当未来多模态同传技术普及以后，我们的社会生活还能发生怎样的改变？不同语种间的人们，彼此戴着一个蓝牙耳机，AI就能完成对话时的无缝连接。把那些科幻电影里的画面变成现实，这才是未来科技该有的模样。
