Google獨錯譯China breaks promise為「中國守諾」 專家：大量假data污染

不少人都會用搜尋引擎 Google 旗下Google Translate 繙譯另一種語言，但網民發現程式出現雙重標準的繙譯錯誤。專頁「前線科技人員」指，周日（17日）網上瘋傳Google Translate 將「China breaks promise（中國破壞承諾）繙譯成「中國信守諾言」，但「US breaks promise（美國破壞承諾）」就會繙譯做「美國違約」。《蘋果》正向Google查詢。

Google Translate原理是放棄文法，純粹用網上大量數據建立模型，而其數據資料庫大部份資料均從公開途徑獲得，專家指，如果某一國家／某種語言媒體經常將 China breaks promise 繙譯做「中國信守諾言」並放上網，大量假data污染AI令Google Translate中伏。香港資訊科技商會榮譽會長方保僑亦指，出錯可能是互聯網上撈了錯誤資訊，也不排除有人故意誤導。

「前線科技人員」專頁解釋，幾十年前舊式電腦繙譯主要方法是教電腦程式辨認不同文法，但由於人類語言文法有大量例外用法，令效果一直強差人意。

近十多年來Machine Learning（機器學習）開始普及，研究人員開始循另一個方向解決電腦繙譯問題，嘗試放棄文法，純粹用大量數據去建立模型，事實證明效果比傳統方法優勝。

但專頁質疑，這種做法有其缺點，其中之一是結果受制於數據資料庫（data set）的質素，Google的數據庫大部份資料從公開途徑獲得，「就是說，如果有某一國家／某種語言的媒體，經常都將 China breaks promise 繙譯做『中國信守諾言』並放上網，久而久之，Google Translate 就會中計。」

香港資訊科技商會榮譽會長方保僑嘗試放棄文法，用「China break promise」繙譯，結果顯示「中國違約」，但如果用正確文法breaks，繙譯就變回「中國信守諾言」。

他指機器學習「好像寶寶那樣」要不斷糾正，出錯可能是互聯網上撈了錯誤資訊，也不排除有人故意誤導，他相信Google稍後會更正。

華爾基利訊息安全研究組織機器學習研究人員畢亨特指，Google都是由大量網上媒介，如論壇或文章中收集資料，有可能是某些字詞拼起來，出現大量同一種意思的語言，令繙譯出現以上結果。理論上break是破壞，promise是承諾，最直接兩字合併就是「破壞承諾」；不過如果當break promise前面的詞語是China，3組英文字合併，可能出現大量資料寫成「中國信守諾言」的字面組合，便會出現目前結果；「美國違約」的繙譯道理亦一樣。

他認為問題在於訓練Machine Learning不準確，機器是不會理會意思照單全收，「大量data可能假的，特地污染佢，就會令model出錯」，他認為Google可以清晰列明繙譯準確程度，例如顯示百分比，60%是譯「中國信守諾言」、40%譯「中國違約」，至少讓人所掌握。

Google繙譯並非首次出錯，前年反送中運動其間，有香港網民發現將「so sad to see Hong Kong became China（我很難過看到香港變成中國）」譯成繁體或簡體中文時，「難過」會被繙成「高興」。Google發言人當時向法新社解釋，由於使用自動系統，有時會出現無心錯誤，例如把負面譯成正面字眼。